Cuando varios archivos PDF tienen texto con el mismo formato pero contenido no exactamente igual, como meses en inglés, años, números o fechas, abrir los PDF uno por uno para eliminarlos manualmente consume mucho tiempo. Este artículo toma como ejemplo la eliminación por lotes de "April" y años de cuatro dígitos en PDF, explicando cómo usar la función "Buscar y reemplazar palabras clave en PDF" de HeSoft Doc Batch Tool para localizar palabras clave por lotes mediante coincidencia difusa con comodines o fórmulas, y eliminarlas por lotes dejando el contenido de reemplazo en blanco.
Al organizar contratos, informes, archivos, paquetes de datos o PDFs de versión pública, a menudo surge un problema muy práctico: en muchos archivos PDF hay un tipo de texto que necesita ser eliminado, pero este texto no es completamente idéntico. Por ejemplo, en algunos archivos aparece "April 13, 2017", en otros puede ser "May 20, 2018", y otros contienen diferentes años, números o fechas. Usar solo la búsqueda común implica procesar palabra por palabra; abrir los PDFs uno por uno para eliminarlos manualmente no solo lleva tiempo, sino que también es fácil pasar algo por alto.
Este artículo aborda precisamente este tipo de problema de "eliminación masiva y difusa de palabras clave en PDF". Utilizaremos el software de oficina " HeSoft Doc Batch Tool ", a través de la función "Buscar y reemplazar palabras clave en PDF", para añadir múltiples PDFs a la lista de procesamiento de una sola vez y luego usar fórmulas de búsqueda difusa de texto para coincidir con contenido variable. El punto clave es: no rellenar contenido en la "Lista de palabras clave reemplazadas" para lograr el efecto de eliminar el texto coincidente. En el ejemplo de la captura de pantalla, es necesario eliminar el mes en inglés "April" y el año de cuatro dígitos "2017" de la fecha de portada del PDF. Después del procesamiento, la posición correspondiente en la página se vacía, conservando solo el "13," del medio.
Escenarios aplicables: ¿Qué contenido de PDF es adecuado para la eliminación masiva con comodines?
La búsqueda difusa con comodines o fórmulas es adecuada para procesar texto de PDF que es "regular pero no completamente idéntico". Por ejemplo, eliminar de forma masiva fechas, años, meses, números de serie, números de versión, números de informe, contactos, códigos de formato fijo, etc., de muchos archivos PDF. A diferencia de la eliminación por palabra clave común, la coincidencia difusa no requiere que el texto en cada archivo sea exactamente igual, se puede procesar por lotes siempre que pueda describirse mediante una regla.
Por ejemplo, un año de cuatro dígitos se puede localizar con un método como "coincidir con 4 números consecutivos"; múltiples meses en inglés se pueden coincidir simultáneamente con métodos como "April o May"; ciertos números con prefijos fijos también se pueden localizar mediante reglas de fórmula. La ventaja de hacer esto es clara: no es necesario introducir diferentes palabras clave para cada PDF individualmente, ni abrir archivos repetidamente para verificar y eliminar.
HeSoft Doc Batch Tool es un software de procesamiento de documentos por lotes orientado a escenarios de oficina, cuyo valor principal radica en centralizar las operaciones de archivos repetitivas. Es adecuado no solo para PDFs individuales, sino también para el procesamiento por lotes de múltiples PDFs en una carpeta, siendo particularmente adecuado para escenarios de oficina de alta frecuencia como administración, recursos humanos, asuntos legales, finanzas, organización de archivos y anonimización de datos.
Vista previa de resultados: Antes del procesamiento, existen palabras clave de fecha que deben eliminarse en el PDF
En este ejemplo, hay 4 archivos PDF en la carpeta a procesar, llamados 1.pdf, 2.pdf, 3.pdf, 4.pdf respectivamente. Es decir, no estamos procesando un solo PDF, sino aplicando las mismas reglas de búsqueda y eliminación a múltiples PDFs a la vez.
Al abrir uno de los PDFs, se puede ver que la posición de la fecha de portada contiene "April 13, 2017". El recuadro rojo marca la parte que necesita ser procesada: una es el mes en inglés "April", y la otra es el año de cuatro dígitos "2017". Este tipo de contenido puede variar en diferentes PDFs; por ejemplo, el mes puede ser diferente, el año también, por lo que usar una búsqueda exacta común no es flexible.
Si solo se necesita eliminar la palabra fija "April", se puede usar la búsqueda de texto exacta; pero si se desea eliminar todos los años de cuatro dígitos, o coincidir simultáneamente con múltiples meses posibles, es más adecuado usar la búsqueda difusa de texto con fórmula. De esta manera, se pueden poner "palabras fijas" y "palabras variables" en el mismo lote de tareas para su procesamiento.
Efecto posterior al procesamiento: Las palabras clave coincidentes del PDF se eliminan por lotes
Una vez completado el procesamiento, al abrir el PDF de nuevo para revisarlo, se puede ver que la posición donde originalmente se mostraba "April 13, 2017" ha cambiado. El mes en inglés "April" y el año de cuatro dígitos "2017" han sido eliminados, y en la página solo se conserva el "13," del medio que no fue coincidido. Esto indica que el software ha completado la eliminación de palabras clave del PDF según las reglas establecidas.
Cabe señalar que el recuadro rojo en la captura de pantalla marca la posición vacía después de la eliminación. Dado que el contenido de reemplazo no se rellenó, el software no sustituye el texto por otros caracteres, sino que elimina directamente el contenido coincidente. Este método es adecuado para operaciones como la limpieza parcial de información en PDF, la anonimización de fechas y la eliminación de información de versión.
Paso 1: Entrar en la herramienta PDF y seleccionar la función de buscar y reemplazar
Después de abrir HeSoft Doc Batch Tool , en la clasificación de herramientas de la izquierda, seleccione "Herramientas PDF". La interfaz principal mostrará múltiples funciones relacionadas con PDF, como añadir marca de agua a PDF, convertir PDF a Word, eliminar páginas en PDF, etc. La opción a utilizar esta vez es la primera, "Buscar y reemplazar palabras clave en PDF".
El propósito de hacer clic en esta función es ingresar al flujo de trabajo especializado para la búsqueda, reemplazo o eliminación por lotes del contenido del cuerpo del PDF. Para la necesidad de este artículo, queremos buscar el mes y el año en el PDF y dejar el contenido de reemplazo vacío, logrando así un efecto de eliminación por lotes.
Se recomienda confirmar primero que el texto en su PDF sea texto reconocible. Si el PDF es una imagen escaneada pura y el texto en sí mismo no es texto seleccionable, la búsqueda y reemplazo de texto común generalmente no puede localizarlo directamente, y se necesita confirmar primero si el archivo ha pasado por reconocimiento de texto. Para cuerpos de PDF que se pueden copiar y buscar, este tipo de función de búsqueda y reemplazo por lotes es más aplicable.
Paso 2: Añadir los archivos PDF que necesitan procesamiento por lotes
Después de ingresar a "Buscar y reemplazar palabras clave en PDF", en la parte superior de la interfaz se pueden ver botones como "Añadir archivo", "Importar archivos de carpeta", "Vaciar" y "Más". En el ejemplo, ya se han importado 4 archivos PDF, y la lista muestra el nombre del archivo, ruta, extensión, fecha de creación y fecha de modificación.
Si la cantidad de archivos es pequeña, se puede hacer clic en "Añadir archivo" para seleccionarlos uno por uno; si hay una gran cantidad de PDFs en una carpeta que necesitan procesamiento unificado, se puede usar "Importar archivos de carpeta". Después de la importación, se recomienda verificar el número de registros y las rutas de archivo en la lista para confirmar que no se hayan seleccionado archivos por error. La parte inferior de la captura de pantalla muestra "Número de registros: 4", lo que indica que las mismas reglas de procesamiento por lotes se aplicarán a 4 PDFs actualmente.
El resultado esperado de este paso es: todos los PDFs cuyas palabras clave necesitan ser eliminadas han entrado en la lista de procesamiento pendiente. Solo los archivos que aparecen en la lista participarán en el procesamiento posterior, por lo tanto, antes de hacer clic en "Siguiente", es mejor verificar si los nombres de archivo y las rutas son correctos.
Paso 3: Seleccionar búsqueda de texto con fórmula difusa y rellenar la regla de eliminación
Haga clic en "Siguiente" para entrar en "Configurar opciones de procesamiento". En "Configurar opciones de palabras clave", se puede ver que el "Modo de búsqueda" incluye "Búsqueda exacta de texto" y "Usar fórmula para búsqueda difusa de texto". En este ejemplo, el contenido a eliminar incluye años variables, por lo que se selecciona "Usar fórmula para búsqueda difusa de texto".
En la "Lista de palabras clave a buscar" de la izquierda, el ejemplo muestra dos líneas de reglas: la primera línea es "April|May", lo que indica que puede coincidir con April o May; la segunda línea es "\d{4}", que indica la coincidencia de 4 dígitos consecutivos, comúnmente usado para coincidir con años. De esta manera, el software buscará estos textos que cumplan las condiciones en el contenido del PDF.
A la derecha está la "Lista de palabras clave reemplazadas", y la interfaz indica claramente "Dejar vacío significa eliminar". Por lo tanto, si el objetivo es eliminar la palabra clave, en lugar de reemplazarla por un texto nuevo, no rellene contenido en el lado derecho. Manteniendo la lista de reemplazo vacía, el software eliminará del PDF el texto coincidente del lado izquierdo.
Este paso es muy crítico: si desea eliminar por lotes palabras clave en el PDF, no ponga espacios ni otros caracteres en el lado derecho; simplemente déjelo vacío. Rellenar con un espacio podría dejar un espaciado adicional en la página, y rellenar con otros caracteres lo convertiría en una operación de reemplazo en lugar de una operación de eliminación.
Paso 4: Configurar la ubicación de guardado e iniciar el procesamiento por lotes
Después de completar la configuración de las reglas de palabras clave, continúe haciendo clic en "Siguiente". En la barra de flujo se puede ver que posteriormente hay dos pasos más: "Configurar ubicación de guardado" y "Iniciar procesamiento". El propósito de configurar la ubicación de guardado es decidir dónde se generarán los PDFs procesados, para evitar sobrescribir los archivos originales o causar desorden de archivos.
Al procesar PDFs por lotes, se recomienda guardar los resultados del procesamiento en una carpeta de salida separada, por ejemplo, "PDFs con palabras clave eliminadas" o "PDFs procesados". De esta manera, es conveniente comparar los efectos antes y después del procesamiento, y también se conservan los archivos originales como copia de seguridad. Para escenarios de oficina que involucran documentos importantes como contratos, informes y archivos, primero conservar los originales y luego revisar los archivos de salida es una práctica más segura.
Después de confirmar la ubicación de guardado, entre en el paso "Iniciar procesamiento" para ejecutar la tarea. Una vez completado el procesamiento, abra el PDF de salida para verificar las posiciones clave y confirmar si los meses, años u otras palabras clave objetivo han sido eliminados. Si la configuración de la regla es correcta, múltiples PDFs completarán automáticamente el procesamiento siguiendo la misma regla, sin necesidad de búsqueda manual página por página.
Preguntas frecuentes y precauciones
1. ¿Por qué usar la búsqueda difusa por fórmula en lugar de la búsqueda exacta?
Si la palabra clave es exactamente la misma en todos los PDFs, la búsqueda exacta es suficiente. Pero contenidos como fechas, años y números de serie suelen variar; por ejemplo, pueden aparecer 2017, 2018, 2019. Usar la búsqueda difusa por fórmula puede coincidir con tipos de contenido similares de una sola vez, lo que es más adecuado para la eliminación por lotes de palabras clave no fijas en muchos PDFs.
2. ¿Por qué dejar vacía la lista de palabras clave reemplazadas?
Porque el objetivo esta vez es eliminar, no reemplazar. La interfaz indica "Dejar vacío significa eliminar", así que simplemente no introduzca contenido en el lado derecho. Si se introduce texto nuevo, el software reemplazará el contenido coincidente con ese texto.
3. ¿Necesito hacer una copia de seguridad del PDF antes de procesar?
Se recomienda hacer una copia de seguridad. La eficiencia del procesamiento por lotes es muy alta, pero si la regla se escribe de forma demasiado amplia, podría eliminar contenido que no debería eliminarse. Guardar primero en una carpeta nueva y luego verificar los resultados de forma aleatoria es un flujo de trabajo de oficina más seguro.
4. ¿Se puede procesar una carpeta entera de una sola vez?
En la interfaz de operación se puede ver el botón "Importar archivos de carpeta", por lo que se pueden importar por lotes los PDFs de una carpeta a la lista y luego ejecutar el procesamiento unificado. Esto es especialmente útil para organizar docenas o cientos de documentos PDF.
Resumen: Reducir el trabajo repetitivo de eliminación en PDF mediante el procesamiento por lotes
La dificultad de eliminar palabras clave en PDF por lotes no reside en eliminar una sola palabra, sino en cómo procesar de manera estable y eficiente cuando se enfrentan muchos archivos, muchas páginas y mucho contenido variable. A través de la función "Buscar y reemplazar palabras clave en PDF" de HeSoft Doc Batch Tool , se pueden añadir múltiples PDFs a una lista de tareas de una sola vez, luego usar la búsqueda de texto por fórmula difusa para coincidir con contenido como fechas, años y meses, y lograr la eliminación dejando la lista de reemplazo vacía.
Si está procesando una gran cantidad de informes, archivos, contratos o materiales públicos en PDF y necesita eliminar fechas, números de serie, palabras sensibles o información de formato, puede seguir los pasos de este artículo para probar inicialmente las reglas con unos pocos archivos. Después de confirmar el efecto, procese la carpeta completa por lotes. De esta manera, puede reducir el trabajo repetitivo y también disminuir el riesgo de omisiones manuales, haciendo que el trabajo de limpieza de contenido en PDF sea más eficiente y controlable.