3-Heights™ PDF Extract – Inhalte, Ressourcen und Metadaten extrahieren
3-Heights™ PDF Extract ist eine Komponente zum Auslesen von Inhalten und Eigenschaften von PDF Dokumenten.
Diese Komponente kann Informationen schnell und effizient extrahieren, unabhängig davon, ob es sich um Dokumentinhalte oder Dokumenteigenschaften handelt. Die Ergebnisse können z.B. in Datenbanken gespeichert, für Auswertungen und Statistiken verwendet oder zur Speicherung von firmeneigenem Wissen archiviert werden.
PDF extract - Funktionen
- Text extrahieren:
- Wort für Wort mit konfigurierbarer Wortgrenzenerkennung
- Abrufen von Textattributen wie Position, Schriftart und Schriftgröße
- Automatisch korrekte Zeichendekodierung anwenden und Unicode Ausgabe erzeugen
- Character Codes extrahieren
- Extrahieren von Grafikobjekten (Pfade):
- Als Zeichenketten mit PDF-Grafikoperatoren
- Konvertieren von extrahierten Pfaden nach Bilder
- Extrahieren und speichern von Bilder:
- Abrufen von Bildattributen wie Kompressionsformat, Position und Transparenzmasken
- Extrahieren und Speichern von Transparenzmasken
- Extrahieren und Speichern von alternativen Bildern
- Informationen aus PDF Dokumentenebene extrahieren:
- Seitenanzahl
- PDF Version
- Seitenlabel
- Erstellungs- und Änderungsdatum
- Dokumentinformationen wie Titel, Autor, Themen und mehr
- Lesezeichen mit Sprungzielen
- Seiteninformationen extrahieren:
- Media box, crop box, trim box, bleed box und art box
- Seitenrotation
- Annotationen
- Extrahieren und Speichern von eingebetteten Schriftdateien
- Abrufen detaillierter Schriftinformationen
- Extrahieren von Ebenen-Informationen und -Sichtbarkeiten
- Extrahieren von PDF Objekten
- Farbrauminformationen extrahieren
- Extrahieren und Speichern von eingebetteten Dateien
- Password definieren um PDF Dokument zu entschlüsseln
Einsatzgebiete - Informationen aus PDF Dokumenten extrahieren
Posteingang und Dokumentverarbeitung
Inhaltsteile von PDF Dateien, z. B. von Formularen oder gescannten Eingangsrechnungen, werden extrahiert und für die Charakterisierung oder Indexierung aufbereitet.
Wichtige Informationen wie Produkte Informationen, Kundendaten oder Firmen Wissen werden in PDF Dokumenten abgelegt. Metainformationen, wie der Ersteller des Dokumentes, das Erstellungsdatum oder Änderungsdatum sind Bestandteil eines PDF Dokumentes. Oft werden PDF Dokumente als «Container» verwendet, so dass Text, Bilder, Videos und andere Daten Plattform unabhängig an andere Arbeitsprozesse übermittelt werden können.
Postausgang
PDF Dokumente werden umstrukturiert, um diese für andere Zielgruppen optimal aufzubereiten. Verarbeitungsinformationen wie Barcodes, Adressinformationen oder Seitenformate können ausgelesen und für die Steuerung von Druck- und Verpackungsstrassen oder Sortierungsprozesse verwendet werden.
Weitere Einsatzgebiete
- Umwandlung von PDF in Textdateien
- Auszug von Informationen wie Adressen, Rechnungsdaten, Berichtsdaten aus Dokumenten für die Prozesssteuerung
- Auszug von Informationen für die Dokumentenklassifikation und Dokumentenindexierung
- Verarbeitung von Formulardaten
- Auszug von Bildern für die Weiterverarbeitung (Scans, Fotos usw.)
- Analyse und Auswertung von Inhalten in PDF Dokumenten in der Massenverarbeitung
Text Extraktions-Werkzeug für PDF-Umwandlung in maschinenlesbares Format
Unterschiedliche Teams in der Finanzabteilung kümmern sich darum, dass Daten aus Rechnungen, welche in PDF Format vorliegen, verarbeitet und in die Datenbank übernommen werden. Andere sind für die Bezahlung von Rechnungen, die Analyse der Ergebnisse und das Berichtswesen an die Kunden zuständig.
Jahrgänge von Publikationen einfach und effizient durchsuchen
Die Redaktoren des Kunden von Oppolis können nun mit dem Einsatz von GoArchive schnell und einfach recherchieren und so PDF Dokumente suchen, finden und importieren. Zudem ist die Verfügbarkeit für externe Benutzer der PDF Dokumente im Archiv der Regionalzeitung sichergestellt, trotz grossvolumiger Veröffentlichungsarchive.
