DAExtractPageText

Extraction, Direct access functionality, Page manipulation

Popis

Tato funkce nabízí dvě různé metody extrakce textu z vybrané stránky a výsledky prezentuje v řadě formátů

Funkce DASetTextExtractionWordGap, DASetTextExtractionOptions a

Funkce DASetTextExtractionArea lze použít k úpravě procesu extrakce textu

Function TPDFlib.DAExtractPageText(FileHandle, PageRef, Options: Integer): WideString;

Function PDFlib::DAExtractPageText(FileHandle As Long, PageRef As Long, Options As Long) As String

const wchar_t * DLDAExtractPageText(int InstanceID, int FileHandle, int PageRef, int Options);

FileHandle	Handle vrácený funkcemi DAOpenFile, DAOpenFileReadOnly nebo DAOpenFromStream
PageRef	Odkaz na stránku vrácený funkcí DAFindPage nebo DANewPage
Options	Při použití standardního algoritmu extrakce textu: 0 = Extrahovat text v lidsky čitelném formátu 1 = Zastaralé 2 = Vrátit řetězec CSV obsahující font, barvu, velikost a pozici každé části textu na stránce Při použití přesnějšího, ale pomalejšího algoritmu extrakce textu: 3 = Vrátit řetězec CSV pro každou část textu na stránce v tomto formátu: Font Name, Text Color, Text Size, X1, Y1, X2, Y2, X3, Y3, X4, Y4, Text Souřadnice jsou čtyři body ohraničující text, měřené v jednotkách nastavených funkcí SetMeasurementUnits s počátkem nastaveným funkcí SetOrigin. Pořadí souřadnic je proti směru hodinových ručiček, počínaje levým dolním rohem. 4 = Podobné volbě 3, ale vrací jednotlivá slova, což usnadňuje hledání slov 5 = Podobné volbě 3, ale po každém bloku textu se vypíší šířky znaků 6 = Podobné volbě 4, ale šířky znaků se vypíší po každém řádku textu 7 = Extrahovat text v lidsky čitelném formátu s vyšší přesností než volba 0 8 = Podobný formát výstupu jako volba 0, ale s přesnějším algoritmem. Vrací neformátované řádky