DASetTextExtractionOptions

Text, Extrakce, Funkce přímého přístupu

Popis

Nastaví různé volby ovlivňující funkci extrakce textu

Tato funkce ovlivňuje pouze výsledky funkcí ExtractFilePageText a DAExtractPageText

Syntaxe

Delphi

Function TPDFlib.DASetTextExtractionOptions(OptionID, NewValue: Integer): Integer;

ActiveX

Function PDFlib::DASetTextExtractionOptions(OptionID As Long, NewValue As Long) As Long

DLL

int DLDASetTextExtractionOptions(int InstanceID, int OptionID, int NewValue);

Parametry

OptionID	1 = Ignorovat změny fontu, aby se daly různé bloky seskupit dohromady 2 = Ignorovat změny barvy, aby se daly různé bloky seskupit dohromady 3 = Ignorovat změny textového bloku, aby se daly různé bloky seskupit dohromady 4 = Vypsat barevné hodnoty CMYK 5 = Řadit textové bloky podle pozice vlevo nahoře 6 = Sestupné části písmen z metrik fontu 7 = Ignorovat překryvy 8 = Ignorovat duplicity 9 = Dělit na dvojité mezerě 10 = Oříznout znaky mimo oblast 11 = Alternativní párování bloků 12 = Ignorovat otočené textové bloky 13 = Oříznout úvodní a koncové bílé znaky z textových bloků 14 = Vypsat neznaky ASCII pod znakem mezera (0x32) 15 = Odstranit určité řetězce znaků, například řady podtržítek (viz níže) 16 = Znovu spojit slova dělená zlomem řádku spojovníkem 17 = Rozdělit runy show-text bez mezer na slova po širokých krocích posunu 18 = Otočit runy o 90, 180 a 270 stupňů do vodorovného čtecího rámu
NewValue	Pro OptionID = 1, 2, 3 a 6: 0 = Použít, 1 = Ignorovat Pro OptionID = 4: 0 = Zobrazit jako RGB (výchozí), 1 = Zobrazit jako CMYK Pro OptionID = 5: 0 = Neřadit bloky (výchozí), 1 = Řadit bloky Pro OptionID = 7, 8 a 12: 0 = Neignorovat, 1 = Ignorovat OptionID = 9: 0 = Nedělit podle dvojité mezery (výchozí) 1 = Dělit podle dvojité mezery OptionID = 10: 0 = Neodstraňovat znaky mimo oblast (výchozí) 1 = Odstranit znaky mimo oblast OptionID = 11: 0 = Běžné párování bloků 1 = Alternativní párování bloků OptionID = 13: 0 = Neodstraňovat počáteční ani koncové mezery 1 = Odstranit počáteční a koncové mezery OptionID = 14 0 = Odstranit z výstupu ne-ASCII znaky pod mezerou (výchozí) 1 = Vypsat surové nefiltrované ASCII znaky OptionID = 15 0 = Vypsat textové řádky složené z podtržítek (výchozí) 1 = Odstranit textové řádky složené z podtržítek OptionID = 16 0 = Ponechat spojovník i zlom řádku (výchozí) 1 = Znovu spojit slova rozdělená přes konec řádku, pokud pokračování začíná malým písmenem; spojení se aplikuje na výstup v pořadí čtení, který DAExtractPageText nevystavuje, takže extrakce přes file handle spojovník ponechá OptionID = 17 0 = Ponechat úseky bez mezer tak, jak byly vykresleny (výchozí) 1 = Rozdělit úseky na slova v krocích posunu výrazně širších, než je medián posunu glyfu úseku OptionID = 18 0 = Extrahovat otočené úseky v souřadnicích stránky (výchozí) 1 = Otočit úseky vykreslené pod 90, 180 nebo 270 stupni do vodorovného čtecího rámu a seskupit každou čtvrtotáčku zvlášť, takže otočené poznámky na okraji, hlavičky tabulek a popisky os se extrahují jako čitelné řádky, aniž by se proplétaly se vzpřímeným textem; když jsou nastaveny obě volby, OptionID 12 stále vítězí

OptionID

1 = Ignorovat změny fontu, aby se daly různé bloky seskupit dohromady 2 = Ignorovat změny barvy, aby se daly různé bloky seskupit dohromady 3 = Ignorovat změny textového bloku, aby se daly různé bloky seskupit dohromady 4 = Vypsat barevné hodnoty CMYK 5 = Řadit textové bloky podle pozice vlevo nahoře 6 = Sestupné části písmen z metrik fontu 7 = Ignorovat překryvy 8 = Ignorovat duplicity 9 = Dělit na dvojité mezerě 10 = Oříznout znaky mimo oblast 11 = Alternativní párování bloků 12 = Ignorovat otočené textové bloky 13 = Oříznout úvodní a koncové bílé znaky z textových bloků 14 = Vypsat neznaky ASCII pod znakem mezera (0x32) 15 = Odstranit určité řetězce znaků, například řady podtržítek (viz níže) 16 = Znovu spojit slova dělená zlomem řádku spojovníkem 17 = Rozdělit runy show-text bez mezer na slova po širokých krocích posunu 18 = Otočit runy o 90, 180 a 270 stupňů do vodorovného čtecího rámu

NewValue

Pro OptionID = 1, 2, 3 a 6: 0 = Použít, 1 = Ignorovat Pro OptionID = 4: 0 = Zobrazit jako RGB (výchozí), 1 = Zobrazit jako CMYK Pro OptionID = 5: 0 = Neřadit bloky (výchozí), 1 = Řadit bloky Pro OptionID = 7, 8 a 12: 0 = Neignorovat, 1 = Ignorovat OptionID = 9: 0 = Nedělit podle dvojité mezery (výchozí) 1 = Dělit podle dvojité mezery OptionID = 10: 0 = Neodstraňovat znaky mimo oblast (výchozí) 1 = Odstranit znaky mimo oblast OptionID = 11: 0 = Běžné párování bloků 1 = Alternativní párování bloků OptionID = 13: 0 = Neodstraňovat počáteční ani koncové mezery 1 = Odstranit počáteční a koncové mezery OptionID = 14 0 = Odstranit z výstupu ne-ASCII znaky pod mezerou (výchozí) 1 = Vypsat surové nefiltrované ASCII znaky OptionID = 15 0 = Vypsat textové řádky složené z podtržítek (výchozí) 1 = Odstranit textové řádky složené z podtržítek OptionID = 16 0 = Ponechat spojovník i zlom řádku (výchozí) 1 = Znovu spojit slova rozdělená přes konec řádku, pokud pokračování začíná malým písmenem; spojení se aplikuje na výstup v pořadí čtení, který DAExtractPageText nevystavuje, takže extrakce přes file handle spojovník ponechá OptionID = 17 0 = Ponechat úseky bez mezer tak, jak byly vykresleny (výchozí) 1 = Rozdělit úseky na slova v krocích posunu výrazně širších, než je medián posunu glyfu úseku OptionID = 18 0 = Extrahovat otočené úseky v souřadnicích stránky (výchozí) 1 = Otočit úseky vykreslené pod 90, 180 nebo 270 stupni do vodorovného čtecího rámu a seskupit každou čtvrtotáčku zvlášť, takže otočené poznámky na okraji, hlavičky tabulek a popisky os se extrahují jako čitelné řádky, aniž by se proplétaly se vzpřímeným textem; když jsou nastaveny obě volby, OptionID 12 stále vítězí

Návratové hodnoty

0	Parametr OptionID nebo NewValue nebyl platný
1	Volba extrakce textu se úspěšně nastavila