DAExtractPageTextA
Extracción, funcionalidad de acceso directo, manipulación de páginas
Descripción
La A final indica el punto de entrada ANSI (char) de la DLL; la interfaz ActiveX/COM solo expone la forma Unicode. El comportamiento es idéntico a DAExtractPageText y los argumentos de cadena se interpretan con la página de códigos actual de SetAnsiMode
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
Sintaxis
Delphi
Function DLDAExtractPageTextA(InstanceID, FileHandle, PageRef, Options: Integer): PAnsiChar;DLL
const char * DLDAExtractPageTextA(int InstanceID, int FileHandle, int PageRef, int Options);Parámetros
| 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 |