按文本拆分

当 PDF 是包含多个文档串联在一起的批量导出——单个文件中有数百张发票、一天的扫描表单，或者每个部分以已知标题开头的自动生成报告——按固定关键词拆分比手动识别页面范围快得多。按文本拆分扫描每页以查找您指定的短语，每次出现该短语时创建新的输出文件，有效地使用文档自身内容作为拆分地图。 这是完成应付账款自动化、表单处理管道和批量文档分发工作流程的工具。会计系统将 500 张发票导出为单个 PDF；按文本拆分在每个分隔页上找到"发票编号"并生成 500 个单独的发票文件。医疗记录系统批量处理患者信件；工具在"亲爱的患者"处拆分以生成每位患者一封信。物流公司收到每日清单，其中每批货物以包含"货物 ID"的条形码标签开头；工具将每批货物隔离为单独文件以供下游处理。 您可以选择关键词页面本身是否包含在输出文件中或丢弃——对于本身没有有意义内容的分隔页很有用。不区分大小写的匹配确保您不必担心自动生成文档中的大写变体。支持正则表达式模式用于拆分标记是可变的高级用例，例如"Invoice #\d+"匹配任意发票编号。 对于缺乏正式大纲但有一致文本标记的文档，按文本拆分是按书签拆分的补充。如果您的文档两者都有，书签通常更可靠，因为它们是结构性而非基于内容的。对于最大灵活性，结合两种方法：在章节级别按书签拆分，然后在章节内按文本拆分以隔离单个记录。 所有文件处理在 dokk.ai 的安全基础设施上进行。文件在 60 分钟内删除，从不用于机器学习或与第三方共享。输出文件是与每个阅读器、打印机和文档管理系统兼容的标准 PDF。