Wenn die zu löschenden Texte in mehreren PDFs nicht exakt gleich sind, beispielsweise Monate wie April oder Mai und Jahreszahlen beliebige vierstellige Ziffern sein können, ist das manuelle Löschen einzelner Dateien äußerst ineffizient. Dieser Artikel erläutert anhand der tatsächlichen Oberfläche von HeSoft Doc Batch Tool , wie Sie mehrere PDFs importieren, mit Hilfe von Formeln Texte unscharf suchen und das Ersetzungsfeld leer lassen, um nicht festgelegte Schlüsselwörter stapelweise aus PDFs zu entfernen. Dies eignet sich für Büroszenarien wie Datenbereinigung in Berichten, Entfernen von Datumsangaben vor der Veröffentlichung sowie Stapelverarbeitung von Vertragstexten.
Viele Büromitarbeiter stoßen bei der Bearbeitung von PDF-Materialien auf eine scheinbar einfache, aber sehr zeitraubende Aufgabe: In einer Reihe von PDFs gibt es Text, der gelöscht werden muss, der aber nicht völlig identisch ist. Zum Beispiel steht in einer Datei April 13, 2017, in einer anderen vielleicht May 13, 2018, oder Jahr, Monat und Nummer variieren von Datei zu Datei. Wenn man nur mit dem PDF-Reader manuell sucht, dauert eine Datei mehrere Minuten, und bei Dutzenden von Dateien wird das zu einer repetitiven Arbeit.
Dieser Artikel stellt eine Verarbeitungsmethode vor, die sich besser für die Stapelverarbeitung im Büro eignet: Verwenden Sie HeSoft Doc Batch Tool , wählen Sie im PDF-Werkzeug „Schlüsselwörter in PDF suchen und ersetzen“ und nutzen Sie dann die Formel zur unscharfen Textsuche, um die Treffer durch Nichts zu ersetzen. So können Sie unstete Texte in mehreren PDFs stapelweise löschen. Der Kerngedanke des gesamten Ablaufs ist: Zuerst alle PDFs zur Aufgabenliste hinzufügen, dann den zu löschenden Text mit Platzhaltern oder Formelregeln beschreiben und schließlich die Software jede Datei automatisch einzeln verarbeiten lassen.
Anwendungsszenarien: Unfeste Schlüsselwörter sind für unscharfes Löschen besser geeignet als feste
Muss nur ein einziges festes Wort gelöscht werden, etwa ein bestimmter Firmenname oder ein fester Projektcode, genügt die exakte Suche. In der praktischen Materialbearbeitung weist der zu löschende Inhalt jedoch häufiger eine gewisse Regelmäßigkeit auf, ist aber nicht völlig identisch. So kann der englische Monat unterschiedliche Werte wie April, May usw. haben; das Jahr kann eine beliebige vierstellige Zahl wie 2017, 2018, 2020 sein; Berichtsnummern können verschiedene laufende Nummern enthalten; Vertragsnummern können aus Buchstaben und Zahlen kombiniert sein.
Würde man solche Inhalte einzeln als feste Schlüsselwörter eingeben, gäbe es nicht nur viele Regeln, sondern es wäre auch leicht, etwas zu übersehen. Mit der Formel zur unscharfen Textsuche kann man eine „bestimmte Textklasse“ als Suchziel definieren. Im Screenshot-Beispiel kann April|May so verstanden werden, dass es auf April oder May zutrifft, und \d{4} passt auf vierstellige Zahlen. Auf diese Weise lassen sich Datumsangaben, Jahreszahlen, Nummern und sensible Felder in PDFs effizienter stapelweise löschen.
Typische Anwendungsszenarien sind: Löschen von Datumsinformationen vor der externen Veröffentlichung eines PDF-Berichts; stapelweise Bereinigung nicht öffentlicher Nummern in Vertrags-PDFs; Löschen bestimmter Jahre oder Monate in Audit-Unterlagen; Bereinigung von Feldern alter Versionen in Schulungsmaterialien, Handbüchern und Materialpaketen; einheitliche Anonymisierung mehrerer PDF-Proben.
Effektvorschau: Die vor der Verarbeitung stapelweise zu bereinigenden PDF-Dateien
In diesem Beispiel befinden sich im zu bearbeitenden Ordner 4 PDF-Dateien mit den Namen 1.pdf, 2.pdf, 3.pdf und 4.pdf. Obwohl die Anzahl der Beispieldateien gering ist, gilt die Methode ebenso für viele weitere PDFs. Bei Dutzenden oder Hunderten von Dateien zeigt sich der Effizienzvorteil der Stapelverarbeitung noch deutlicher.
Öffnet man eines der PDFs, sieht man, dass die Seite die Datumsangabe April 13, 2017 enthält. Der Screenshot kennzeichnet mit roten Rahmen die beiden zu löschenden Stellen April und 2017. Die Anforderung ist hier nicht, die ganze PDF-Seite oder den ganzen Titel zu löschen, sondern nur den Textinhalt, der der Regel entspricht.
Solche PDFs sind häufig Berichte, Handbücher, archivierte Dateien oder öffentliche Materialien. Hat eine Datei Dutzende von Seiten, können bestimmte Schlüsselwörter an verschiedenen Stellen verstreut sein, sodass man sie beim manuellen seitenweisen Suchen leicht übersehen kann. Mit der Batch-Suchen-und-Ersetzen-Funktion kann die Software diese nach einheitlichen Regeln automatisch bearbeiten.
Effektvorschau: Nach der Verarbeitung sind die Ziel-Schlüsselwörter gelöscht, der übrige Inhalt bleibt erhalten
Nach Abschluss der Verarbeitung sind April und 2017 aus dem PDF verschwunden, an der ursprünglichen Stelle ist ein leerer Bereich, während „13,“ erhalten geblieben ist. Dieses Ergebnis zeigt, dass die Software nicht einfach die ganze Zeile oder den ganzen Absatz gelöscht hat, sondern den Text, der den Schlüsselwortregeln entsprach.
Für Büroszenarien, in denen bestimmte Format-Informationen anonymisiert oder bereinigt werden müssen, ist diese Methode sehr praktisch. Sie erhält das gesamte PDF-Layout, Titel, Siegel, Fußzeilen usw. und löscht gleichzeitig die von bestimmten Regeln erfassten Schlüsselwörter. Besonders wenn mehrere PDFs eine ähnliche Inhaltsstruktur aufweisen, kann eine einmal eingerichtete Regel immer wieder angewendet werden.
Schritt 1: Die Funktion zum Suchen und Ersetzen von Schlüsselwörtern im PDF-Werkzeug öffnen
Wählen Sie nach dem Öffnen von HeSoft Doc Batch Tool zunächst im linken Navigationsbereich „PDF Werkzeug“. Suchen Sie in der Funktionsliste der Hauptoberfläche nach „1. Schlüsselwörter in PDF suchen und ersetzen“. Die Beschreibung dieser Funktion lautet „Schlüsselwörter im Inhalt von PDF-Dateien stapelweise suchen und ersetzen“, was genau der in diesem Artikel beschriebenen stapelweisen Löschung von PDF-Text entspricht.
Ziel der Auswahl dieser Funktion ist es, in den Arbeitsablauf zur Suche und Ersetzung auf PDF-Inhaltsebene zu gelangen. Auf der Oberfläche sind auch andere PDF-Funktionen sichtbar, wie PDF-Passwortschutz hinzufügen, PDF-Passwortschutz entfernen, PDF-Wasserzeichen hinzufügen, PDF in Word konvertieren usw., aber diese Aufgabe betrifft nur die Bereinigung von Schlüsselwörtern im PDF-Haupttext, wählen Sie daher nicht das falsche Modul.
Schritt 2: Mehrere PDFs importieren und die Aufgabenliste bestätigen
Auf der Funktionsseite zeigt der Fortschrittsbalken an, dass Sie sich derzeit in Schritt 1 „Zu verarbeitende Datensätze auswählen“ befinden. Oben rechts auf der Seite gibt es zwei Hauptzugänge: „Dateien hinzufügen“ und „Dateien aus Ordner importieren“. Wenn die Dateien verstreut sind, nutzen Sie „Dateien hinzufügen“; befinden sich alle PDFs im selben Verzeichnis, spart „Dateien aus Ordner importieren“ Zeit.
Im Screenshot wurden bereits 4 PDFs importiert. Die Liste zeigt Nummer, Name, Pfad, Erweiterung, Erstellungsdatum, Änderungsdatum und andere Informationen. Erweiterung ist durchgehend pdf, was anzeigt, dass nur PDF-Dateien hinzugefügt wurden. Die Zusammenfassung unten zeigt die Datensatzanzahl 4. Nachdem die Dateien bestätigt sind, klicken Sie unten auf „Nächster Schritt“.
Es wird empfohlen, in diesem Schritt zwei Punkte sorgfältig zu prüfen: Erstens, ob alle zu verarbeitenden PDFs hinzugefügt wurden; zweitens, ob versehentlich Dateien hinzugefügt wurden, die nicht geändert werden sollten. Enthält die Liste nicht zu verarbeitende Dateien, können Sie diese über das Löschsymbol in der Aktionsspalte entfernen. Die Effizienz der Stapelverarbeitung ist hoch, aber Voraussetzung ist ein präziser Aufgabenumfang.
Schritt 3: Unscharfe Formelsuche für Text aktivieren
Mit einem Klick auf „Weiter“ gelangen Sie zu „Verarbeitungsoptionen festlegen“. Unter „Schlüsselwortoptionen festlegen“ kann die Suchmethode gewählt werden. Die Oberfläche bietet zwei Optionen: „Exakte Textsuche“ und „Formel für unscharfe Textsuche verwenden“. In diesem Beispiel wählen wir „Formel für unscharfe Textsuche verwenden“, da die zu löschenden Monate und Jahre keine völlig festen Zeichenketten sind.
Wenn nur das Wort April gelöscht werden soll, ist auch die Option „Exakte Textsuche“ möglich. Soll jedoch gleichzeitig April und May oder alle vierstelligen Jahre erfasst werden, sollte man unscharfe Regeln verwenden. Der Vorteil der unscharfen Suche liegt darin, ähnliche, aber nicht identische Inhalte einheitlich zu beschreiben und die Anzahl der Regeln zu reduzieren.
Im Screenshot wurden in der „Liste der zu suchenden Schlüsselwörter“ zwei Zeilen eingegeben: April|May und \d{4}. Die erste Zeile dient zum Suchen von April oder May, die zweite zum Suchen von vierstelligen Zahlen. Die rechte Seite „Liste der ersetzenden Schlüsselwörter“ ist leer, und die Oberfläche zeigt deutlich: „Nichts eintragen bedeutet Löschen“. Daher löscht die Software die auf der linken Seite gefundenen Inhalte, anstatt sie durch anderen Text zu ersetzen.
Schritt 4: Löschen durch leere Ersetzung realisieren, keine Leerzeichen eingeben
Viele Nutzer fragen sich bei der ersten Verwendung von Suchen und Ersetzen: Muss man beim Löschen von Schlüsselwörtern rechts Leerzeichen eingeben? Aus dem Screenshot-Hinweis wird klar: nein. Kein Eintrag auf der rechten Seite bedeutet Löschen. Würde man Leerzeichen eingeben, könnte der erfasste Text durch Leerzeichen ersetzt werden, was visuell nicht exakt dasselbe ist wie echtes Löschen und spätere Textkopien oder Layoutbeurteilungen beeinflussen kann.
Daher bleibt in diesem Beispiel die Liste der zu ersetzenden Schlüsselwörter leer. Englische Monate, die auf die erste Zeile April|May passen, werden gelöscht; vierstellige Jahreszahlen, die auf die zweite Zeile \d{4} passen, werden gelöscht. Nach der Verarbeitung verbleiben im PDF nur die Abschnitte, die nicht von den Regeln erfasst wurden, etwa „13,“ im Beispiel.
Klicken Sie nach der Einrichtung auf „Weiter“, um dem Workflow zu „Speicherort festlegen“ und „Verarbeitung starten“ zu folgen. Es wird empfohlen, bei der ersten Verarbeitung einen neuen Ausgabeort zu wählen, um ein direktes Überschreiben der Original-PDFs zu vermeiden. Öffnen Sie nach Abschluss die verarbeiteten PDFs zur stichprobenartigen Überprüfung, um sicherzustellen, dass die Regeln keine anderen vierstelligen Zahlen gelöscht haben, die erhalten bleiben sollten.
Häufige Fragen und Hinweise
1. Ist die unscharfe Formelsuche dasselbe wie Platzhalter? Vom Verwendungszweck her dienen beide dazu, eine Klasse unsteten Textes zu finden. Die Bezeichnung auf der Oberfläche ist „Formel für unscharfe Textsuche verwenden“, bei der praktischen Nutzung kann man sie als flexiblere Methode zur Mustererkennung im Vergleich zur exakten Suche verstehen.
2. Warum wurden nach der Verarbeitung nur April und 2017 gelöscht, aber nicht die 13? Weil die Suchregeln nur April|May und \d{4} enthielten. 13 ist eine zweistellige Zahl, entspricht nicht der Regel für vierstellige Zahlen und ist auch nicht April oder May, wurde also beibehalten.
3. Was ist, wenn es im PDF andere vierstellige Zahlen gibt? Werden die auch gelöscht? Alles, was auf \d{4} passt, kann erfasst werden. Daher empfiehlt es sich, vor der offiziellen Stapelverarbeitung einen Test mit wenigen kopierten Dateien zu machen oder die Regeln strenger zu formulieren, um Fehllöschungen zu reduzieren.
4. Funktioniert das auch für doc-, docx-, Excel-Dateien? Dieser Artikel demonstriert die PDF-Schlüsselwortverarbeitung im PDF-Werkzeug. Links auf der Software-Oberfläche sind auch Kategorien wie Word Werkzeug, Excel Werkzeug, PowerPoint Werkzeug etc. zu sehen. Für andere Formate sollten die entsprechenden Werkzeuge gewählt werden. Wenden Sie den PDF-Arbeitsablauf nicht direkt auf doc-, docx- oder xlsx-Dateien an.
5. Warum lassen sich eingescannte Dokumente möglicherweise nicht löschen? Handelt es sich beim Text im PDF tatsächlich um ein Bild und kann er nicht ausgewählt oder kopiert werden, kann die Textsuche und -ersetzung ihn möglicherweise nicht erkennen. In diesem Fall muss zuerst geprüft werden, ob das PDF eine bearbeitbare oder durchsuchbare Textebene enthält.
Fazit: Der Schlüssel zum stapelweisen Löschen unsteter Texte in PDFs liegt im Schreiben guter Regeln
Der Kern beim stapelweisen Löschen unsteter Texte in mehreren PDFs liegt nicht im wiederholten Klicken auf Löschen, sondern darin, die zu löschenden Inhalte als Regeln zu abstrahieren. Mit HeSoft Doc Batch Tool importiert man zuerst mehrere PDFs, wählt dann in der Funktion „Schlüsselwörter in PDF suchen und ersetzen“ die Option „Formel für unscharfe Textsuche verwenden“, gibt Regeln wie April|May, \d{4} ein und lässt den Ersetzungstext leer – so erreicht man die unscharfe Stapellöschung.
Für Nutzer, die regelmäßig Berichte, Verträge, Archivmaterialien oder zur Veröffentlichung bestimmte PDFs bearbeiten, kann diese Methode repetitive Arbeit deutlich reduzieren. Es wird empfohlen, vor der offiziellen Stapelverarbeitung Sicherungskopien zu erstellen, die Regeln mit wenigen Beispieldateien zu validieren und erst nach Bestätigung der Korrektheit den gesamten PDF-Stapel zu verarbeiten. So steigert man die Effizienz und stellt zugleich verlässlichere Ergebnisse bei der Dateibereinigung sicher.