GetPageText

Udtræk, sidehåndtering

Beskrivelse

Denne funktion indeholder to forskellige metoder til udtrækning af tekst fra den valgte side og præsenterer resultaterne i forskellige formater

SetTextExtractionWordGap, SetTextExtractionOptions og SetTextExtractionArea

-funktionerne kan bruges til at justere tekstudtrækningsprocessen

Syntaks

Delphi

Function TPDFlib.GetPageText(ExtractOptions: Integer): WideString;

ActiveX

Function PDFlib::GetPageText(ExtractOptions As Long) As String

DLL

const wchar_t * DLGetPageText(int InstanceID, int ExtractOptions);

Parametre

ExtractOptions	Med standardalgoritmen til tekstudtrækning: 0 = Udtræk tekst i menneskeligt læsbart format 1 = Forældet 2 = Returnér en CSV-streng med skrifttype, farve, størrelse og placering for hvert tekststykke på siden Med den mere nøjagtige, men langsommere algoritme til tekstudtrækning: 3 = Returnér en CSV-streng for hvert tekststykke på siden med følgende format: Skrifttypenavn, tekstfarve, tekststørrelse, X1, Y1, X2, Y2, X3, Y3, X4, Y4, tekst Koordinaterne er de fire punkter, der afgrænser teksten, målt med de enheder, der er angivet af funktionen SetMeasurementUnits, og det udgangspunkt, der er angivet af funktionen SetOrigin. Koordinatrækkefølgen er mod uret med nederste venstre hjørne først. 4 = Svarer til indstilling 3, men enkelte ord returneres, hvilket gør det lettere at søge efter ord 5 = Svarer til indstilling 3, men tegnbredder udsendes efter hver tekstblok 6 = Svarer til indstilling 4, men tegnbredder udsendes efter hver tekstlinje 7 = Udtræk tekst i menneskeligt læsbart format med forbedret nøjagtighed i forhold til indstilling 0 8 = Samme outputformat som indstilling 0, men med den mere nøjagtige algoritme. Returnerer uformaterede linjer. 9 = Udtræk tekst i visuel læserækkefølge: et rekursivt XY-snit bevarer layout med flere kolonner kolonne for kolonne i stedet for at sammenflette linjer. 10 = Tabelbevidst tabulatorsepareret eksport: blokkenes venstre kanter grupperes i globale kolonneplaceringer, så lodret justerede celler forbliver justeret på tværs af rækker. 11 = Layoutbevarende tekst med fast gitter: siden tilknyttes et tegnraster med fast bredde udfyldt med virkelige mellemrum, så den visuelle justering bevares uden tabulatorstop.

ExtractOptions

Med standardalgoritmen til tekstudtrækning: 0 = Udtræk tekst i menneskeligt læsbart format 1 = Forældet 2 = Returnér en CSV-streng med skrifttype, farve, størrelse og placering for hvert tekststykke på siden Med den mere nøjagtige, men langsommere algoritme til tekstudtrækning: 3 = Returnér en CSV-streng for hvert tekststykke på siden med følgende format: Skrifttypenavn, tekstfarve, tekststørrelse, X1, Y1, X2, Y2, X3, Y3, X4, Y4, tekst Koordinaterne er de fire punkter, der afgrænser teksten, målt med de enheder, der er angivet af funktionen SetMeasurementUnits, og det udgangspunkt, der er angivet af funktionen SetOrigin. Koordinatrækkefølgen er mod uret med nederste venstre hjørne først. 4 = Svarer til indstilling 3, men enkelte ord returneres, hvilket gør det lettere at søge efter ord 5 = Svarer til indstilling 3, men tegnbredder udsendes efter hver tekstblok 6 = Svarer til indstilling 4, men tegnbredder udsendes efter hver tekstlinje 7 = Udtræk tekst i menneskeligt læsbart format med forbedret nøjagtighed i forhold til indstilling 0 8 = Samme outputformat som indstilling 0, men med den mere nøjagtige algoritme. Returnerer uformaterede linjer. 9 = Udtræk tekst i visuel læserækkefølge: et rekursivt XY-snit bevarer layout med flere kolonner kolonne for kolonne i stedet for at sammenflette linjer. 10 = Tabelbevidst tabulatorsepareret eksport: blokkenes venstre kanter grupperes i globale kolonneplaceringer, så lodret justerede celler forbliver justeret på tværs af rækker. 11 = Layoutbevarende tekst med fast gitter: siden tilknyttes et tegnraster med fast bredde udfyldt med virkelige mellemrum, så den visuelle justering bevares uden tabulatorstop.

Returværdier

	Teksten på den valgte side eller en tom streng, hvis der opstod et problem. Linjer adskilles med CR-LF-tegn.