Wenn mehrere PDF-Dateien ähnliche Inhalte wie Daten, Jahre, Monate oder Nummern enthalten, ist das einzelne Öffnen und Löschen sehr ineffizient. Dieser Artikel verwendet HeSoft Doc Batch Tool als Beispiel und erklärt, wie Sie mit der Funktion "Schlüsselwörter in PDF suchen und ersetzen" in PDF-Tools mehrere PDFs auf einmal zu einer Liste hinzufügen, Formeln zur unscharfen Textsuche verwenden und die Ersetzungsschlüsselwortliste leer lassen können, um April, Mai und 4-stellige Jahreszahlen stapelweise zu löschen. Der Artikel erläutert anhand von Screenshots die Änderungen vor und nach der Verarbeitung, den Zweck jedes Schritts und die erwarteten Ergebnisse und ergänzt Hinweise zu Platzhalterregeln, Backups und dem Risiko versehentlicher Löschungen.
Viele Büromitarbeiter stoßen beim Organisieren von PDF-Daten auf dieses Problem: Eine Reihe von PDF-Dateien stammt aus derselben Vorlage und enthält ähnliche Inhalte wie Datum, Versionsnummer, Jahr, Monat und Projektnummer. Diese müssen nun extern versendet oder neu archiviert werden, und es ist erforderlich, diese Felder zu löschen. Bei nur einer PDF-Datei ist das manuelle Öffnen und Bearbeiten noch akzeptabel; bei Dutzenden oder Hunderten von PDFs wird das einzelne Suchen und Löschen zu einer wertschöpfungsarmen Routinearbeit.
Dieser Artikel erläutert am Beispiel „Stapelweises Löschen datumsbezogener Schlüsselwörter in mehreren PDFs“, wie die Operation mit HeSoft Doc Batch Tool durchgeführt werden kann. Die Beispieldateien enthalten 4 PDFs, auf deren Seiten ein Datum wie „April 13, 2017“ erscheint. Unser Ziel ist nicht, den gesamten Satz oder die gesamte Seite zu löschen, sondern mithilfe von Platzhaltern oder formelbasierter unscharfer Suche den englischen Monatsnamen „April“ oder „May“ sowie die vierstellige Jahreszahl „2017“ zu löschen. Nach der Verarbeitung sind die Positionen von Monat und Jahr geleert, während das „13,“ dazwischen erhalten bleibt.
Dieses Fallbeispiel lässt sich auf viele ähnliche Anforderungen übertragen, z. B. das stapelweise Löschen von Jahreszahlen in PDFs, das stapelweise Löschen von Monatsnamen in PDFs, das stapelweise Löschen von Nummern mit festem Format oder die stapelweise Bereinigung alter Versionsfelder in PDFs. Der Wert von Bürosoftware liegt darin, dass Anwender nicht dieselbe Aufgabe wiederholt ausführen müssen, sondern die Regeln einmal festlegen und die Software dann mehrere Dateien auf einmal verarbeiten lassen können.
Anwendungsszenarien: Stapelweises Löschen von PDF-Datum, -Jahr, -Monat und -Nummern
Wenn die zu löschenden Inhalte in PDFs einer gewissen Gesetzmäßigkeit folgen, ist die unscharfe Suche mit Platzhaltern oder Formeln effizienter als die normale Suche. Datumsangaben bestehen beispielsweise oft aus Monat, Tag und Jahr; Nummern können aus Buchstaben und Ziffern bestehen; Versionsnummern können ein festes Präfix und variable Ziffern enthalten. Würde man alle möglichen Texte einzeln auflisten, wäre der Arbeitsaufwand hoch und es bestünde die Gefahr, Texte zu übersehen.
Dieses Tutorial eignet sich besonders für folgende Situationen:
- Auf den Deckblättern mehrerer PDFs befindet sich ein Veröffentlichungsdatum, und der englische Monatsname und die Jahreszahl sollen einheitlich gelöscht werden.
- PDF-Berichte enthalten veraltete Jahresangaben wie 2017, 2018, 2020, die regelbasiert bereinigt werden sollen.
- Verträge, Mitteilungen oder Projektdokumente enthalten Nummern mit festem Format, die stapelweise unscharf gelöscht werden müssen.
- Die Anzahl der PDFs ist hoch, der Aufwand für die manuelle Bearbeitung jeder einzelnen Datei ist zu groß, und man möchte sie nach dem Import auf einmal stapelweise verarbeiten.
- Die zu löschenden Inhalte sind keine völlig identischen, feststehenden Wörter, sondern ähneln eher „einem von mehreren Wörtern“ oder „aufeinanderfolgenden Ziffern“.
Es ist zu beachten, dass sich dieser Artikel auf das Suchen und Löschen von Text im PDF-Inhalt bezieht. Handelt es sich bei Ihren Dateien um Word-Dokumente, können Sie die entsprechenden Word-Werkzeuge in der Software für doc und docx nutzen; bei Excel-Tabellen verwenden Sie die Excel-Werkzeuge für xls und xlsx. Der Einstiegspunkt für unterschiedliche Dateiformate variiert, aber das Prinzip der Stapelverarbeitung ist einheitlich: Zuerst die Dateien auswählen, dann die Regeln festlegen und schließlich die Stapelverarbeitung ausführen.
Ergebnisvorschau: Von 4 PDFs zur einheitlichen Bereinigung von Datumsfeldern
Vor der Verarbeitung: Mehrere PDFs im Ordner warten auf Bearbeitung
Im Screenshot ist zu sehen, dass sich vor der Verarbeitung vier PDF-Dateien – 1.pdf, 2.pdf, 3.pdf, 4.pdf – im Ordner befinden. Für diese Dateien müssen dieselben Bereinigungsregeln angewendet werden. Entscheidend bei Stapelverarbeitungsaufgaben ist nicht die konkrete Anzahl von 4 Dateien, sondern dass sie eine skalierbare Verarbeitungsweise demonstriert: Selbst bei 40 oder 400 Dateien können diese durch Importieren des Ordners einheitlich bearbeitet werden.
Öffnet man eine der PDF-Dateien, erkennt man auf der Seite das Datum „April 13, 2017“. Im Screenshot sind „April“ und „2017“ rot markiert – sie sind die zu löschenden Ziele in diesem Vorgang. Da „April“ in anderen Dateien durch „May“ ersetzt sein könnte und auch die Jahreszahl nicht zwingend 2017 sein muss, eignet sich eine unscharfe Regel besser als die reine Suche nach einem festen Datum.
Nach der Verarbeitung: Monatsnamen und Jahreszahlen gelöscht, anderer Inhalt erhalten
Der Screenshot nach der Verarbeitung zeigt, dass die ursprünglichen Positionen von „April“ und „2017“ nun leer sind, während „13,“ weiterhin vorhanden ist. Dies zeigt, dass die festgelegten Regeln den Monatsnamen und die vierstellige Jahreszahl erfasst haben, ohne die Tageszahl „13“ mit zu löschen.
Dieses Bearbeitungsergebnis ist sehr nützlich für Datenanonymisierung, Vorlagenbereinigung oder die Entfernung von Datumsfeldern. Es handelt sich nicht um eine pauschale Löschung eines ganzen Inhaltsblocks, sondern um die regelbasierte Lokalisierung von Zieltext und dessen Ersetzung durch einen leeren String.
Arbeitsschritte: Stapelweises Löschen von PDF-Datumsschlüsselwörtern mit HeSoft Doc Batch Tool
Schritt 1: Die Suchen- und Ersetzen-Funktion in den PDF-Werkzeugen finden
Nach dem Öffnen von HeSoft Doc Batch Tool befindet sich links der Bereich mit den Werkzeugkategorien, wo die Kategorie „PDF-Werkzeuge“ zu sehen ist. Nach dem Klick auf PDF-Werkzeuge werden im Hauptbereich mehrere PDF-bezogene Funktionen angezeigt, z. B. PDF-Wasserzeichen hinzufügen, Seiten aus PDF löschen, PDF in Word umwandeln usw.
Für diesen Vorgang ist das inhaltsbezogene Suchen und Löschen erforderlich, daher wählen Sie „Schlüsselwörter in PDF suchen und ersetzen“. Im Screenshot befindet sich diese Funktion an erster Stelle der PDF-Werkzeugliste, mit der Beschreibung: Stapelweises Suchen und Ersetzen von Schlüsselwörtern im Inhalt von PDF-Dateien.
Ziel des Vorgangs: Aufrufen des Moduls zum stapelweisen Suchen und Ersetzen von PDF-Schlüsselwörtern. Erwartetes Ergebnis: Die Seite wechselt zur aufgabenbasierten Assistentenoberfläche, über die später PDF-Dateien hinzugefügt und Schlüsselwortregeln festgelegt werden können.
Schritt 2: PDF-Dateien hinzufügen oder aus einem Ordner importieren
Nach dem Aufrufen der Seite „Schlüsselwörter in PDF suchen und ersetzen“ ist die erste Phase „Zu verarbeitende Datensätze auswählen“. Oben rechts in der Oberfläche befinden sich die beiden üblichen Einstiegspunkte „Dateien hinzufügen“ und „Dateien aus Ordner importieren“.
Für wenige Dateien kann „Dateien hinzufügen“ genutzt werden; befinden sich die Dateien bereits gesammelt in einem Ordner, empfiehlt sich eher „Dateien aus Ordner importieren“. Dies reduziert wiederholte Auswahlschritte und entspricht eher der Arbeitsweise der Datei-Stapelverarbeitung.
Im Screenshot sind bereits 4 Datensätze hinzugefügt, die 1.pdf, 2.pdf, 3.pdf und 4.pdf entsprechen. Die Liste zeigt zudem Pfad, Erweiterung, Erstellungs- und Änderungsdatum an, um dem Benutzer die Überprüfung der korrekten Dateien zu erleichtern. Unten wird die Gesamtzahl der Datensätze mit 4 angezeigt.
Ziel des Vorgangs: Alle PDF-Dateien, deren Datumsschlüsselwörter gelöscht werden sollen, in dieselbe Aufgabe aufnehmen. Erwartetes Ergebnis: Alle Ziel-PDFs erscheinen in der Dateiliste und die Anzahl der Datensätze entspricht den Erwartungen.
Schritt 3: Auf „Weiter“ klicken, um die Verarbeitungsoptionen festzulegen
Nachdem die Dateien bestätigt wurden, klicken Sie unten auf „Weiter“. Die Seite geht zur 2. Phase „Verarbeitungsoptionen festlegen“ über. Am oberen Prozessablauf ist erkennbar, dass die gesamte Aufgabe in vier Phasen unterteilt ist: Datensätze auswählen, Verarbeitungsoptionen festlegen, Speicherort festlegen, Verarbeitung starten. Dieser schrittweise Ablauf hilft dem Benutzer, Auslassungen zu vermeiden.
Im Abschnitt „Schlüsselwortoptionen festlegen“ muss zunächst der Suchmodus bestimmt werden. Im Screenshot gibt es „Text exakt suchen“ und „Text mit Formel unscharf suchen“. Da in diesem Beispiel mehrere mögliche Monatsnamen und beliebige vierstellige Jahreszahlen gefunden werden sollen, wird „Text mit Formel unscharf suchen“ gewählt.
Ziel des Vorgangs: Einen flexibleren Suchmodus aktivieren, damit die Software Zielinhalte regelbasiert erkennen kann. Erwartetes Ergebnis: Die in der Schlüsselwortliste eingetragenen Ausdrücke werden für die unscharfe Suche im PDF-Text verwendet.
Schritt 4: Regeln für die unscharfe Suche in die Schlüsselwortliste eintragen
In der „Liste der zu suchenden Schlüsselwörter“ kann jede Zeile eine zu suchende Regel enthalten. Im Beispiel sind zwei Zeilen eingetragen:
- April|May: Steht für die Suche nach April oder May.
- \d{4}: Steht für die Suche nach aufeinanderfolgenden vier Ziffern, wird häufig für die Suche nach Jahreszahlen verwendet.
Durch diese Einstellung sucht die Software bei der PDF-Verarbeitung nach den englischen Monatsnamen April oder May und gleichzeitig nach vierstelligen Ziffern wie 2017. Im Vergleich zur manuellen Eingabe vollständiger Daten eignet sich diese Methode besser für Fälle, in denen die Daten in mehreren Dateien nicht völlig identisch sind.
Sollten in Ihren PDFs mehr Monate als April und May vorkommen, können Sie die erste Regel entsprechend dem tatsächlichen Inhalt anpassen; wenn Sie nicht alle vierstelligen Ziffern löschen möchten, ist bei der Verwendung von „\d{4}“ Vorsicht geboten, da es auch andere Nummern außer Jahreszahlen erfassen könnte. Überprüfen Sie vor der Stapelverarbeitung am besten Beispieldateien, um sicherzustellen, dass die Regeln keine anderen Informationen versehentlich löschen.
Schritt 5: Ersatztext leer lassen, damit Suchergebnisse gelöscht werden
Der rechte Bereich ist die „Liste der Schlüsselwörter nach dem Ersetzen“. Im Screenshot gibt es den klaren Hinweis „Leer lassen bedeutet Löschen“. Wenn das Ziel also das Löschen der Schlüsselwörter und nicht deren Ersetzung durch ein anderes Wort ist, darf im rechten Bereich kein Inhalt eingegeben werden.
In diesem Beispiel sind links die Regeln für Monat und Jahr eingetragen, rechts bleibt es leer. Die Software ersetzt bei der Verarbeitung die gefundenen Begriffe April, May sowie vierstellige Jahreszahlen durch leeren Inhalt, was letztendlich dazu führt, dass dieser Text aus dem PDF verschwindet.
Ziel des Vorgangs: Stapelweises Löschen durch die Methode „Suchbegriff hat einen Wert, Ersatztext ist leer“ realisieren. Erwartetes Ergebnis: Alle Textstellen im PDF, die den Regeln entsprechen, werden entfernt.
Schritt 6: Speicherort festlegen und Verarbeitung starten
Nachdem die Verarbeitungsoptionen abgeschlossen sind, klicken Sie erneut auf „Weiter“. Dem oberen Seitenablauf folgend muss nun der „Speicherort festlegen“ und dann die „Verarbeitung starten“ werden. Der Speicherort ist ein sehr wichtiger Schritt bei der Stapelverarbeitung, da er die Verwaltung der Ausgabedateien betrifft.
Es wird empfohlen, die verarbeiteten PDFs in einem neuen Ordner zu speichern, z. B. „Verarbeitet“ oder „Bereinigt“. So bleiben die Original-PDFs erhalten und können bei Bedarf verglichen und überprüft werden. Bei direkter Überschreibung der Originaldateien ist die Wiederherstellung im Falle falsch gesetzter Regeln aufwändiger. Stapelverarbeitungssoftware kann Zeit sparen, vorausgesetzt, Regeln und Ausgabeort sind klar definiert.
Warten Sie nach dem Start der Verarbeitung, bis die Aufgabe abgeschlossen ist, und öffnen Sie dann die Ausgabe-PDFs zur stichprobenartigen Kontrolle. Überprüfen Sie vorzugsweise die erste Seite, Seiten mit Datumsfeldern und Positionen mit unterschiedlichen Datumsformaten in den verschiedenen Dateien, um das erwartete Löschergebnis sicherzustellen.
Häufige Fragen und wichtige Hinweise
1. Was bedeutet „April|May“?
Aus dem Beispielkontext geht hervor, dass es für die Suche nach April oder May, also einem der beiden Kandidatenwörter, verwendet wird. Für Szenarien, in denen mehrere mögliche Schlüsselwörter stapelweise gelöscht werden müssen, ist diese Schreibweise praktischer als das einzelne Festlegen.
2. Löscht „\d{4}“ alle vierstelligen Ziffern?
Es erfasst aufeinanderfolgende vier Ziffern. Daher ist es gut zum Löschen von Jahreszahlen geeignet. Wenn das PDF jedoch auch vierstellige Nummern, Seitenzahlen oder Teile von Berichtsnummern enthält, könnten diese ebenfalls erfasst werden. Überprüfen Sie vor der Verwendung die Inhaltsstruktur der Datei und testen Sie die Regel gegebenenfalls zunächst mit wenigen PDFs.
3. Warum ist „13,“ nach der Verarbeitung noch vorhanden?
Weil die diesmaligen Regeln nur den Monatsnamen und die vierstellige Jahreszahl erfasst haben, nicht aber die Tageszahl „13“ im Datum. Genau das ist der Vorteil der regelbasierten Löschung: Es wird nur der von Ihnen angegebene Texttyp gelöscht, anderer Inhalt kann erhalten bleiben.
4. Kann man gleichzeitig noch mehr Schlüsselwörter löschen?
Wie in der Schlüsselwortliste des Screenshots zu sehen, können mehrere Suchbegriffe zeilenweise eingetragen werden. In der Praxis können je nach Aufgabenanforderung weitere Regeln hinzugefügt werden, es wird jedoch empfohlen, nicht zu viele und zu komplexe Regeln auf einmal zu erstellen. Sicherer ist es, erst zu testen und dann den Verarbeitungsumfang zu erweitern.
5. Kann man Text aus gescannten PDFs auf diese Weise löschen?
Wenn der Seitentext im PDF ein Bild ist, kann er möglicherweise nicht wie normaler Text gesucht und ersetzt werden. Das Beispiel in diesem Artikel bezieht sich auf PDF-Inhalte, die als Text erkannt werden können. Bei gescannten Dokumenten sollte zunächst mit einer Testdatei geprüft werden, ob das Werkzeug den Zieltext finden kann.
Fazit: Stapelweises Löschen von PDF-Schlüsselwörtern durch Ersetzen mit Leerstring realisieren
Das stapelweise Löschen von Daten, Monaten und Jahren in mehreren PDFs kann im Wesentlichen durch „Suchen und mit Leerstring ersetzen“ erreicht werden. HeSoft Doc Batch Tool bietet einen für den Büroalltag konzipierten Stapelverarbeitungsprozess: Zuerst in den PDF-Werkzeugen „Schlüsselwörter in PDF suchen und ersetzen“ wählen, dann mehrere PDF-Dateien importieren, „Text mit Formel unscharf suchen“ wählen, die entsprechenden Regeln eintragen und schließlich den Ersatztext leer lassen.
Im Beispiel dieses Artikels wurden 4 PDF-Dateien auf einmal zur Aufgabe hinzugefügt und mithilfe der beiden Regeltypen „April|May“ und „\d{4}“ die englischen Monatsnamen und vierstelligen Jahreszahlen gelöscht. Das Bearbeitungsergebnis zeigt, dass der Zieltext entfernt wurde, während Nicht-Zielinhalte erhalten blieben. Für Anwender, die stapelweise PDF-Datumsfelder bereinigen, Jahreszahlen löschen oder mehrere ähnliche Schlüsselwörter entfernen müssen, ist diese Methode stabiler und effizienter als die manuelle Bearbeitung.
Es wird empfohlen, vor der tatsächlichen Ausführung Sicherheitskopien anzulegen, die Regeln mit wenigen PDFs zu validieren und dann die Stapelverarbeitung für den gesamten Ordner durchzuführen. So können Sie von der Effizienzsteigerung durch Stapelverarbeitungssoftware profitieren und gleichzeitig versehentliche Löschungen durch falsch gesetzte Regeln vermeiden.