Документ объемом 500 страниц необходимо разбить на главы. Главы отмечены последовательным текстом заголовков, например «Глава 1», «Глава 1», «Глава 1», «Глава 1». «Глава 2»; и так далее. Прокручивать вручную 500 страниц, чтобы найти заголовок каждой главы и разбивать каждую из них, утомительно. Использование шаблона регулярных выражений для поиска заголовков глав и автоматического разделения документа при каждом совпадении превращает час ручной работы в несколько секунд автоматизированной обработки.
При разделении PDF-файла по сопоставлению текстового шаблона используются регулярные выражения для поиска в тексте документа определенных шаблонов и разделения при каждом совпадении. Шаблон может соответствовать заголовкам глав, разделов или любому повторяющемуся тексту, обозначающему точку разделения. Этот метод работает, когда документ имеет согласованные машиночитаемые текстовые маркеры в каждом месте разделения.
Операция разделения PDF по шаблону регулярного выражения требует, чтобы в документе был выбираемый текст. Отсканированные документы без распознавания должны быть сначала подвергнуты распознаванию.
Создание шаблона регулярного выражения
Шаблон должен точно соответствовать заголовкам глав и ничему больше. Для таких заголовков, как "Глава 1" «Глава 2»; регулярное выражение может быть «Глава \d+». Обратная косая черта-d-плюс соответствует одной или нескольким цифрам. Проверьте регулярное выражение на образце текста, прежде чем запускать его во всем документе. Слишком широкий шаблон будет разделяться в непредусмотренных местах.
Выполнение разделения
Используйте инструмент разделения PDF-файлов, который поддерживает сопоставление текстовых шаблонов. Введите шаблон регулярного выражения. Инструмент выполняет поиск в документе, определяет каждое совпадение и разбивает его в этих точках. Каждый выходной файл содержит страницы от одного совпадения к другому.
Инструменты разделения WukongPDF могут обрабатывать документы. Для разделения PDF-страниц на основе регулярных выражений требуется инструмент, поддерживающий сопоставление с образцом.
Проверка точности разделения
После разделения откройте каждый выходной файл и убедитесь, что он начинается с заголовка главы и заканчивается перед заголовком следующей главы. Проверьте первую и последнюю страницы каждого файла. При неправильном разделении в начале или в конце будет отображаться содержимое не той главы.
Экранирование специальных символов в шаблонах регулярных выражений
Заголовки глав могут содержать специальные символы регулярных выражений, такие как точки, круглые или квадратные скобки. Экранируйте эти символы с помощью обратной косой черты в шаблоне. Буквальный период в «Главе 1». должно быть написано как «Глава 1». в регулярном выражении.
Экранирование регулярного выражения Split PDF предотвращает ложные совпадения и гарантирует, что шаблон соответствует только предполагаемому тексту.
Обработка многострочных заголовков глав
Заголовки некоторых глав занимают несколько строк. Регулярное выражение, выполняющее поиск построчно, не будет соответствовать разделению заголовка по строкам. Используйте режим многострочного регулярного выражения, который рассматривает весь текст страницы как одну строку.
Режим многострочного регулярного выражения PDF Pages для обнаружения глав обрабатывает заголовки, которые не помещаются в одну строку.
Создание указателя главы после разделения
После разделения создайте индекс главы, в котором будет указан каждый выходной файл, заголовок главы и диапазон страниц. Указатель помогает читателям ориентироваться в разделенном наборе документов.
Создание индекса главы «Инструменты PDF» после разделения регулярных выражений предоставляет карту выходных файлов.
Тестирование шаблонов регулярных выражений с помощью онлайн-тестеров регулярных выражений
Прежде чем применять шаблон регулярного выражения к PDF-файлу, протестируйте его на образце текста документа. Онлайн-тестеры регулярных выражений показывают, какому именно тексту соответствует шаблон. Визуальная обратная связь подтверждает правильность шаблона еще до обработки сотен страниц.
Шаг проверки регулярных выражений Split PDF предотвращает разочарование, связанное с разделением, которое приводит к ненужным выводам, поскольку шаблон соответствует непредусмотренному тексту.
Экспортируйте образец текста PDF в обычный текстовый файл. Проверьте регулярное выражение в текстовом файле. Применяйте его к PDF-файлу только после подтверждения правильности совпадений.
Использование групп захвата для извлечения заголовков глав
Шаблон регулярного выражения с группами захвата может извлечь не только место разделения, но и заголовок главы. Захваченный заголовок становится именем выходного файла. Такой шаблон, как «Глава (\d+): (.+)»; фиксирует как номер главы, так и название.
Извлечение группы захвата PDF-страниц автоматизирует присвоение имен файлам во время разделения. Каждый выходной файл получает описательное имя из заголовка главы.
Убедитесь, что захваченные заголовки являются допустимыми именами файлов. Удалите или замените символы, которые файловые системы не принимают в именах файлов.
Раздельная обработка передней и задней частей
Документы часто имеют вступительную часть, оглавление, предисловие, а также вступительную часть, приложения и указатель, которые не следует разбивать на главы. Исключите эти разделы из разделения. Обрабатывайте их как отдельные файлы или объединяйте со смежными главами.
Обработка вступительной и основной части разделенного PDF-файла требует идентификации содержимого перед заголовком первой главы и после заголовка последней главы.
Используйте отдельное регулярное выражение, чтобы определить границы вступительной и задней части. Разделите эти разделы вручную, если автоматическое обнаружение ненадежно.
Реконструкция оглавления из разделенных файлов
После разделения исходные ссылки на страницы оглавления неверны, поскольку номера страниц изменились. Восстановите оглавление на основе разделенных имен файлов и количества их страниц. Новое оглавление точно отражает разделенную структуру документа.
Реконструкция закладок PDF после разделения восстанавливает навигацию по документу.
Включите перестроенное содержание как отдельный файл или как первую страницу первого разделенного файла.
Сохранение перекрестных ссылок в разделенных файлах
Внутренние перекрестные ссылки, такие как «см. главу 3», теперь может ссылаться на контент в другом файле. Преобразуйте внутренние перекрестные ссылки во внешние ссылки на файлы или добавьте примечание, указывающее, какой файл содержит указанный контент.
Управление перекрестными ссылками PDF Tools после разделения гарантирует, что ссылки останутся функциональными для читателя.
Использование отрицательного просмотра вперед, чтобы избежать ложных совпадений
Шаблон регулярного выражения может использовать отрицательный просмотр вперед, чтобы избежать сопоставления текста, похожего на главу, который на самом деле не является заголовком главы. Например, исключите совпадения, в которых за заголовком следуют определенные шаблоны, указывающие на то, что это перекрестная ссылка, а не начало главы.
Метод отрицательного просмотра Split PDF повышает точность регулярных выражений для сложных структур документов.
Разделение по нескольким уровням заголовков одновременно
Некоторые документы имеют части, главы и разделы на разных уровнях заголовков. Используйте несколько шаблонов регулярных выражений для разделения на желаемом уровне. Разделите заголовки частей на большие разделы. Разделите заголовки глав для большей детализации.
Многоуровневый подход PDF Pages обеспечивает гибкость в детализации выходного файла.
Объединение соседних небольших глав после разделения
Глава, состоящая всего из двух страниц, создает неуклюже маленький выходной файл. Объедините соседние небольшие главы в один файл. Установите минимальный порог страницы. Главы ниже порогового значения объединяются со следующей главой.
PDF Tools объединяет небольшие главы после разделения, создавая более сбалансированные выходные файлы.
Обработка документов, в которых заголовки глав различаются по формату
Не все главы имеют одинаковый формат заголовков. В ранних главах может использоваться «Глава I». в то время как в последующих главах используется «Глава 10». Регулярное выражение должно обрабатывать римские цифры, арабские цифры и прописанные числа.
Многоформатное регулярное выражение Split PDF обрабатывает документы с несовместимыми стилями заголовков глав.
Создание плана разделения перед выполнением разделения
Задокументируйте запланированные точки разделения, имена выходных файлов и диапазоны страниц перед выполнением разделения. План представляет собой справочник для проверки и запись операции разделения.
План разделения PDF Pages — это документ контроля качества, который предотвращает ошибки во время автоматического разделения.
Использование разделенного вывода для создания PDF-файлов отдельных глав для печати по требованию
Разделенные главы можно отправлять по отдельности в службу печати по требованию. Каждая глава становится отдельным буклетом. Читатели заказывают только те главы, которые им нужны.
Приложение PDF Tools для печати по требованию с разделением на главы сокращает потери и затраты для читателей, которым нужны только определенные разделы.