只要在瀏覽器中開啟 PDF Link Extractor,選擇最多 25 MiB、40 頁的本機 PDF,並在不 上傳檔案的情況下開始擷取,即可離線從 PDF 擷取連結。此工具會讀取可點擊的 PDF 連結註解,而不會掃描每個類似 URL 的字串,因此其報告會反映 PDF.js 公開為支援註解的目的地。結果會留在您的裝置上並依頁面順序顯示,外部與內部目標會以非作用文字呈現,並附上頁碼與連結類型。您可以複製報告,或下載為 UTF-8 TXT 或可安全用於公式的 CSV。這個流程一次只能處理一份 PDF;加密、損毀、不支援或超過限制的文件都會顯示可見的錯誤。外部連結只有在配置結構為 HTTP、HTTPS、mailto 或 tel 時才會納入。不安全或不受支援的配置結構會被略過,而不會轉成可點擊的連結。此工作流程適合用於連結清單、遷移檢查、文件 QA,以及檢視 PDF 將讀者導向何處,但不會開啟目的地、測試其是否可用,或判斷其是否安全。

extract links from pdf offline
離線從 PDF 擷取連結:本機報告工作流程

為什麼註解對離線擷取很重要

針對這項特定任務,請使用 PDF Link Extractor,而不是一般性的 URL 文字掃描器。PDF 與擷取出的目標都會留在您的裝置上,Lizely 不會上傳文件或將其內容傳送至連結分析伺服器。在這裡,「離線」是指在本機處理文件;並不表示已造訪或驗證擷取出的地址。

擷取器會使用 PDF.js 的註解資料,而不會在原始 PDF 位元組中搜尋類似 URL 的字串。PDF.js getAnnotations 文件提供此方法所依據的頁面層級註解參考。這項差異可減少壓縮串流、字型資料、中繼資料及一般印刷文字所造成的誤判,也能解釋為何可見的地址可能不會出現在報告中:可見文字與可點擊註解是不同的 PDF 結構。

PDF 中顯示的內容報告處理方式重要限制
外部連結註解配置結構為 HTTP、HTTPS、mailto 或 tel 時會納入顯示為非作用文字;不會開啟或檢查
PDF.js 公開的內部目的地標示為內部,並提供有界限且可讀的表示方式不保證能解析為最終頁碼
沒有連結註解的可見類 URL 文字不會擷取為連結文字與註解是不同的 PDF 結構
JavaScript、data、file、blob、控制字元或其他不受支援的目標略過並計數絕不會將目標轉成可點擊的連結

外部配置結構的檢查不區分大小寫,包含控制字元的目標會遭到拒絕。內部目標則需要不同的解讀方式。具名目的地或明確的目的地陣列可能指向同一文件中的其他位置,而不必包含網頁地址。報告會將其標示為內部,並序列化為有界限且可讀的表示方式。報告刻意不承諾提供最終頁碼,因為目的地結構、頁面參考及檢視器行為可能有所差異。

準備符合工具限制的 PDF

選擇本機文件,並在開始擷取工作前,確認其符合每項準備要求。

準備檢查可接受的值
選取項目一份本機 PDF
檔案大小最多 25 MiB
頁數最多 40 頁
文件狀態未加密、可讀且受支援

如果有任何條件不符合,包括檔案已加密、格式錯誤、不受支援,或超過大小或頁數限制,工具就會顯示可見的錯誤。它也會對註解數量、目標長度及報告總字元數設定界限,避免單一文件產生無界限的工作量或輸出內容。

PDF.js 及其共用工作程式只會在您按下擷取按鈕後載入,並且不會納入初始頁面套件。文件仍會在本機處理,其內容也不會傳送至連結分析伺服器。

擷取連結並儲存本機報告

  1. 選擇一份本機 PDF。確認其大小不超過 25 MiB、頁數不超過 40 頁,且未加密。檢視擷取出的報告時,請讓原始文件保持可用,作為來源紀錄。
  2. 按一下「擷取連結」。工具會透過 PDF.js 取得每一頁的連結註解,選取受支援的外部或內部目的地欄位,拒絕不安全的配置結構與控制字元,並保留頁面及註解順序。同一頁面上完全重複的目標會被移除,但不同頁面上的相同目標仍會顯示。每個顯示的目標都維持非作用狀態。
  3. 檢視並匯出報告。閱讀每個目標及其頁碼與連結類型,然後檢查摘要中的已檢查註解數量、已接受連結、重複項目及已略過目標。複製純文字報告,或下載可安全用於公式的 CSV 或 UTF-8 TXT 檔案。匯出內容包含與畫面上相同的非作用目標資料。

正確閱讀排序後的結果

報告會保留文件的閱讀順序。頁面順序排在前面,而各頁面的註解會維持其原始順序。每個受支援的目標都會與其頁面及連結類型建立關聯,CSV 輸出也會提供註解編號。

  • 頁面順序:結果會依頁面逐一推進,讓您更容易將目的地與文件中包含它的部分連結起來。
  • 註解順序:同一頁面上的多個連結會維持 PDF.js 公開的順序,而不會依字母重新排列。
  • 重複項目:同一頁面上的完全重複項目會被移除,但另一頁面重複出現的目的地仍會顯示,因為其出現頁面在檢視時可能很重要。
  • 內部目標:這些目標會標示為內部,且可能以具名目的地或可讀的目的地表示方式呈現,而不是傳統的網頁地址。

不同頁面上重複出現的目的地並非只是多餘內容。其出現頁面可以顯示參考資料位於何處,並協助區分相同連結的不同用途。請將內部標籤視為 PDF.js 公開的目的地,而不是已驗證的頁面跳轉。

匯出 TXT 或 CSV 以供日後檢視

請依您使用結果的方式選擇匯出格式。CSV 適合在試算表軟體中進行結構化檢視,而 TXT 則提供可攜的純文字。

  • CSV:報告包含頁面、註解編號、類型及目標欄位。以試算表公式前綴開頭的儲存格在序列化前會先經過中和處理,而引號及換行則依 CSV 規則逸出。
  • TXT:下載檔案是 UTF-8 純文字,並使用穩定的頁面標籤,適合用於封存、搜尋或貼入其他本機工作流程。
  • 複製報告:複製功能會使用擷取結果所提供的相同安全、非作用報告,而不會將目標轉換成作用中的連結。

公式中和可減少 CSV 特有的其中一項風險,但無法讓源自文件的內容變得可信。請將每個擷取出的目標都視為不可信資料,尤其是在轉寄報告、共用報告或將其貼入其他系統之前。

預期連結可能缺少的原因

如果您預期某個地址卻未出現,請先考慮 PDF 實際包含的是哪種紀錄,再將其視為擷取失敗。

  • URL 以可見文字印出,但未被製作成可點擊的連結註解。
  • 外部目標使用的配置結構不在 HTTP、HTTPS、mailto 與 tel 之中,或包含遭到拒絕的控制字元。
  • 目的地是內部的,並以具名或明確的目的地結構表示,而不是網頁 URL。
  • 類 URL 的字串出現在中繼資料、字型資料、壓縮串流或一般文字中,且未附上受支援的註解。
  • 整份文件遭到拒絕,因為它已加密、格式錯誤、不受支援,或超過檔案大小或頁數限制。

對於外部項目,缺少一列可能表示 PDF.js 未公開其受支援的連結註解,或是同一頁面上完全重複的目標已被移除。這項缺失並不能證明 PDF 完全沒有提及該地址。

使用清單,但不要將其視為安全檢查

請將擷取出的清單用於連結清單、遷移檢查、文件 QA,或檢視 PDF 會將讀者導向何處。在這些任務中,頁碼仍然很有用,因為相同目的地可能出現在數個位置。請讓原始 PDF 保持不變,作為來源紀錄,並將 TXT 或 CSV 匯出檔作為獨立的工作文件。

這份報告不是爬蟲、失效連結檢查器、網路釣魚偵測器、無障礙稽核或內容掃描器。工具不會瀏覽、抓取、驗證、查核信譽或保證擷取目的地的安全性。目標出現在報告中,只表示 PDF.js 公開了受支援的連結註解。造訪或發布重要目的地之前,請先獨立加以驗證。

相關閱讀:在 Chromebook 上將 PNG 轉換為 PDF:本機檔案工作流程。

相關閱讀:在不失真情況下從 PDF 擷取圖片:JPG 或 PNG。