按文字拆分 PDF
哪一页出现某个语句，就在那里开一个新文件——批量发票的解法。
文字层的读取与各部分的生成都在这个标签页完成。发票与对账单不会离开你的设备。
先让扫描件变得可检索
关于 按文字拆分 PDF
会计系统常把一个月的发票导成一个 PDF，而里面每一份文件的开头都一样——"发票号"、"对账单"，或某个客户编号。这个反复出现的语句比页数更适合作切点，因为各份文件长短不一。输入这个语句，若写法不定则输入正则表达式，每一次匹配就开启一部分。如果各份文件之间插了分隔页，就把切口放在匹配之后。
功能特性
- 匹配普通语句，写法不定时可用正则表达式
- 标题重复时在匹配之前切，分隔页则在其之后切
- 当大小写具有意义时可区分大小写
- 拆分之前先显示哪些页面匹配
- 每一页都被计入——各部分之间不会漏页
- 文件没有可检索的文字层时给出提示
- 各部分可单独下载，也可打包为 ZIP
如何使用 按文字拆分 PDF
- 放入 PDF 并等待读取文字
- 输入每份文件开头的那个语句
- 选择切口落在匹配之前还是之后
- 查看各部分，然后拆分并下载
示例
输入
march-invoices.pdf — 84 pages, phrase "Invoice No", cut before
输出
31 parts, one per invoice, ranging from 1 to 5 pages each.
发票长短不一，所以固定页数的做法行不通。
常见错误与故障排除
- 明明看得见字却匹配不到。 — 这份 PDF 是扫描件，字是图像。请先做文字识别，语句才可被检索。
- 拆出来的部分太多了。 — 这个语句在每份文件里出现不止一次——出现在页脚或汇总表中。请挑一个恰好只出现一次的，比如带冒号的标题。
- 正则表达式无法编译。 — 请检查括号与转义。数字类前的反斜杠在某些编辑器中需要写两次，未闭合的分组也是常见原因。
- 第一部分里有好几份文件。 — 第一次匹配不在第 1 页，因此之前的内容成了一个前置部分。这通常意味着有封面，或第一份文件把语句写成了别的样子。
常见问题
- 切口该放在匹配之前还是之后？
- 之前，当每份文件都以同一标题开头时——匹配开启一部分。之后，当各份文件之间插了分隔页时——匹配关闭它所在的那一部分。
- 匹配区分大小写吗？
- 默认不区分，通常这正是所需。当只有大小写把你的语句与普通文字区分开时，再打开它。
- 跨两行的语句能匹配到吗？
- 检索是在整页范围内进行的，因此页面内被换行断开的语句仍能找到；跨两页断开的则找不到。
- 什么都匹配不到的页面怎么办？
- 它们留在前一部分里。任何一页都不会被丢弃，各部分从头到尾覆盖整份文件。
- 能按客户名称拆分吗？
- 可以，只要名称出现在每份文件的固定位置。像 客户：\s+\w+ 这样的正则表达式往往比写死名称更管用。
相关工具
更多PDF工具
查看全部PDF工具 (85) · 全部工具