TOOLS / XKW PREPROCESSER
把学科网的痕迹清干净
清掉页眉页脚水印、正文动态标记、文档属性和 PDF 元数据,顺手把选项的「A.」统一成全角「A.」。不用装软件,打开就能用。
01 拖入文件
02 就地处理
03 下载结果
待处理文件
0 个
文件夹里的 DOCX / PDF / DOC / ZIP 会一起加进来
选项
查找内容
替换为
[!0-9] 会自动转成「非数字」,替换里用 \1 引用分组。第一条查找内容结尾那个空格是有用的,删了就不匹配「A. 选项」。
想在查找里匹配真正的点号,点号前面必须加反斜杠写成 \.。只写一个 . 表示「任意一个字符」,会把后面那个字整个吃掉——比如 ([0-9]{1,}).([!0-9]) 会把「2024~2025学年」改成「202.~2025.年」、「75分钟」改成「75.钟」。
试卷流水线
默认关闭,只处理 PDF
合并卷的分界页(前 N 页是试题)
文件名里已经写明「试题」或「答案」的不用填,会直接改名。留空则整份保留,不瞎猜。
处理日志
说明
- 试卷流水线(右侧最下面一组选项)专治闽北中高招那套联考卷:解除编辑密码 → 去二维码/公众号水印 → 按试题答案拆分 → 命名成「X试题.pdf / X答案.pdf」。
- 解除编辑限制会用到解密服务。勾选后,只有受保护的 PDF 才会上送,服务器在内存中处理并返回。设置了打开密码的文件需要先用正确密码打开,再另存为无密码的 PDF。
- 去水印、拆分、命名、打包都在浏览器本地完成,一个字节都不上传。
- 去水印删的是 PDF 注释(
/Subtype /Stamp)。闽北中高招那套卷子的二维码、顶部 LOGO、答案页斜排水印全是注释,/Subj分别是「扫码加入家长群」「扫码关注公众号」「闽北中高招LOGO」「公众号水印_01」。注释永远画在内容之上,所以只能删对象,盖白纸是盖不住的。正文一个像素都不动。 - 拆分只认文件名里的科目和「试题 / 答案」字样。合并卷(如「11月百校联考地理.pdf」)要自己填分界页,前 N 页算试题;留空就整份保留,不猜。
- 正文里小于 0.2 英寸的图形对象会被当成水印删掉;大图形则只擦掉
descr/title里的学科网字样。 - 页眉默认整个清空;页脚按「学科网 / zxxk.com / 北京)股份有限公司」匹配。
- 文档属性(作者、标题、备注、关键词、单位)和 PDF 的 /Info、XMP 只在命中「学科网 / zxxk.com / xkw」时才清;勾上「去除所有作者」后,作者类字段不看关键词一律清掉。
- 作者类字段包括
dc:creator(作者)、cp:lastModifiedBy(最后保存者),以及批注、修订和word/people.xml里的w:author——Word「审阅 → 所有人」列的是这几处,只清文档作者是不够的。 - 作者被清掉后写的是一个空格而不是真正的空值——空格是非空内容,Word / PDF 编辑器会认为这一栏已经填过,不会再在你首次打开或保存时把你的用户名写回去。
- 勾上「去除所有作者」还会删掉精确到秒的创建 / 修改时间(DOCX 的
dcterms:created/dcterms:modified,PDF 的/CreationDate//ModDate)。这些是可选字段,删除合法;作者栏那类必填项才用空格占位。/Creator和/Producer里的软件名不动。 - 普通清洗只动 PDF 元数据、不动页面内容——PDF 上的字是画上去的,删了会散版。上面流水线里的「去水印」是另一回事,它删的是独立的注释对象。
- 压缩包只支持 .zip。里面的 .doc 会先请服务器转成 .docx 再清洗;转换服务没响应就原样带出,不会让文件凭空消失。
- 后缀是 .doc、内容其实是 DOCX 的文件,会改名后直接在本地处理,不上传。
- 单个文件输出名带
(cleaned)后缀,不会覆盖你原来的文件。