SetStructuredTextOptions
Texto, extracción, datos estructurados
Descripción
Establece las opciones de análisis de la instancia para la extracción a JSON estructurado, XHTML, CSV, Markdown y DOCX
Sintaxis
Delphi
Function TPDFlib.SetStructuredTextOptions(Options: Integer): Integer;DLL
Function DLSetStructuredTextOptions(InstanceID: Integer; Options: Integer): Integer; Stdcall;ActiveX
Function PDFlib::SetStructuredTextOptions(Options As Long) As LongParámetros
Options combina las siguientes banderas; PDF_STRUCTURED_ADVANCED_DEFAULT es 11 y habilita columnas, detección de elementos auxiliares y continuación de tablas
| Constante | Valor | Comportamiento |
|---|---|---|
PDF_STRUCTURED_DETECT_COLUMNS | 1 | Encuentra huecos de columna geométricos consistentes cuando el orden etiquetado no está disponible |
PDF_STRUCTURED_DETECT_FURNITURE | 2 | Identifica texto repetido cerca de los márgenes de página a través de las páginas seleccionadas, incluidos los números de página |
PDF_STRUCTURED_EXCLUDE_FURNITURE | 4 | Omite de los bloques serializados los encabezados, pies de página, números de página y artefactos explícitos identificados |
PDF_STRUCTURED_JOIN_TABLES | 8 | Coordina fragmentos de páginas consecutivas de la misma tabla etiquetada, o tablas geométricamente compatibles cerca de los bordes de páginas enfrentadas |
PDF_STRUCTURED_INFER_MERGES | 16 | Infiere celdas combinadas horizontales en tablas geométricas; las combinaciones inferidas conservan la procedencia geométrica y la confianza |
Valores devueltos
Devuelve 1 en caso de éxito o 0 para una máscara no válida; los valores negativos y los bits desconocidos se rechazan con LastErrorCode 111, y la configuración anterior se conserva
Observaciones
La configuración persiste en esta instancia entre documentos y se aplica a las extracciones posteriores; es independiente del argumento Options específico de formato de cada función de exportación
Cero deshabilita estos pasos opcionales de análisis, pero conserva el orden real del árbol de etiquetas, los roles resueltos, las vinculaciones de contenido marcado, ActualText y las celdas de tablas etiquetadas
La detección de elementos auxiliares conserva el texto de forma predeterminada; la eliminación requiere la bandera explícita de exclusión, y la detección de márgenes repetidos requiere varias páginas seleccionadas
El orden de lectura etiquetado sigue la secuencia mixed completa de /K, incluidos los elementos secundarios y las referencias de contenido; las columnas geométricas son un fallback y se etiquetan por separado
La detección de columnas admite hasta ocho columnas geométricas y es heurística; la clasificación de márgenes repetidos, la continuación geométrica de tablas y las combinaciones inferidas pueden ser imprecisas en diseños inusuales
Las extensiones de celdas etiquetadas provienen de los atributos de estructura; la inferencia geométrica de combinaciones es opcional y no establece corrección semántica
La continuación de tablas requiere fragmentos en orden hacia adelante en páginas de origen consecutivas y cuadrículas de columnas compatibles; las páginas invertidas, repetidas o no consecutivas no se unen de forma forzada
El setter borra el último error antes de validar la máscara
Véase también
GetStructuredTextOptions, GetLastStructuredTextDiagnostics, ExtractStructuredDocument, ExportDocumentMarkdown, SaveDOCXToStream