استخراج الروابط من PDF

يُفتح ملف PDF في متصفحك وتُقرأ تعليقات الروابط في كل صفحة. يُؤخذ العنوان المخزَّن كما هو، وتُجمع النصوص التي يقع مركزها داخل مستطيل الرابط لمعرفة الكلمات التي يراها القارئ. ثم يُقارن الاثنان: إذا ذكر النص الظاهر نطاقًا مختلفًا عن الوجهة يُنبَّه إليه. وتعتمد بقية التنبيهات على قراءة العنوان نفسه. يفعل زر «معالجة الملف» الشيء نفسه على خادمنا، ويبحث أيضًا في نص كل صفحة عن عناوين الويب والبريد الإلكتروني المكتوبة دون رابط، وهي كثيرة في ملفات PDF المصنوعة دون روابط تشعبية؛ وتُدرج على أنها غير قابلة للنقر، والعنوان الذي له رابط في الصفحة نفسها يُدرج مرة واحدة.

لا يُفتح أي رابط أبدًا، لذا لا يمكن معرفة ما إذا كان الرابط ما زال يعمل أو أين ينتهي الرابط المختصر؛ فالتقرير يعرض ما يقوله المستند لا ما قد يجيب به الخادم. تُقرأ العناوين المكتوبة من نص الصفحة، لذا قد يُقطع عنوان موزع على سطرين، وملف PDF الممسوح ضوئيًا لا يحتوي على نص أصلًا: شغّل عليه OCR PDF أولًا. الرابط المميَّز ليس دليلًا على وجود ضرر، وغير المميَّز ليس ضمانًا: الأداة تقرأ العناوين ولا تتحقق من سمعة المواقع.