Un PDF contiene decine di collegamenti ipertestuali a siti Web, indirizzi e-mail e riferimenti a documenti interni. Hai bisogno di un elenco di ogni collegamento per la verifica, l'archiviazione o il riutilizzo. Fare clic manualmente su ciascun collegamento e copiare l'URL è noioso e soggetto a errori. Uno strumento di estrazione Link PDF legge le annotazioni dei collegamenti dal PDF e le esporta in un elenco strutturato.
I collegamenti ipertestuali nei PDF vengono archiviati come annotazioni di collegamento, ovvero oggetti sulla pagina a cui è associata un'azione. L'azione è in genere un'azione URI che apre un indirizzo Web o un client di posta elettronica. Lo strumento di estrazione legge queste annotazioni, estrae gli URL e li compila in un elenco.
Come vengono archiviati i collegamenti ipertestuali PDF
Un'annotazione di collegamento PDF ha due componenti: un'area rettangolare sulla pagina che definisce l'area selezionabile e un'azione che viene eseguita quando si fa clic sull'area. L'azione URI memorizza l'URL di destinazione. Il collegamento può anche avere testo visibile, le parole che appaiono sottolineate o colorate, ma l'URL viene memorizzato nell'azione, non nel testo visibile.
I collegamenti interni utilizzano azioni GoTo che consentono di accedere a una pagina specifica o a una destinazione denominata all'interno del documento. Questi non sono URL ma comandi di navigazione interni al PDF. Lo strumento di estrazione può riportare il numero della pagina di destinazione o la destinazione denominata per i collegamenti interni.
Estrai dati PDF dalle annotazioni dei collegamenti richiede uno strumento in grado di analizzare la struttura PDF a livello di oggetto. Gli strumenti di estrazione del testo generici non vedono le annotazioni dei collegamenti perché le annotazioni non sono il contenuto della pagina. È necessario uno strumento di estrazione dei collegamenti dedicato.
Prova Modifica PDF
Nessuna installazione necessaria. Funziona direttamente nel tuo browser.
Estrazione ed esportazione di collegamenti
Carica il PDF in uno strumento di estrazione dei collegamenti. Lo strumento esegue la scansione di ogni pagina per le annotazioni dei collegamenti e compila i risultati. Ogni voce in genere include il numero di pagina, il testo del collegamento visibile se disponibile, l'URL o la destinazione e il tipo di collegamento, web, e-mail o interno.
WukongPDF fornisce gli strumenti Esportazione PDF tramite il browser. L'estrazione dei collegamenti è disponibile come parte delle funzionalità di analisi del documento.
Organizzazione dell'elenco dei collegamenti estratti
Esporta i collegamenti estratti in un file CSV o Excel per ordinarli e filtrarli. Raggruppa collegamenti per tipo: siti Web esterni, indirizzi e-mail e riferimenti a documenti interni. Verifica ogni collegamento esterno testando un campione. I collegamenti nei PDF più vecchi potrebbero puntare a siti Web che non esistono più.
Utilizzo dell'elenco dei collegamenti per la verifica e la manutenzione
Per i documenti pubblicati, l'elenco dei collegamenti funge da strumento di garanzia della qualità. Verificare che ogni collegamento raggiunga la destinazione prevista e che nessun collegamento sia interrotto. Aggiorna i collegamenti interrotti nel documento di origine e rigenera il PDF.
Per i PDF archiviati, l'elenco dei collegamenti documenta a quali risorse esterne fa riferimento il documento al momento della pubblicazione. Queste informazioni hanno valore storico anche dopo che le risorse collegate non sono più disponibili.
Gestione di tipi di collegamento speciali
Collegamenti e-mail che utilizzano mailto: gli URL devono essere verificati inviando un messaggio di prova a ciascun indirizzo e-mail estratto. Gli indirizzi e-mail nei PDF meno recenti potrebbero non essere più validi. L'estrazione del collegamento riporta l'indirizzo così come appare nel PDF senza verificare se l'indirizzo è ancora attivo.
I collegamenti JavaScript che eseguono codice anziché navigare verso un URL non possono essere estratti come semplici URL. Lo strumento di estrazione segnala che esiste un'azione JavaScript ma non è in grado di determinarne la destinazione. Questi collegamenti richiedono un'ispezione manuale per comprenderne lo scopo.
I collegamenti ai file allegati che aprono file incorporati nel PDF sono riferimenti interni, non URL esterni. Lo strumento di estrazione riporta il nome dell'allegato ma non può estrarre un URL. Per accedere agli allegati, aprire il PDF e utilizzare il pannello degli allegati.
Automazione della verifica dei collegamenti per documenti di grandi dimensioni
Per i documenti con centinaia di collegamenti, il controllo automatico dei collegamenti consente di risparmiare ore di verifica manuale. Esporta l'elenco dei collegamenti in CSV, quindi utilizza uno strumento di controllo dei collegamenti che legge il CSV e verifica ciascun URL. Il controllo segnala quali collegamenti restituiscono errori, reindirizzano o rispondono lentamente.
I collegamenti interrotti nei PDF distribuiti creano un'esperienza di lettura insoddisfacente e suggeriscono che il documento non è aggiornato. Pianifica la verifica periodica del collegamento per i PDF distribuiti attivamente. Aggiorna il documento di origine con i collegamenti corretti e rigenera il PDF.
Per i PDF che fanno parte di un sito Web, il processo di verifica dei collegamenti può essere integrato con il flusso di lavoro di controllo dei collegamenti al sito Web. Gli stessi strumenti che verificano i collegamenti ai siti Web possono elaborare gli elenchi di collegamenti PDF estratti, fornendo un reporting unificato sullo stato dei collegamenti per tutti i contenuti pubblicati.
L'elenco dei collegamenti estratto può anche fungere da mappa del sito per il documento, mostrando come il documento si collega alle risorse esterne. Questa visualizzazione di rete dei riferimenti ai documenti è utile per comprendere l'ambito del documento e identificare le risorse che potrebbe essere necessario archiviare insieme al documento.
Il rapporto di estrazione dei collegamenti dovrebbe distinguere tra i collegamenti trovati nel testo della pagina visibile e i collegamenti che esistono solo nella struttura PDF senza testo visibile. I collegamenti invisibili possono verificarsi quando l'annotazione del collegamento copre un'area della pagina senza contenuto di testo.
I collegamenti nelle intestazioni e nei piè di pagina PDF, ad esempio un URL nel piè di pagina che si ripete su ogni pagina, vengono visualizzati più volte nel report di estrazione. Raggruppare questi collegamenti ripetuti evita di riportare lo stesso URL decine di volte.
Le destinazioni dei collegamenti che utilizzano indirizzi IP anziché nomi di dominio devono essere contrassegnate nel report di estrazione. I collegamenti all'indirizzo IP potrebbero indicare che il PDF è stato creato prima che il servizio di destinazione avesse un nome di dominio appropriato.
Quando l'elenco dei collegamenti estratti verrà pubblicato insieme al PDF, verificare che non siano stati inavvertitamente inclusi URL interni o amministrativi. L'estrazione dei collegamenti può rivelare URL non destinati alla visibilità pubblica.
Il processo di estrazione dei collegamenti può anche identificare collegamenti interni interrotti che fanno riferimento a pagine o destinazioni denominate che non esistono più nel documento. Questi collegamenti interni interrotti sono vicoli ciechi nella navigazione per i lettori.
Per i PDF che fanno parte di una raccolta di documenti più ampia, consolidare gli elenchi di collegamenti estratti da tutti i documenti per creare un indice dei collegamenti principali. L'indice mostra quali documenti fanno riferimento a quali risorse esterne.
La corrispondenza delle espressioni regolari sugli URL estratti può identificare collegamenti che seguono modelli specifici, come collegamenti a un particolare dominio, collegamenti con parametri di monitoraggio o collegamenti che utilizzano protocolli deprecati come HTTP.
L'elenco dei collegamenti estratto è un artefatto di metadati che deve essere archiviato insieme al PDF. I futuri ricercatori potranno utilizzare l'elenco dei collegamenti per comprendere il contesto e i riferimenti del documento senza aprire manualmente ogni collegamento.
Alcuni strumenti di creazione PDF incorporano le informazioni sui collegamenti nel documento come testo che rispecchia la destinazione del collegamento. Questo testo può apparire accanto o sotto il collegamento cliccabile e può essere estratto mediante estrazione del testo anche senza accesso all'annotazione del collegamento.
Per garantire la conformità all'accessibilità, ogni collegamento in un PDF dovrebbe avere un testo alternativo riconoscibile che descriva lo scopo del collegamento. Il report di estrazione dei collegamenti può essere utilizzato per verificare l'accessibilità dei collegamenti nel documento.
| Tipo collegamento | Azione PDF | Uscita Estratta | Verifica |
|---|---|---|---|
| URL esterno | Azione dell'URI | URL completo | Collegamento di prova; controlla i reindirizzamenti |
| E-mail (mailto:) | Azione dell'URI | Indirizzo e-mail | Invia messaggio di prova |
| Pagina interna rif | Azione Vai a | Numero di pagina o destinazione denominata | Fare clic per verificare la navigazione |
| Collegamento JavaScript | Azione JavaScript | Codice dell'azione (non URL) | È richiesta l'ispezione manuale |
Il marciume dei collegamenti, il fenomeno per cui i collegamenti ipertestuali smettono di funzionare nel tempo perché le pagine di destinazione vengono rimosse o ristrutturate, influisce sui PDF proprio come influisce sulle pagine Web. Un'estrazione dei collegamenti eseguita oggi può essere utilizzata anni dopo per verificare quali collegamenti in un PDF archiviato siano ancora attivi.
Quando si estraggono collegamenti da un portfolio PDF che contiene più documenti incorporati, ciascun documento incorporato dispone del proprio set di collegamenti. Lo strumento di estrazione dovrebbe elaborare ciascun documento incorporato separatamente ed etichettare i collegamenti estratti con il nome del documento di origine.
I collegamenti che utilizzano abbreviazioni URL come bit.ly o t.co oscurano la destinazione effettiva. Il rapporto di estrazione include l'URL abbreviato trovato nel PDF. La risoluzione degli URL abbreviati nelle loro destinazioni finali e l'inclusione di entrambi nel rapporto fornisce una trasparenza completa su dove conduce ciascun collegamento.
L'elenco dei collegamenti estratti può essere importato in un foglio di calcolo e ordinato per dominio. L'ordinamento per dominio rivela a quali siti Web esterni fa riferimento più frequentemente il documento. Un documento che si collega prevalentemente a un dominio può avere un rapporto di sponsorizzazione o affiliazione con tale organizzazione.
Per il controllo dell'accessibilità, il rapporto di estrazione dei collegamenti può identificare i collegamenti privi di testo descrittivo. Un collegamento il cui testo visibile è Fai clic qui o Leggi di più non fornisce alcun contesto sulla sua destinazione. Questi collegamenti non descrittivi dovrebbero essere aggiornati nel documento di origine per includere testo di collegamento significativo.
I PDF governativi e legali spesso includono collegamenti a statuti, regolamenti e decisioni dei tribunali. Il rapporto di estrazione dei collegamenti per questi documenti funge da tabella delle autorità, elencando ogni riferimento legale con il relativo URL per la verifica.
L'estrazione dei collegamenti è una funzionalità semplice ma potente che trasforma un PDF statico in un set di dati strutturato di riferimenti che può essere verificato, analizzato e riproposto.
L'elenco dei collegamenti estratti funge da strumento di garanzia della qualità del documento e da risorsa di riferimento per i lettori che desiderano esplorare le fonti citate.
Prova Modifica PDF
Nessuna installazione necessaria. Funziona direttamente nel tuo browser.