ExportPageMarkdown
Texto, extracción, Markdown
Descripción
Exporta una página PDF como Markdown semántico mediante los párrafos, listas, encabezados y tablas detectados de la página's
Sintaxis
Delphi
Function TPDFlib.ExportPageMarkdown(Page, Options: Integer): WideString;ActiveX
Function PDFlib::ExportPageMarkdown(Page As Long, Options As Long) As StringDLL
const wchar_t* DLExportPageMarkdown(int InstanceID, int Page, int Options);
const char* DLExportPageMarkdownA(int InstanceID, int Page, int Options);Parámetros
| Page | El número de página con base 1 |
|---|---|
| Options | Combine PDF_MARKDOWN_INCLUDE_PAGE_MARKERS (1), PDF_MARKDOWN_DETECT_HEADINGS (2) y PDF_MARKDOWN_PRESERVE_STYLES (4), o use PDF_MARKDOWN_DEFAULT (7); cero genera bloques semánticos sin marcadores opcionales, inferencia de encabezados ni estilos de fuente |
Valores devueltos
Devuelve texto Markdown o una cadena vacía si falla la validación o la extracción
Observaciones
El análisis usa SetStructuredTextOptions de forma independiente de las Options específicas de formato; examine GetLastStructuredTextDiagnostics para conocer las fuentes de lectura y las advertencias de fallback
El orden real del árbol de etiquetas tiene precedencia cuando las vinculaciones de contenido están completas; el contenido sin resolver o ambiguo conserva el texto extraído en el fallback mixed o geometric, y los roles personalizados desconocidos no se adivinan por su nombre
Las tablas simples sin combinar usan sintaxis de barras verticales; las tablas con celdas combinadas usan HTML incrustado con extensiones de fila y columna, conservando las celdas vacías
La inferencia de encabezados compara párrafos cortos de una sola línea con el tamaño mediano del texto del cuerpo de la página's y genera niveles H1 a H3
El estilo de fuente reconoce nombres de fuentes en negrita y cursiva, además de alineación de superíndice y subíndice cuando PDF_MARKDOWN_PRESERVE_STYLES está habilitado
Los caracteres de sintaxis Markdown se escapan y las celdas de tablas de barras verticales escapan los caracteres de barra vertical incrustados
La extracción conserva la página seleccionada y la pila de etiquetas del escritor abiertas; las etiquetas del escritor aún sin guardar se incluyen sin cerrar etiquetas ni finalizar el documento
Los punteros de retorno de DLL siguen siendo válidos hasta la siguiente llamada que devuelva una cadena en la misma instancia
LastErrorCode es 113 para una página o máscara de opciones no válida y 517 cuando falla la extracción
Véase también
ExportDocumentMarkdown, ExtractStructuredPage, ExportPageHTML