SetTextExtractionOptions

Tekst, udtræk

Beskrivelse

Indstiller forskellige valgmuligheder, der påvirker tekstudtrækningsfunktionen

Fra 8.13 angiver denne funktion kun indstillingerne for tekstudtrækning for det valgte dokument. Den påvirker også kun resultaterne fra GetPageText

function.

Brug den nye DASetTextExtractionOptions til at justere tekstudtrækningen for funktionerne ExtractFilePageText og DAExtractPageText

function.

Syntaks

Delphi

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

ActiveX

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

DLL

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

Parametre

OptionID	1 = Ignorer ændringer i Font for at kunne gruppere forskellige blokke 2 = Ignorer ændringer i Color for at kunne gruppere forskellige blokke 3 = Ignorer ændringer i Text Block for at kunne gruppere forskellige blokke 4 = Output CMYK-farveværdier 5 = Sorter tekstblokke efter placeringen øverst til venstre 6 = Underlængder fra skrifttypemetrikker 7 = Ignorer overlapninger 8 = Ignorer dubletter 9 = Opdel ved dobbelt mellemrum 10 = Fjern tegn uden for området 11 = Alternativ blokmatchning 12 = Ignorer roterede tekstblokke 13 = Fjern indledende og afsluttende mellemrum fra tekstblokke 14 = Output ikke-ASCII-tegn under mellemrumstegnet (0x32) 15 = Fjern bestemte tegnstrenge såsom understregningslinjer (se nedenfor)
NewValue	For OptionID = 1, 2, 3 og 6: 0 = Brug, 1 = Ignorér For OptionID = 4: 0 = Vis som RGB (standard), 1 = Vis som CMYK For OptionID = 5: 0 = Sortér ikke blokke (standard), 1 = Sortér blokke For OptionID = 7, 8 og 12: 0 = Ignorér ikke, 1 = Ignorér OptionID = 9: 0 = Opdel ikke ved dobbelt mellemrum (standard) 1 = Opdel ved dobbelt mellemrum OptionID = 10: 0 = Beskær ikke tegn uden for området (standard) 1 = Beskær tegn uden for området OptionID = 11: 0 = Almindelig blokmatchning 1 = Alternativ blokmatchning OptionID = 13: 0 = Beskær ikke indledende eller afsluttende mellemrum 1 = Beskær indledende og afsluttende mellemrum OptionID = 14 0 = Fjern ikke-ASCII-tegn under mellemrumstegnet fra outputtet (standard) 1 = Udskriv rå, ufiltrerede ASCII-tegn OptionID = 15 0 = Behold tekstlinjer oprettet med understregningstegn (standard) 1 = Fjern tekstlinjer oprettet med understregningstegn OptionID = 16 0 = Behold bindestreger ved linjeslutninger (standard) 1 = Sammenføj ord med orddeling på tværs af linjeskift igen i de linjeorienterede output (GetPageText-tilstand 7 og 9); en fortsættelse med lille begyndelsesbogstav fjerner bindestregen og skiftet, mens fortsættelser med stort begyndelsesbogstav eller tal bevarer dem OptionID = 17 0 = Behold show-text-sekvenser som tegnet (standard) 1 = Opdel show-text-sekvenser uden mellemrum igen i ord ved fremføringstrin, der er langt bredere end PDF'ens mediane glyffremføring for sekvensen (GetPageText-tilstand 7 og 9-11), så dokumenter, der tegner hele linjer som én operator med kerningmellemrum i stedet for mellemrum, stadig opdeles i ord OptionID = 18 0 = Udtræk roterede sekvenser i sidekoordinater (standard) 1 = Rotér sekvenser tegnet ved 90, 180 eller 270 grader ind i den vandrette læseramme, og gruppér hver kvart omdrejning separat, så roterede margennoter, tabeloverskrifter og akseetiketter udtrækkes som læsbare linjer i stedet for at blive sammenflettet med den opretstående tekst; OptionID 12 har stadig forrang, hvor begge er angivet

OptionID

1 = Ignorer ændringer i Font for at kunne gruppere forskellige blokke 2 = Ignorer ændringer i Color for at kunne gruppere forskellige blokke 3 = Ignorer ændringer i Text Block for at kunne gruppere forskellige blokke 4 = Output CMYK-farveværdier 5 = Sorter tekstblokke efter placeringen øverst til venstre 6 = Underlængder fra skrifttypemetrikker 7 = Ignorer overlapninger 8 = Ignorer dubletter 9 = Opdel ved dobbelt mellemrum 10 = Fjern tegn uden for området 11 = Alternativ blokmatchning 12 = Ignorer roterede tekstblokke 13 = Fjern indledende og afsluttende mellemrum fra tekstblokke 14 = Output ikke-ASCII-tegn under mellemrumstegnet (0x32) 15 = Fjern bestemte tegnstrenge såsom understregningslinjer (se nedenfor)

NewValue

For OptionID = 1, 2, 3 og 6: 0 = Brug, 1 = Ignorér For OptionID = 4: 0 = Vis som RGB (standard), 1 = Vis som CMYK For OptionID = 5: 0 = Sortér ikke blokke (standard), 1 = Sortér blokke For OptionID = 7, 8 og 12: 0 = Ignorér ikke, 1 = Ignorér OptionID = 9: 0 = Opdel ikke ved dobbelt mellemrum (standard) 1 = Opdel ved dobbelt mellemrum OptionID = 10: 0 = Beskær ikke tegn uden for området (standard) 1 = Beskær tegn uden for området OptionID = 11: 0 = Almindelig blokmatchning 1 = Alternativ blokmatchning OptionID = 13: 0 = Beskær ikke indledende eller afsluttende mellemrum 1 = Beskær indledende og afsluttende mellemrum OptionID = 14 0 = Fjern ikke-ASCII-tegn under mellemrumstegnet fra outputtet (standard) 1 = Udskriv rå, ufiltrerede ASCII-tegn OptionID = 15 0 = Behold tekstlinjer oprettet med understregningstegn (standard) 1 = Fjern tekstlinjer oprettet med understregningstegn OptionID = 16 0 = Behold bindestreger ved linjeslutninger (standard) 1 = Sammenføj ord med orddeling på tværs af linjeskift igen i de linjeorienterede output (GetPageText-tilstand 7 og 9); en fortsættelse med lille begyndelsesbogstav fjerner bindestregen og skiftet, mens fortsættelser med stort begyndelsesbogstav eller tal bevarer dem OptionID = 17 0 = Behold show-text-sekvenser som tegnet (standard) 1 = Opdel show-text-sekvenser uden mellemrum igen i ord ved fremføringstrin, der er langt bredere end PDF'ens mediane glyffremføring for sekvensen (GetPageText-tilstand 7 og 9-11), så dokumenter, der tegner hele linjer som én operator med kerningmellemrum i stedet for mellemrum, stadig opdeles i ord OptionID = 18 0 = Udtræk roterede sekvenser i sidekoordinater (standard) 1 = Rotér sekvenser tegnet ved 90, 180 eller 270 grader ind i den vandrette læseramme, og gruppér hver kvart omdrejning separat, så roterede margennoter, tabeloverskrifter og akseetiketter udtrækkes som læsbare linjer i stedet for at blive sammenflettet med den opretstående tekst; OptionID 12 har stadig forrang, hvor begge er angivet

Returværdier

0	Parameteren OptionID eller NewValue var ugyldig
1	Indstillingen for tekstudtrækning blev angivet