Si varios archivos PDF contienen fechas, años, meses o números similares, abrirlos uno por uno para eliminarlos es muy ineficiente. Este artículo toma como ejemplo HeSoft Doc Batch Tool y explica cómo usar la función "Buscar y reemplazar palabras clave en PDF" de la herramienta PDF, añadiendo varios PDFs a la lista de una vez, utilizando fórmulas para búsquedas difusas de texto y dejando vacía la lista de palabras clave de reemplazo, para así eliminar por lotes April, May y números de año de 4 dígitos. El artículo, acompañado de capturas de pantalla, explica los cambios antes y después del proceso, el propósito de cada paso y los resultados esperados, además de complementar información sobre las reglas de los comodines, la copia de seguridad y los riesgos de eliminación accidental.
Muchos trabajadores de oficina se encuentran con este problema al organizar materiales PDF: un lote de archivos PDF proviene de la misma plantilla y todos contienen elementos similares como fecha, número de versión, año, mes y número de proyecto. Ahora es necesario enviarlos externamente o rearchivarlos, y se desea eliminar estos campos. Si solo hay un PDF, se puede aceptar abrirlo y editarlo manualmente; si hay decenas o cientos de PDFs, buscarlos uno por uno y eliminarlos se convierte en un trabajo repetitivo de poco valor.
Este artículo toma como ejemplo la "eliminación por lotes de palabras clave relacionadas con fechas en múltiples PDFs" para ilustrar cómo realizar la operación con la ayuda de HeSoft Doc Batch Tool . En los archivos de ejemplo hay 4 PDFs, y en las páginas aparece una fecha como "April 13, 2017". Nuestro objetivo no es eliminar la frase completa, ni eliminar toda la página, sino utilizar un método de búsqueda difusa con comodines o fórmulas para eliminar el mes en inglés "April" o "May", y el año de 4 dígitos "2017". Una vez completado el procesamiento, las posiciones del mes y el año se vacían, mientras que el "13," intermedio se conserva.
Este caso puede extenderse a muchas necesidades similares, como la eliminación por lotes de años en PDFs, la eliminación por lotes de meses en PDFs, la eliminación por lotes de códigos de formato fijo, la limpieza por lotes de campos de versiones antiguas en PDFs, etc. El valor del software de oficina radica en evitar que los usuarios tengan que repetir la misma tarea, permitiendo que el software procese múltiples archivos de una vez después de configurar las reglas.
Escenarios aplicables: eliminación por lotes de fechas, años, meses y códigos en PDFs
Cuando el contenido a eliminar en un PDF tiene cierta regularidad, la búsqueda difusa con comodines o fórmulas será más eficiente que la búsqueda normal. Por ejemplo, la información de fechas suele estar compuesta por mes, día y año; los códigos pueden constar de letras y números; los números de versión pueden contener un prefijo fijo y dígitos variables. Si se enumeran uno por uno todos los textos posibles, la carga de trabajo será enorme y es fácil que se produzcan omisiones.
Este tutorial es especialmente adecuado para los siguientes tipos de situaciones:
- En las portadas de múltiples PDFs hay fechas de publicación y se necesita eliminar uniformemente los meses en inglés y los años.
- Los informes PDF contienen información de años antiguos, como 2017, 2018, 2020, y se necesita limpiarlos según una regla.
- Existen códigos de formato fijo en contratos, notificaciones y materiales de proyectos, y se necesita eliminarlos de forma difusa por lotes.
- Hay una gran cantidad de PDFs, el coste de procesarlos manualmente uno por uno es alto, y se desea importarlos y ejecutar la tarea por lotes de una vez.
- El contenido a eliminar no son palabras fijas completamente idénticas, sino algo similar a "una de varias palabras" o "dígitos consecutivos".
Es importante tener en cuenta que este artículo trata sobre la búsqueda y eliminación de texto en el contenido de PDFs. Si sus archivos son documentos de Word, puede utilizar las herramientas de Word correspondientes en el software para procesar doc y docx; si son hojas de cálculo de Excel, debe usar las herramientas de Excel para procesar xls y xlsx. Los puntos de entrada para diferentes formatos de archivo son distintos, pero la lógica del procesamiento por lotes es la misma: primero seleccionar los archivos, luego configurar las reglas y finalmente ejecutar por lotes.
Vista previa del resultado: de 4 PDFs a la limpieza unificada de campos de fecha
Antes del procesamiento: varios PDFs esperan ser procesados en la carpeta
En la captura de pantalla se puede ver que antes del procesamiento había cuatro archivos PDF en la carpeta: 1.pdf, 2.pdf, 3.pdf y 4.pdf. A estos archivos se les debe aplicar la misma regla de limpieza. Para las tareas por lotes, la clave no es que solo haya 4 archivos, sino que demuestra un método de procesamiento escalable: cuando los archivos se conviertan en 40 o 400, se podrán procesar de manera unificada importando la carpeta.
Al abrir uno de los PDFs, se puede ver que en la página existe la fecha "April 13, 2017". En la captura de pantalla, los recuadros rojos marcan "April" y "2017", que son los objetivos a eliminar esta vez. Dado que "April" podría ser "May" en otros archivos, y el año podría no ser 2017, es más adecuado usar reglas difusas en lugar de buscar una fecha fija exacta.
Después del procesamiento: se eliminan el mes y el año, se conserva el resto del contenido
La captura de pantalla posterior al procesamiento muestra que las posiciones originales de "April" y "2017" han quedado en blanco, mientras que "13," sigue presente. Esto indica que las reglas configuradas coincidieron con el mes y el año de 4 dígitos, y no eliminaron el número de día "13" junto con ellos.
Este resultado de procesamiento es muy útil para la anonimización de datos, la limpieza de plantillas y la eliminación de campos de fecha. No se trata de una eliminación burda de un bloque entero de contenido, sino de localizar el texto objetivo según reglas de búsqueda y luego reemplazarlo por un espacio vacío.
Pasos de la operación: usar HeSoft Doc Batch Tool para eliminar palabras clave de fecha en PDFs por lotes
Primer paso: encontrar la función de buscar y reemplazar en las herramientas PDF
Después de abrir HeSoft Doc Batch Tool , a la izquierda está el área de categorías de herramientas, donde puede ver la categoría "Herramientas PDF". Tras hacer clic en Herramientas PDF, el área principal mostrará múltiples funciones relacionadas con PDF, como añadir marca de agua a PDF, eliminar páginas de PDF, convertir PDF a Word, etc.
Lo que se necesita esta vez es una búsqueda y eliminación a nivel de contenido, por lo tanto, seleccione "Buscar y reemplazar palabras clave en PDF". En la captura de pantalla, esta función se encuentra en la primera posición de la lista de herramientas PDF, con el texto descriptivo: buscar y reemplazar por lotes palabras clave en el contenido de archivos PDF.
Objetivo de la operación: ingresar al módulo de búsqueda y reemplazo por lotes de palabras clave en PDF. Resultado esperado: la página cambia a una interfaz de tarea guiada, donde posteriormente se pueden añadir archivos PDF y configurar las reglas de palabras clave.
Segundo paso: añadir archivos PDF o importar desde una carpeta
Después de ingresar a la página "Buscar y reemplazar palabras clave en PDF", la primera fase es "Seleccionar los registros a procesar". En la parte superior derecha de la interfaz se encuentran dos entradas comunes: "Añadir archivo" y "Importar archivos desde carpeta".
Si solo se procesan unos pocos archivos, se puede hacer clic en "Añadir archivo"; si los archivos ya están centralizados en una carpeta, es más recomendable usar "Importar archivos desde carpeta". Esto reduce las operaciones de selección repetitivas y se ajusta más a la forma de trabajo de procesar archivos por lotes.
En la captura de pantalla ya se han añadido 4 registros, correspondientes a 1.pdf, 2.pdf, 3.pdf y 4.pdf. La lista también muestra la ruta, extensión, fecha de creación y fecha de modificación, lo que facilita al usuario confirmar que los archivos son correctos. En la parte inferior, el resumen muestra que el número de registros es 4.
Objetivo de la operación: añadir todos los PDFs a los que se necesita eliminar palabras clave de fecha en una misma tarea. Resultado esperado: todos los PDFs objetivo aparecen en la lista de archivos y el número de registros coincide con lo previsto.
Tercer paso: hacer clic en siguiente para ingresar a la configuración de opciones de procesamiento
Tras confirmar que los archivos son correctos, haga clic en "Siguiente" en la parte inferior. La página entra en la segunda fase, "Configurar opciones de procesamiento". En el flujo superior se puede ver que toda la tarea se divide en cuatro fases: seleccionar registros, configurar opciones de procesamiento, configurar ubicación de guardado y comenzar a procesar. Este proceso paso a paso ayuda a los usuarios a reducir omisiones.
En "Configurar opciones de palabras clave", primero debe determinar el método de búsqueda. En la captura de pantalla aparecen "Buscar texto exacto" y "Usar fórmula para búsqueda difusa de texto". Dado que este ejemplo busca coincidir con múltiples meses posibles y cualquier año de 4 dígitos, se selecciona "Usar fórmula para búsqueda difusa de texto".
Objetivo de la operación: habilitar un método de búsqueda más flexible para que el software pueda identificar el contenido objetivo según las reglas. Resultado esperado: las expresiones completadas en la lista de palabras clave se usarán para la coincidencia difusa del texto del PDF.
Cuarto paso: ingresar las reglas de coincidencia difusa en la lista de palabras clave
En la "Lista de palabras clave a buscar", cada línea puede contener una regla a buscar. En el ejemplo se han completado dos:
- April|May: indica coincidir con April o May.
- \d{4}: indica coincidir con 4 dígitos consecutivos, comúnmente usado para coincidir con años.
Con esta configuración, el software buscará los meses en inglés April o May al procesar los PDFs, y al mismo tiempo buscará números de 4 dígitos como 2017. En comparación con ingresar manualmente la fecha completa, este método es más adecuado para manejar situaciones en las que las fechas en múltiples archivos no son completamente consistentes.
Si en sus PDFs los meses no son solo April y May, puede ajustar la primera regla según el contenido real; si no desea eliminar todos los números de 4 dígitos, debe usar "\d{4}" con precaución, ya que podría coincidir con códigos distintos al año. Antes del procesamiento por lotes, es mejor revisar archivos de muestra para confirmar que la regla no eliminará erróneamente otra información.
Quinto paso: dejar el contenido de reemplazo en blanco para que se eliminen los resultados coincidentes
El área de la derecha es la "Lista de palabras clave de reemplazo". En la captura de pantalla hay una indicación clara: "No completar significa eliminar". Por lo tanto, si el objetivo es eliminar la palabra clave, no ingrese contenido en el lado derecho.
En este ejemplo, en el lado izquierdo se completan las reglas de mes y año a buscar, y el lado derecho se mantiene vacío. Al procesar, el software reemplazará los April, May y los años de 4 dígitos coincidentes por contenido vacío, lo que resultará en que estos textos desaparezcan del PDF.
Objetivo de la operación: lograr la eliminación por lotes mediante el método de "contenido a buscar tiene valor, contenido de reemplazo está vacío". Resultado esperado: todos los textos objetivo en el PDF que cumplan las reglas serán limpiados.
Sexto paso: configurar la ubicación de guardado y comenzar a procesar
Después de completar las opciones de procesamiento, continúe haciendo clic en "Siguiente". Según el flujo en la parte superior de la página, a continuación debe "Configurar ubicación de guardado" y luego entrar a "Comenzar a procesar". La ubicación de guardado es un paso muy importante en el procesamiento por lotes, ya que está relacionado con la gestión de los archivos de salida.
Se recomienda guardar los PDFs procesados en una nueva carpeta, por ejemplo, "Procesados" o "Limpiados", para conservar los PDFs originales y facilitar la comparación y verificación. Si se sobrescriben los archivos originales directamente, en caso de que las reglas no se configuren adecuadamente, el coste de recuperación será mayor. El software de oficina por lotes puede ahorrar tiempo, pero la premisa es que las reglas y la ubicación de salida estén configuradas claramente.
Después de comenzar el procesamiento, espere a que la tarea finalice y luego abra los PDFs de salida para una comprobación aleatoria. Se puede dar prioridad a revisar la primera página, las páginas que contienen campos de fecha y las posiciones con diferentes formatos de fecha en distintos archivos, para asegurar que el efecto de eliminación cumple con lo esperado.
Preguntas frecuentes y precauciones
1. ¿Qué significa "April|May"?
Por su uso en el ejemplo, se utiliza para coincidir con April o May, es decir, cualquiera de las dos palabras candidatas. Para escenarios que requieren la eliminación por lotes de múltiples palabras clave posibles, esta forma de escribirlo es más conveniente que configurarlas una por una.
2. ¿"\d{4}" eliminará todos los números de 4 dígitos?
Coincidirá con 4 dígitos consecutivos. Por lo tanto, es adecuado para eliminar años, pero si en el PDF hay códigos de 4 dígitos, números de página o parte de un código de informe, también podrían coincidir. Antes de usarlo, confirme las características del contenido del archivo y, si es necesario, pruébelo primero con una pequeña cantidad de PDFs.
3. ¿Por qué todavía hay "13," después del procesamiento?
Porque en esta ocasión las reglas solo coincidieron con el mes y el año de 4 dígitos, y no con el "13" de la fecha. Esta es precisamente la ventaja de la eliminación basada en reglas: solo se elimina el tipo de texto especificado, y el resto del contenido puede conservarse.
4. ¿Se pueden eliminar más palabras clave al mismo tiempo?
Como se puede ver en la lista de palabras clave de la captura de pantalla, se pueden añadir múltiples contenidos a buscar línea por línea. En el uso real, se pueden añadir reglas según las necesidades de la tarea, pero se recomienda no escribir demasiadas ni muy complejas de una sola vez. Es más seguro probar primero y luego ampliar el alcance del procesamiento.
5. ¿Se puede eliminar texto de esta manera en un PDF escaneado?
Si el texto de las páginas del PDF es una imagen, es posible que no se pueda buscar y reemplazar como si fuera texto normal. El ejemplo de este artículo está dirigido a contenido de PDF que puede ser reconocido como texto. Al encontrarse con documentos escaneados, se debe usar primero un archivo de prueba para confirmar si la herramienta puede encontrar el texto objetivo.
Resumen: usar el reemplazo por vacío para lograr la eliminación por lotes de palabras clave en PDFs
La eliminación por lotes de fechas, meses y años en múltiples PDFs se puede lograr esencialmente mediante "buscar y reemplazar por vacío". HeSoft Doc Batch Tool proporciona un flujo de procesamiento por lotes orientado a escenarios de oficina: primero seleccione "Buscar y reemplazar palabras clave en PDF" en las herramientas PDF, luego importe múltiples archivos PDF, seleccione "Usar fórmula para búsqueda difusa de texto", complete las reglas que desea coincidir y, por último, deje el contenido de reemplazo en blanco.
En el ejemplo de este artículo, 4 archivos PDF se añadieron a la tarea de una vez, y mediante dos tipos de reglas, "April|May" y "\d{4}", se eliminaron los meses en inglés y los años de 4 dígitos. El resultado del procesamiento muestra que el texto objetivo fue limpiado y el contenido no objetivo se conservó. Para los usuarios que necesitan limpiar por lotes campos de fecha en PDFs, eliminar años o eliminar múltiples palabras clave similares, este método es más estable y eficiente que el procesamiento manual.
Se recomienda preparar archivos de respaldo antes de la operación real, verificar las reglas con una pequeña cantidad de PDFs y luego ejecutar el procesamiento por lotes en la carpeta completa. De esta manera, se puede disfrutar de la mejora de eficiencia que ofrece el software de oficina por lotes y también evitar eliminaciones erróneas causadas por una configuración incorrecta de las reglas.