用 File Juggler 按文档内容整理文件：处理 PDF 和 Word 文件的匹配规则

你是不是也遇到过这样的文件夹：几百个 PDF 和 Word 文档堆在一起，文件名却是 scan_0012.pdf、文档1.docx 这种看不出用途的名字。靠文件名根本没法分类，但只要打开看一眼内容，你就知道这是发票、合同还是会议纪要。File Juggler 的价值正在于此——它能读取 PDF 和 Word 文档里的文字，按内容匹配规则自动把文件移动到对应文件夹。这篇教程带你从小批量验证开始，逐步建立可靠的内容匹配规则，并处理好测试、未命中和误分类复核这几个关键环节。

读完后你应该能做到：针对一类文档写出基于内容关键词的规则，先用十几份样本确认命中情况，再放心地把规则应用到成百上千份文件上。

为什么用内容匹配而不是文件名匹配

File Juggler 支持多种匹配条件，比如文件名、扩展名、日期、大小。但在"文件名看不出用途"的场景里，这些都帮不上忙。内容匹配（Content）会提取文档内部的文本，再用你设定的关键词或模式去比对，这才是解决问题的那把钥匙。

它特别适合这几类任务：

• 扫描或导出的 PDF，文件名是流水号，但正文里有"发票""收据""报价单"等明确字样。
• 批量下载的 Word 合同、协议，正文开头往往写明了合同类型和甲乙方。
• 内容格式相对固定的文档，比如每份报告都含有项目编号、客户名称或固定表头。

需要提醒的是，内容匹配依赖"文档里真的有可提取的文字"。纯图片扫描件如果没有做过 OCR，File Juggler 读不到文字层，这类文件要用别的办法处理，后面会专门说。

安装准备

File Juggler 是一款面向 Windows 的文件自动整理工具，运行时会在后台监控你指定的文件夹，一旦有符合规则的文件就执行相应动作。开始之前，先把这几件事准备好：

1. 从 File Juggler 官方网站下载安装包并完成安装。由于版本、授权方式和试用期限等信息可能随时间变化，请以你下载时官网页面的说明为准。
2. 规划好目标文件夹结构。先在硬盘上手动建好分类目录，例如 D:整理发票、D:整理合同、D:整理待复核。规则是把文件"送到"这些文件夹，所以目标目录要先存在。
3. 准备一个"进料"文件夹，也就是待整理文件的集中存放处，例如 D:整理收件箱。你可以先往里面放十几份有代表性的样本，用来测试规则。

把目录结构想清楚再动手，比边做边改要省事得多。尤其要单独留一个"待复核"或"未命中"文件夹，专门接住规则没能识别的文件。

配置第一条内容匹配规则

下面以"把包含'发票'字样的文档挑出来"为例，走一遍完整配置流程。界面上的具体措辞可能因版本略有差异，但逻辑是一致的。

第 1 步：新建规则并指定监控文件夹

打开 File Juggler，新建一条规则（通常是界面上的 Add 或 New Rule）。在规则的"监控文件夹"位置选择你的收件箱目录 D:整理收件箱。这是 File Juggler 持续观察的范围。

如果希望连同子文件夹一起处理，记得勾选包含子文件夹的选项。

第 2 步：设置匹配条件（If）

规则由"条件（If）"和"动作（Then）"两部分组成。先在条件区添加一个 Content（内容） 条件，这正是读取 PDF 和 Word 内文的关键。

在内容条件里填入你要匹配的关键词，例如：

发票

你也可以组合多个条件，收窄命中范围。常见做法包括：

• 用扩展名条件限定只处理 .pdf 和 .docx，避免误伤同目录下的其他文件。
• 为同一类文档准备多个关键词，比如把"发票""增值税""价税合计"作为"任意一个命中即可"的组合，提高识别率。
• 对格式稳定的文档，用更独特的字段（如固定的编号前缀）当关键词，减少误匹配。

关键词越泛，误命中越多；越具体，漏网的越多。这就是为什么要先小批量测试，找到合适的平衡点。

第 3 步：设置动作（Then）

在动作区添加一个移动类动作（Move），把目标位置设为对应的分类文件夹，例如 D:整理发票。

如果你还想顺手重命名，File Juggler 支持用提取出的内容或日期作为新文件名的一部分。初次使用时建议先只做"移动"，等移动逻辑稳定了再叠加重命名，避免一次性引入太多变量，出问题时不好排查。

先用小批量样本测试匹配结果

这是整篇教程最该强调的一步。不要一上来就对着上千份文件开跑，而是先验证规则到底命中了哪些、漏了哪些。

使用规则的测试/预览功能

File Juggler 规则界面通常带有 Test（测试） 功能，点击后它会扫描监控文件夹，列出当前规则会匹配到哪些文件，但并不真正移动。你要重点看三件事：

1. 该命中的是否都命中了。 把你放进收件箱的发票样本逐一对照，看它们是否都出现在匹配列表里。没出现的，说明关键词没覆盖到它的正文表述。
2. 不该命中的有没有被误选。 如果一份合同也被"发票"规则选中了，很可能是它正文里恰好提到了"发票"字样，这时需要加更严格的条件或换更独特的关键词。
3. 命中数量是否合理。 数量明显偏多或偏少，都提示规则需要调整。

逐步放大处理范围

小批量测试通过后，再按阶梯放大：

1. 先对十几份样本正式运行一次，到目标文件夹里实际确认结果。
2. 换一批内容更杂的文档再测一轮，看规则在"不干净"的数据上是否依然稳。
3. 确认稳定后，才把全部文件倒进收件箱，或开启后台自动监控持续处理。

这种"先验证、再扩大"的节奏，能让你在误分类规模还小的时候就发现问题，而不是等几百个文件被挪错位置后再手忙脚乱地找回。

处理未命中的文件

无论规则写得多细，总会有文件一个都匹配不上。处理这类"漏网"文件，有两种实用思路。

第一，设置一条兜底规则。 把它排在所有分类规则的最后，条件设得很宽（比如只要求是 PDF 或 Word 文档），动作是移动到 D:整理待复核。这样凡是前面规则都没接住的文件，都会集中落到一个地方，不会散落在收件箱里被忽略。注意规则的执行顺序：File Juggler 会按顺序评估，所以兜底规则一定要放最后，否则它会抢先把本该被精细规则处理的文件都收走。

第二，定期翻看待复核文件夹。 落到这里的文件通常是两种情况：一是正文表述超出了你的关键词范围，二是文档根本没有可提取的文字。对前者，你从中总结新的关键词，补进对应规则；对后者，就要考虑 OCR 了。

关于扫描件和无文字层的 PDF

纯图片扫描的 PDF 里没有文本层，内容匹配自然读不到。遇到这种文件，先用带 OCR 功能的工具（许多 PDF 软件和部分 AI 文件整理工具都提供）把它转成含文字层的 PDF，再放回收件箱让 File Juggler 处理。把"需要 OCR"的文件单独归到一处，批量转换会更有效率。

检查归档位置与误分类复核

文件被移动之后，整理工作还没结束——你得确认它们真的去了正确的地方。

• 抽查目标文件夹。 到每个分类目录里随机点开几份文件，确认内容与文件夹主题一致。重点查那些关键词比较泛的分类，它们最容易混进别的文档。
• 关注"一词多义"带来的误分类。 比如"合同"规则可能误收了只是提到合同的报价单；"报告"可能把带有"报告"字样的通知也拉了进来。发现这类情况，就给规则补充排除条件，或者用更能代表该类文档的组合关键词。
• 保留原始副本直到确认无误。 在你还不完全信任规则时，可以让动作先用"复制"而非"移动"，等连续几轮结果都正确后再切回移动，这样即使分错也不会丢失或打乱原始文件。

把这套复核动作养成习惯：每次调整规则后抽查一次，之后定期巡检一次。规则不是写完就一劳永逸的，随着文档种类增加，关键词和分类也要跟着迭代。

常见问题排查

内容条件完全匹配不到任何文件。 先确认文档确实含有可提取文字（扫描件除外）；再检查关键词是否和正文用词一致，注意全角半角、简繁体以及中英文混排的差异。可以先用一个你确定正文里出现过的词做最小化测试。

同一个文件被多条规则抢着处理。 这是规则顺序问题。把更具体的规则排在前面，兜底规则排在最后，并确认一个文件被某条规则处理后不会再被后续规则重复移动。

文件没有被及时处理。 确认 File Juggler 的后台监控处于运行状态，且监控的正是你实际放文件的目录。手动触发一次扫描，看是否能立即生效。

改了规则却没效果。 保存规则后重新运行测试，确认改动已生效；必要时重启后台监控。调试阶段尽量一次只改一个条件，方便定位是哪一处改动带来了变化。

按照"先规划目录、写基于内容的规则、小批量测试、设置兜底、持续复核"这个顺序走下来，你就能把一堆看不出用途的 PDF 和 Word 文档，稳妥地按内容归类，而不用再逐个打开确认。