DAExtractPageText

Extracción, funcionalidad de acceso directo, manipulación de páginas

Descripción

Esta función proporciona dos métodos distintos para extraer texto de la página seleccionada y presenta los resultados en diversos formatos

DASetTextExtractionWordGap, DASetTextExtractionOptions y

Las funciones DASetTextExtractionArea se pueden usar para ajustar el proceso de extracción de texto

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	Un identificador devuelto por las funciones DAOpenFile, DAOpenFileReadOnly o DAOpenFromStream
PageRef	Una referencia de página devuelta por las funciones DAFindPage o DANewPage
Options	Con el algoritmo estándar de extracción de texto: 0 = Extraer texto en formato legible por humanos 1 = En desuso 2 = Devolver una cadena CSV que incluya fuente, color, tamaño y posición de cada fragmento de texto de la página Con el algoritmo de extracción de texto más preciso pero más lento: 3 = Devolver una cadena CSV para cada fragmento de texto de la página con el formato siguiente: Nombre de fuente, color de texto, tamaño de texto, X1, Y1, X2, Y2, X3, Y3, X4, Y4, texto Las coordenadas son los cuatro puntos que delimitan el texto, medidos mediante las unidades establecidas con la función SetMeasurementUnits y el origen establecido con la función SetOrigin El orden de las coordenadas es en sentido antihorario con la esquina inferior izquierda primero 4 = Similar a la opción 3, pero se devuelven palabras individuales, lo que facilita buscar palabras 5 = Similar a la opción 3, pero se generan anchuras de caracteres después de cada bloque de texto 6 = Similar a la opción 4, pero se generan anchuras de caracteres después de cada línea de texto 7 = Extraer texto en formato legible por humanos con mayor precisión en comparación con la opción 0 8 = Formato de salida similar a la opción 0, pero utilizando el algoritmo más preciso Devuelve líneas sin formato