Un document de 500 pages doit être divisé en chapitres. Les chapitres sont marqués par un texte de titre cohérent tel que « Chapitre 1 », « Chapitre 1 », et « Chapitre 1 ». "Chapitre 2" et ainsi de suite. Faire défiler manuellement 500 pages pour trouver chaque titre de chapitre et diviser chacun d'entre eux est fastidieux. L'utilisation d'un modèle d'expression régulière pour localiser les titres de chapitre et diviser automatiquement le document à chaque correspondance transforme une heure de travail manuel en quelques secondes de traitement automatisé.
La division d'un PDF par correspondance de modèles de texte utilise des expressions régulières pour rechercher des modèles spécifiques dans le texte du document et le diviser à chaque correspondance. Le modèle peut correspondre aux titres de chapitre, aux titres de section ou à tout texte récurrent marquant un point de partage. Cette méthode fonctionne lorsque le document comporte des marqueurs de texte cohérents et lisibles par machine à chaque emplacement divisé.
L'opération Diviser le PDF par modèle regex nécessite que le document ait du texte sélectionnable. Les documents numérisés sans OCR doivent d'abord être OCR.
Création du modèle Regex
Le modèle doit correspondre exactement aux titres des chapitres et rien d’autre. Pour les titres tels que « Chapitre 1 », "Chapitre 2" l'expression régulière pourrait être "Chapitre \d+". La barre oblique inverse-d-plus correspond à un ou plusieurs chiffres. Testez l'expression régulière sur un échantillon du texte avant de l'exécuter sur l'ensemble du document. Un modèle trop large se divisera à des endroits involontaires.
Essayez de diviser le PDF
Aucune installation nécessaire. Fonctionne directement dans votre navigateur.
Exécution du fractionnement
Utilisez un outil de fractionnement de PDF prenant en charge la correspondance de modèles de texte. Entrez le modèle d'expression régulière. L'outil recherche le document, identifie chaque emplacement de correspondance et le divise en ces points. Chaque fichier de sortie contient les pages d'une correspondance à la suivante.
Les outils fractionnés WukongPDF peuvent traiter des documents. Le fractionnement basé sur l'expression régulière des pages PDF nécessite un outil prenant en charge la correspondance de modèles.
Vérification de la précision du fractionnement
Après le fractionnement, ouvrez chaque fichier de sortie et vérifiez qu'il commence par un en-tête de chapitre et se termine avant l'en-tête de chapitre suivant. Vérifiez la première et la dernière page de chaque fichier. Une division mal alignée affichera le contenu du mauvais chapitre au début ou à la fin.
Échapper aux caractères spéciaux dans les modèles Regex
Les titres de chapitre peuvent contenir des caractères regex spéciaux tels que des points, des parenthèses ou des crochets. Échappez ces caractères avec une barre oblique inverse dans le motif. Un point littéral dans le « Chapitre 1 ». doit être écrit sous la forme « Chapitre 1 ». dans l'expression régulière.
L'échappement de l'expression régulière Split PDF empêche les fausses correspondances et garantit que le modèle correspond uniquement au texte souhaité.
Gestion des titres de chapitre multilignes
Certains titres de chapitre s'étendent sur plusieurs lignes. Une expression régulière qui recherche ligne par ligne ne correspondra pas à un titre réparti sur plusieurs lignes. Utilisez un mode regex multiligne qui traite l’intégralité du texte de la page comme une seule chaîne.
Le mode regex multiligne des pages PDF pour la détection de chapitre gère les titres qui ne tiennent pas sur une seule ligne.
Création d'un index de chapitre après le fractionnement
Après le fractionnement, générez un index de chapitre répertoriant chaque fichier de sortie, le titre du chapitre et la plage de pages. L'index aide les lecteurs à naviguer dans l'ensemble de documents divisés.
La création de l'index du chapitre Outils PDF après le fractionnement des regex fournit une carte des fichiers de sortie.
Tester les modèles Regex avec des testeurs Regex en ligne
Avant d'appliquer un modèle d'expression régulière à un PDF, testez-le sur un échantillon du texte du document. Les testeurs d'expressions régulières en ligne montrent exactement à quel texte correspond le modèle. Le retour visuel confirme que le modèle est correct avant de traiter des centaines de pages.
L'étape de test de l'expression régulière Split PDF évite la frustration d'une division qui produit une sortie inutile parce que le modèle correspond à un texte involontaire.
Exportez un échantillon du texte PDF vers un fichier texte brut. Testez l'expression régulière sur le fichier texte. Appliquez-le uniquement au PDF après avoir confirmé que les correspondances sont correctes.
Utilisation de groupes de capture pour extraire les titres de chapitre
Un modèle d'expression régulière avec des groupes de capture peut extraire non seulement l'emplacement divisé, mais également le titre du chapitre. Le titre capturé devient le nom du fichier de sortie. Un modèle comme "Chapitre (\d+) : (.+)" capture à la fois le numéro de chapitre et le titre.
L'extraction du groupe de capture des pages PDF automatise la dénomination des fichiers lors du fractionnement. Chaque fichier de sortie reçoit un nom descriptif à partir de son en-tête de chapitre.
Vérifiez que les titres capturés sont des noms de fichiers valides. Supprimez ou remplacez les caractères que les systèmes de fichiers n'acceptent pas dans les noms de fichiers.
Gérer séparément les premières et les dernières questions
Les documents comportent souvent une partie préliminaire, une table des matières, une préface et une partie arrière, des annexes et un index, qui ne doivent pas être divisés en chapitres. Excluez ces sections de la division. Traitez-les comme des fichiers séparés ou fusionnez-les avec des chapitres adjacents.
La gestion du contenu avant et arrière de Split PDF nécessite d'identifier le contenu avant le premier titre de chapitre et après le dernier titre de chapitre.
Utilisez une expression régulière distincte pour identifier les limites du contenu initial et du contenu ultérieur. Divisez ces sections manuellement si la détection automatisée n'est pas fiable.
Reconstruction d'une table des matières à partir de fichiers fractionnés
Après le fractionnement, les références aux pages de la table des matières d'origine sont erronées car les numéros de page ont changé. Reconstruisez la table des matières à partir des noms de fichiers fractionnés et de leur nombre de pages. La nouvelle table des matières reflète fidèlement la structure du document fractionné.
La reconstruction des signets PDF après le fractionnement restaure la navigation dans le document.
Incluez la table des matières reconstruite en tant que fichier séparé ou en tant que première page du premier fichier fractionné.
Préserver les références croisées dans les fichiers fractionnés
Les références croisées internes, telles que « voir le chapitre 3 », peut désormais référencer le contenu d’un autre fichier. Convertissez les références croisées internes en références de fichiers externes ou ajoutez une note indiquant quel fichier contient le contenu référencé.
La gestion des références croisées PDF Tools après fractionnement garantit que les références restent fonctionnelles pour le lecteur.
Utiliser une analyse anticipée négative pour éviter les fausses correspondances
Un modèle d'expression régulière peut utiliser une analyse anticipée négative pour éviter de faire correspondre un texte de type chapitre qui n'est pas réellement un titre de chapitre. Par exemple, excluez les correspondances où le titre est suivi de certains modèles indiquant qu'il s'agit d'une référence croisée et non d'un début de chapitre.
La technique d'anticipation négative Split PDF améliore la précision des expressions régulières pour les structures de documents complexes.
Fractionnement en plusieurs niveaux de titre simultanément
Certains documents comportent des parties, des chapitres et des sections à différents niveaux de titre. Utilisez plusieurs modèles d'expressions régulières pour diviser au niveau souhaité. Divisez en titres de partie pour les grandes sections. Divisez les titres de chapitre pour une granularité plus fine.
L'approche de fractionnement multiniveau Pages PDF offre une flexibilité dans la granularité du fichier de sortie.
Fusion de petits chapitres adjacents après la division
Un chapitre de seulement deux pages produit un fichier de sortie étrangement petit. Fusionnez les petits chapitres adjacents en un seul fichier. Définissez un seuil minimum de pages. Les chapitres inférieurs au seuil sont fusionnés avec le chapitre suivant.
La fusion post-fractionnement PDF Tools de petits chapitres produit des fichiers de sortie plus équilibrés.
Gestion des documents dont le format des titres de chapitre varie
Tous les chapitres ne suivent pas le même format de titre. Les premiers chapitres peuvent utiliser le « Chapitre I » tandis que les chapitres ultérieurs utilisent le « Chapitre 10 ». L'expression régulière doit gérer les chiffres romains, les chiffres arabes et les nombres épelés.
L'expression régulière multiformat Split PDF gère les documents avec des styles de titre de chapitre incohérents.
Création d'un plan de fractionnement avant d'exécuter le fractionnement
Documentez les points de partage planifiés, les noms de fichiers de sortie et les plages de pages avant d'exécuter le fractionnement. Le plan est une référence pour la vérification et un enregistrement de l'opération de scission.
Le plan de fractionnement Pages PDF est un document de contrôle qualité qui évite les erreurs lors du fractionnement automatisé.
Utilisation de la sortie fractionnée pour générer des PDF de chapitres individuels pour l'impression à la demande
Les chapitres divisés peuvent être soumis individuellement aux services d’impression à la demande. Chaque chapitre devient un livret distinct. Les lecteurs commandent uniquement les chapitres dont ils ont besoin.
L'application d'impression à la demande PDF Tools de fractionnement de chapitres réduit le gaspillage et les coûts pour les lecteurs qui n'ont besoin que de sections spécifiques.
Essayez de diviser le PDF
Aucune installation nécessaire. Fonctionne directement dans votre navigateur.