PDFを文字列で分割
ページに語句が現れるたび新しいファイルを開きます。まとめ書き出しの請求書に効きます。
文字の読み取りも部分の作成もこのタブで行われます。請求書や明細が端末から出ることはありません。
先にスキャンを検索できるようにする
PDFを文字列で分割 について
会計システムは1か月分の請求書を1つのPDFとして書き出しがちで、その中の文書はどれも同じ言葉で始まります。「請求書番号」「取引明細」あるいは得意先の参照番号です。文書の長さはまちまちなので、この繰り返される語句はページ数よりも良い切れ目になります。語句を入力するか、書き方が揺れるなら正規表現を入力すると、一致するたびに新しい部分が開きます。文書のあいだに区切り紙が挟まれている場合は、切れ目を一致の後ろに置いてください。
機能
- 単純な語句、または書き方が揺れる場合は正規表現で照合
- 繰り返される見出しなら一致の前で、区切り紙なら後ろで切る
- 大文字小文字の区別が意味を持つ場合はそれも指定できる
- 分割する前に、どのページが一致したかを表示
- すべてのページが割り当てられ、部分の間で欠落しない
- 文書に検索できる文字がない場合は警告する
- 部分は個別に、またはZIPでまとめてダウンロード
PDFを文字列で分割 の使い方
- PDFを置き、文字の読み取りが終わるのを待ちます
- 各文書が始まる語句を入力します
- 切れ目を一致の前に置くか後ろに置くかを選びます
- 部分を確認し、分割してダウンロードします
例
入力
march-invoices.pdf — 84 pages, phrase "Invoice No", cut before
出力
31 parts, one per invoice, ranging from 1 to 5 pages each.
請求書は長さがまちまちなので、ページ数を固定する方法では対応できません。
よくあるエラーとトラブルシューティング
- 文字が見えているのに一致しません。 — そのPDFはスキャンで、語は画像です。先に文字認識を通せば語句が検索できるようになります。
- 部分が多すぎます。 — 語句が1文書に複数回、脚注や集計表などに現れています。見出しとコロンのように、ちょうど1回だけ現れるものを選んでください。
- 正規表現がうまく解釈されません。 — 括弧とエスケープを確かめてください。数字クラスの前の逆斜線は編集環境によっては二重にする必要があり、閉じていないグループもよくある原因です。
- 最初の部分に複数の文書が入っています。 — 最初の一致が1ページ目にないため、それより前がまとめて前付けの部分になりました。多くは扉があるか、最初の文書だけ語句の書き方が違う場合です。
よくある質問
- 切れ目は一致の前と後ろのどちらにすべきですか。
- 各文書が同じ見出しで始まるなら前です。一致が部分を開きます。文書のあいだに区切り紙が挟まれているなら後ろで、一致がその部分を閉じます。
- 照合は大文字小文字を区別しますか。
- 既定では区別しません。多くの場合はそれが望ましい動作です。大文字小文字だけが普通の文章と語句を分けている場合に有効にしてください。
- 2行にまたがる語句も一致しますか。
- 検索はページ全体を対象にするので、ページ内の改行で割れた語句は見つかります。2ページにまたがって割れた語句は見つかりません。
- どこにも一致しないページはどうなりますか。
- 直前の部分に残ります。ページが捨てられることはなく、部分は文書の先頭から末尾までを覆います。
- 得意先名で分割できますか。
- 各文書の決まった位置に名前があるなら可能です。得意先:\s+\w+ のような正規表現のほうが、名前をそのまま書くよりうまくいくことが多いです。
関連ツール
- PDF を分割 — ページや範囲（例: 1-3,5,7-9）を抽出して新しいPDFにします。
- PDFをしおりで分割 — 書籍や報告書を、その文書自身の目次の位置で切り分けます。
- PDFをサイズで分割 — 各部分がサイズの上限を超えないようにPDFを切り分けます。
- PDF からテキスト — PDFから選択可能なテキストをプレーンテキストまたはMarkdownとして抽出します。
- PDFのOCR — スキャンしたPDFの文字を認識し、検索できるようにします。
- PDF を結合 — 複数のPDFを並べ替えながら1つに結合します。
- PDFをZIPに — 各ページを1つの書庫の中の個別ファイルとして書き出します。
PDFの他のツール
PDFのツールをすべて見る (85) · すべてのツール