Разделение 50-страничного PDF-файла на отдельные страницы дает 50 файлов с именами от page-1.pdf до page-50.pdf. Имена технически точны по физическому положению на странице и совершенно бесполезны по содержанию. Страница 7 может содержать контракт Смита с условиями подписи и оплаты. Страница 23 может представлять собой счет-фактуру Jones с указанием отдельных позиций и итоговой суммы. Переименование всех 50 файлов путем открытия каждого из них по отдельности, чтобы узнать, что он содержит, а затем ввода описательного имени файла занимает почти столько же времени, сколько и разделение PDF-файла в первую очередь, и сопряжено с риском ошибок в именовании, из-за которых файлы впоследствии невозможно будет найти.
Фактическая операция разделения занимает секунды. Последующая работа по переименованию занимает минуты или часы в зависимости от количества файлов и наличия у вас метода получения имен из содержимого. Автоматизация этапа именования превращает разделение PDF-файлов из утомительной работы в действительно эффективный рабочий процесс.
Разделение Split PDF и сохранение каждого файла с значимым пользовательским именем означает либо настройку шаблона именования перед разделением, который получает имена из структуры документа, например закладок, либо использование инструмента пакетного переименования после разделения, который считывает текст из каждого файла и генерирует описательное имя из содержимого. Инструменты разделения PDF Pages WukongPDF поддерживают пользовательское именование на основе текста закладки, а приведенные ниже методы охватывают как подход структурированного предварительного разделения, так и подход извлечения контента после разделения.
Получение имен файлов из структуры документа перед разделением
Если PDF-файл имеет хорошо организованную иерархию закладок, где каждая закладка верхнего уровня соответствует логическому разделу с описательным заголовком, разделение на основе закладок создает выходные файлы, которые автоматически наследуют текст закладки в качестве имени файла. Ежемесячные отчеты клиентов в формате PDF, где каждая закладка верхнего уровня представляет собой имя клиента, разделены на файлы, названные в честь каждого клиента: Smith-Corp.pdf, Jones-LLC.pdf, Acme-Inc.pdf, без необходимости переименования вручную. Текст закладки должен быть безопасным для файловой системы, то есть он не может содержать символы, запрещенные операционной системой в именах файлов, такие как двоеточия, косая черта, обратная косая черта, звездочки или вопросительные знаки.
Если закладки присутствуют, но их текст не подходит в качестве имен файлов, слишком длинный, содержит недопустимые символы или использует несовместимое форматирование, отредактируйте текст закладки перед разделением. В Adobe Acrobat откройте панель «Закладки», щелкните правой кнопкой мыши каждую закладку, выберите «Переименовать» и введите нужное имя файла. Редактирование закладок занимает несколько минут для документа с десятками разделов, но время, потраченное на чистые закладки, мгновенно окупается, когда операция разделения создает файлы с идеальными именами без дальнейшего вмешательства.
Извлечение имен на основе содержимого после разделения на общие имена
Если именование на основе закладок недоступно, поскольку в PDF-файле полностью отсутствуют закладки или текст закладки не содержит значимых идентификаторов содержимого, сначала разделите документ с помощью общих последовательных имен, а затем переименуйте каждый выходной файл на основе текста, извлеченного из его содержимого. Инструмент пакетного переименования или сценарий Python считывает первые несколько строк текста с первой страницы каждого разделенного файла, ищет известный шаблон, например имя клиента, появляющееся после метки «Клиент:» или номер счета после «Счета №», и использует совпавший текст в качестве нового имени файла.
Подход к извлечению контента лучше всего работает для структурированных документов, где каждый разделенный раздел имеет единый формат с идентификацией текста в предсказуемом положении. Папка с ежемесячными счетами, в которой в первой строке каждой страницы указан номер счета, за которым следует номер, а во второй строке указано «Клиент:», за которым следует имя, можно пакетно переименовать с помощью сценария, который извлекает оба поля и создает имя файла, например Invoice-1234-Acme-Corp.pdf. Сценарий применяет одну и ту же логику извлечения и именования к каждому файлу в пакете, исключая время и частоту ошибок ручного переименования.
Написание сценария рабочего процесса разделения и имени для повторяющихся заданий
Задание с разделением и названием, которое повторяется по расписанию, одна и та же структура ежемесячного отчета, разделенная на разделы с одинаковыми именами для одного и того же списка рассылки каждый месяц, оправдывает создание постоянного сценария, а не повторение ручного процесса в каждом цикле. Запишите диапазоны страниц и соответствующие имена выходных файлов в файл конфигурации один раз. Скрипт считывает конфигурацию, разбивает PDF-файл в соответствии с указанными диапазонами и присваивает каждому выходному файлу назначенное имя. Каждый месяц обновляйте в конфигурации только входное имя PDF-файла. Сценарий обрабатывает все остальное в каждом цикле одинаково.
Контроль версий как сценария, так и файла конфигурации. При изменении структуры отчета, добавлении, удалении или реорганизации раздела обновите конфигурацию в соответствии с ней. Логика сценария остается неизменной. Такое отделение логики обработки, зафиксированной в сценарии, от данных конкретного документа, зафиксированных в конфигурации, позволяет поддерживать рабочий процесс с течением времени. Человеку, управляющему ежемесячным разделением, не нужно понимать или изменять сценарий. Они редактируют простой файл конфигурации и выполняют сценарий.
| Метод именования | Предварительные требования | Контент-зависимый? | Наилучший вариант для |
|---|---|---|---|
| Разделение на основе закладок | Хорошо структурированные закладки с чистым текстом | Да, имена получены из структуры документа | Документы с иерархией заголовков |
| Скрипт извлечения контента | Последовательные текстовые шаблоны в каждом разделе | Да, имена получены из содержимого документа | Структурированные формы, счета, отчеты |
| Скриптовое разделение и имя | Файл конфигурации с диапазонами и именами | Да, полностью настраиваемый | Повторяющиеся задания с одинаковой структурой |
Обработка конфликтов имен файлов и недопустимых символов
Две разделенные страницы или разделы, содержащие одно и то же извлеченное имя, два счета от одного и того же клиента без отличительного номера, создают конфликт имен файлов, при котором второй файл не может быть сохранен, поскольку файл с таким именем уже существует. Разрешите конфликты, добавив различающий суффикс, порядковый номер, дату или любое другое поле, отличающее два документа. Invoice-1234-Acme-Corp.pdf и Invoice-1235-Acme-Corp.pdf различаются по номеру счета. Если отличительное поле недоступно, добавьте счетчик последовательностей: Acme-Corp-1.pdf и Acme-Corp-2.pdf.
Извлеченный текст, используемый в качестве имен файлов, необходимо очистить от символов, запрещенных операционной системой. Удалите или замените двоеточия, косые черты, обратную косую черту, звездочки, вопросительные знаки, угловые скобки и символы вертикальной черты дефисами или подчеркиваниями. Обрезать ведущие и конечные пробелы и точки. Этап очистки является обыденным, но важным. Неочищенное имя файла, содержащее недопустимый символ, приводит к сбою операции переименования с ошибкой операционной системы, а диагностика того, какой из 50 файлов вызвал сбой, занимает гораздо больше времени, чем упреждающая очистка всех имен файлов.