Plik PDF zawiera dziesiątki hiperłączy do stron internetowych, adresów e-mail i odnośników do dokumentów wewnętrznych. Potrzebujesz listy każdego linku do weryfikacji, archiwizacji lub zmiany przeznaczenia. Ręczne klikanie każdego łącza i kopiowanie adresu URL jest żmudne i podatne na błędy. Narzędzie do wyodrębniania PDF Links odczytuje adnotacje linków z pliku PDF i eksportuje je do uporządkowanej listy.
Hiperłącza w plikach PDF są przechowywane jako adnotacje do łączy, które są obiektami na stronie z powiązaną akcją. Akcja jest zazwyczaj akcją URI, która otwiera adres internetowy lub klienta poczty e-mail. Narzędzie do wyodrębniania odczytuje te adnotacje, wyodrębnia adresy URL i kompiluje je w listę.
Jak przechowywane są hiperłącza PDF
Adnotacja łącza PDF składa się z dwóch elementów: prostokątnego obszaru na stronie, który definiuje klikalny obszar oraz akcji, która jest wykonywana po kliknięciu regionu. Akcja URI przechowuje docelowy adres URL. Link może również zawierać widoczny tekst, słowa podkreślone lub pokolorowane, ale adres URL jest przechowywany w akcji, a nie w widocznym tekście.
Linki wewnętrzne wykorzystują akcje GoTo, które prowadzą do określonej strony lub nazwanego miejsca docelowego w dokumencie. Nie są to adresy URL, ale polecenia nawigacji wewnętrznej w formacie PDF. Narzędzie do wyodrębniania może zgłosić numer strony docelowej lub nazwane miejsce docelowe dla linków wewnętrznych.
Wyodrębnij dane PDF z adnotacji do linków wymaga narzędzia, które potrafi analizować strukturę pliku PDF na poziomie obiektu. Narzędzia do wyodrębniania tekstu ogólnego przeznaczenia nie widzą adnotacji do linków, ponieważ adnotacje nie stanowią treści strony. Potrzebne jest dedykowane narzędzie do ekstrakcji linków.
Wypróbuj opcję Edytuj plik PDF
Nie wymaga instalacji. Działa bezpośrednio w Twojej przeglądarce.
Wyodrębnianie i eksportowanie linków
Załaduj plik PDF do narzędzia do wyodrębniania linków. Narzędzie skanuje każdą stronę pod kątem adnotacji linków i kompiluje wyniki. Każdy wpis zazwyczaj zawiera numer strony, widoczny tekst linku, jeśli jest dostępny, adres URL lub miejsce docelowe oraz typ linku: internetowy, e-mailowy lub wewnętrzny.
WukongPDF udostępnia narzędzia Eksport PDF za pośrednictwem przeglądarki. Wyodrębnianie linków jest dostępne w ramach funkcji analizy dokumentu.
Organizowanie wyodrębnionej listy łączy
Eksportuj wyodrębnione linki do pliku CSV lub Excel w celu sortowania i filtrowania. Grupuj linki według typu: strony zewnętrzne, adresy e-mail i odniesienia do dokumentów wewnętrznych. Zweryfikuj każde łącze zewnętrzne, testując próbkę. Linki w starszych plikach PDF mogą prowadzić do witryn internetowych, które już nie istnieją.
Korzystanie z listy łączy do weryfikacji i konserwacji
W przypadku opublikowanych dokumentów lista linków służy jako narzędzie zapewnienia jakości. Sprawdź, czy każde łącze prowadzi do zamierzonego miejsca docelowego i czy żadne łącze nie jest uszkodzone. Zaktualizuj uszkodzone łącza w dokumencie źródłowym i ponownie wygeneruj plik PDF.
W przypadku zarchiwizowanych plików PDF lista łączy dokumentuje, do jakich zasobów zewnętrznych odwoływał się dokument w momencie publikacji. Informacje te mają wartość historyczną nawet wtedy, gdy powiązane zasoby nie są już dostępne.
Obsługa specjalnych typów łączy
Linki e-mailowe za pomocą mailto: Adresy URL należy zweryfikować, wysyłając wiadomość testową na każdy wyodrębniony adres e-mail. Adresy e-mail w starszych plikach PDF mogą już nie być ważne. Wyodrębnianie linków raportuje adres w postaci, w jakiej pojawia się w pliku PDF, bez sprawdzania, czy adres jest nadal aktywny.
Linków JavaScript, które wykonują kod, a nie prowadzą do adresu URL, nie można wyodrębnić w postaci prostych adresów URL. Narzędzie do wyodrębniania zgłasza, że istnieje akcja JavaScript, ale nie może określić jej celu. Linki te wymagają ręcznej kontroli, aby zrozumieć ich cel.
Łącza do załączników plików otwierające pliki osadzone w pliku PDF są odniesieniami wewnętrznymi, a nie zewnętrznymi adresami URL. Narzędzie do wyodrębniania zgłasza nazwę załącznika, ale nie może wyodrębnić adresu URL. Aby uzyskać dostęp do załączników, otwórz plik PDF i skorzystaj z panelu załączników.
Automatyczna weryfikacja łącza dla dużych dokumentów
W przypadku dokumentów zawierających setki linków automatyczne sprawdzanie linków pozwala zaoszczędzić godziny ręcznej weryfikacji. Wyeksportuj listę linków do pliku CSV, a następnie użyj narzędzia do sprawdzania linków, które odczytuje plik CSV i testuje każdy adres URL. Moduł sprawdzający raportuje, które linki zwracają błędy, przekierowują lub reagują powoli.
Uszkodzone łącza w rozpowszechnianych plikach PDF pogarszają komfort czytania i sugerują, że dokument jest nieaktualny. Zaplanuj okresową weryfikację linków dla aktywnie rozpowszechnianych plików PDF. Zaktualizuj dokument źródłowy, dodając poprawione łącza i ponownie wygeneruj plik PDF.
PDF, które są częścią strony internetowej, proces weryfikacji linków można zintegrować z obiegiem sprawdzania linków do strony internetowej. Te same narzędzia, które weryfikują łącza do witryn internetowych, mogą przetwarzać wyodrębnione listy łączy w formacie PDF, zapewniając ujednolicone raportowanie stanu łączy we wszystkich publikowanych treściach.
Wyodrębniona lista linków może również służyć jako mapa witryny dokumentu, pokazująca, w jaki sposób dokument łączy się z zasobami zewnętrznymi. Ten widok sieciowy odniesień do dokumentów jest cenny dla zrozumienia zakresu dokumentu i identyfikacji zasobów, które mogą wymagać archiwizacji wraz z dokumentem.
Raport wyodrębniania linków powinien rozróżniać linki znalezione w widocznym tekście strony od linków, które istnieją tylko w strukturze pliku PDF bez widocznego tekstu. Niewidoczne linki mogą wystąpić, gdy adnotacja o linku obejmuje obszar strony bez treści tekstowej.
Łącza w nagłówkach i stopkach plików PDF, takie jak adres URL w stopce strony, który powtarza się na każdej stronie, pojawiają się wielokrotnie w raporcie wyodrębniania. Grupowanie tych powtarzających się linków pozwala uniknąć dziesiątków razy zgłaszania tego samego adresu URL.
Miejsca docelowe linków korzystające z adresów IP, a nie nazw domen, powinny zostać oznaczone w raporcie wyodrębnienia. Linki do adresów IP mogą wskazywać, że plik PDF został utworzony, zanim usługa docelowa miała prawidłową nazwę domeny.
Gdy wyodrębniona lista linków zostanie opublikowana wraz z plikiem PDF, sprawdź, czy przypadkowo nie uwzględniono żadnych wewnętrznych lub administracyjnych adresów URL. Wyodrębnianie linków może ujawnić adresy URL, które nie były przeznaczone do upublicznienia.
Proces wyodrębniania linków może również zidentyfikować uszkodzone linki wewnętrzne, które odwołują się do stron lub nazwanych miejsc docelowych, które już nie istnieją w dokumencie. Te uszkodzone linki wewnętrzne są ślepymi zaułkami nawigacji dla czytelników.
W przypadku plików PDF stanowiących część większego zbioru dokumentów skonsoliduj listy łączy wyodrębnionych ze wszystkich dokumentów, aby utworzyć główny indeks łączy. Indeks pokazuje, które dokumenty odwołują się do jakich zasobów zewnętrznych.
Dopasowanie wyrażeń regularnych w wyodrębnionych adresach URL może zidentyfikować łącza, które podążają za określonymi wzorcami, np. łącza do określonej domeny, łącza z parametrami śledzenia lub łącza wykorzystujące przestarzałe protokoły, takie jak HTTP.
Wyodrębniona lista łączy to artefakt metadanych, który należy zarchiwizować wraz z plikiem PDF. Przyszli badacze będą mogli korzystać z listy linków, aby zrozumieć kontekst dokumentu i odniesienia bez konieczności ręcznego otwierania każdego łącza.
Niektóre narzędzia do tworzenia plików PDF osadzają informacje o łączach w dokumencie w postaci tekstu odzwierciedlającego miejsce docelowe łącza. Ten tekst może pojawić się obok lub pod klikalnym linkiem i można go wyodrębnić poprzez wyodrębnienie tekstu, nawet bez dostępu do adnotacji linku.
Aby zapewnić zgodność z dostępnością, każde łącze w pliku PDF powinno mieć wyraźną alternatywę tekstową opisującą cel łącza. Raport wyodrębniania linków może służyć do kontrolowania dostępności linków w całym dokumencie.
| Typ łącza | Akcja PDF | Wyodrębnione wyjście | Weryfikacja |
|---|---|---|---|
| Zewnętrzny adres URL | Akcja URI | Pełny adres URL | Link testowy; sprawdź przekierowania |
| E-mail (maildo:) | Akcja URI | Adres e-mail | Wyślij wiadomość testową |
| Strona wewnętrzna nr ref | Akcja Przejdź do | Numer strony lub nazwane miejsce docelowe | Kliknij, aby zweryfikować nawigację |
| Link JavaScript | Akcja JavaScriptu | Kod działania (nie adres URL) | Wymagana kontrola ręczna |
Zgnilizna linków, zjawisko polegające na tym, że hiperłącza z czasem przestają działać w wyniku usunięcia lub przebudowy stron docelowych, wpływa na pliki PDF w taki sam sposób, jak na strony internetowe. Przeprowadzona dzisiaj ekstrakcja linków może zostać wykorzystana wiele lat później do sprawdzenia, które linki w zarchiwizowanym pliku PDF są nadal aktywne.
Podczas wyodrębniania łączy z portfolio PDF zawierającego wiele osadzonych dokumentów każdy osadzony dokument ma swój własny zestaw łączy. Narzędzie do wyodrębniania powinno przetwarzać każdy osadzony dokument osobno i oznaczać wyodrębnione łącza nazwą dokumentu źródłowego.
Linki korzystające ze skracaczy adresów URL, takie jak bit.ly lub t.co, zaciemniają rzeczywiste miejsce docelowe. Raport wyodrębniania zawiera skrócony adres URL w formacie PDF. Rozwiązanie skróconych adresów URL do ich ostatecznych miejsc docelowych i uwzględnienie obu w raporcie zapewnia pełną przejrzystość dotyczącą tego, dokąd prowadzi każde łącze.
Wyodrębnioną listę linków można zaimportować do arkusza kalkulacyjnego i posortować według domeny. Sortowanie według domeny pokazuje, do jakich zewnętrznych witryn internetowych dokument najczęściej się odwołuje. Dokument, który zawiera linki głównie do jednej domeny, może być powiązany ze sponsorem lub stowarzyszeniem z tą organizacją.
Na potrzeby kontroli dostępności raport wyodrębniania linków może identyfikować linki pozbawione tekstu opisowego. Link, którego widoczny tekst to Kliknij tutaj lub Przeczytaj więcej, nie dostarcza żadnego kontekstu dotyczącego jego miejsca docelowego. Te nieopisowe łącza należy zaktualizować w dokumencie źródłowym, aby zawierały zrozumiały tekst łącza.
Dokumenty PDF przeznaczone dla instytucji rządowych i organów prawnych często zawierają łącza do ustaw, rozporządzeń i orzeczeń sądowych. Raport wyodrębnienia linków do tych dokumentów służy jako tabela źródeł zawierająca listę wszystkich odniesień prawnych wraz z ich adresami URL w celu weryfikacji.
Wyodrębnianie linków to prosta, ale potężna funkcja, która przekształca statyczny plik PDF w ustrukturyzowany zbiór danych zawierający odniesienia, które można weryfikować, analizować i zmieniać ich przeznaczenie.
Wyodrębniona lista linków służy jako narzędzie zapewnienia jakości dokumentu i źródło informacji dla czytelników chcących zapoznać się z cytowanymi źródłami.
Wypróbuj opcję Edytuj plik PDF
Nie wymaga instalacji. Działa bezpośrednio w Twojej przeglądarce.