按文本分割：为什么剪辑落在错误的地方
分割文本是最接近让文档自行分割的方法。当标记一致、位于可预测的位置并且以文本而不是像素形式存在时，它就会起作用。
为什么会出现这个问题
生成的报表和报告在每个部分重复一个标题，但并不总是带有书签。标题就是结构，即使 PDF 的轮廓为空 — 前提是文本层和页面几何图形配合。
运行之前检查一下
- 确认标记以文本形式存在。 在 OCR 添加图层之前，扫描的页面没有可匹配的文本。在查看器中选择标题：如果无法选择，则拆分器也无法读取它。
- 收紧标题周围的页面区域。 该区域以距页面左边缘和上边缘的点为单位设置。包含正文文本的框可以与不应开始新文件的页面上的标记相匹配。
- 使用“starts-with”过滤器进行近似匹配。 在不同上下文中包含相同单词的页面可能会触发错误拆分。将匹配限制为实际部分共享的主要文本。
何时伸手去拿它
- 合并后的信件包会重复收件人的地址。 逐页变化的地址是边界，因此每个字母都成为自己的文件。
- 临床导出在每一页上重复患者标识符。 根据标识符进行拆分，以便每个患者的页面保持在一起，而无需手动处理文件。
我们得到一个问题
我应该标记什么文字？
每个新文档的开头词 - 例如“发票”或“章节”。该工具会找到每个匹配项，向您显示预览，并在每个匹配项之前进行剪切。
适合的地方
人们通常在“按文本分割”旁边打开的工具：
- 调整 PDF 大小 — 将页面调整到不同的纸张尺寸，或在内容周围添加均匀的边距。
- 按尺寸划分 — 将 PDF 剪切成低于文件大小限制的块 — 对于上传表单和电子邮件非常有用。
- 分割PDF — 按页面范围或单个页面将一个 PDF 转换为多个文件。
每个工具都适用于副本，因此原始文件永远不会被触及。上传的内容存储在不可猜测的 ID 下，并在您上次打开后两小时自动删除；没有列出、共享或索引任何内容。更多关于 安全页面.