ApplyOCRTextLayerEx

OCR, texto, edición de documentos

Descripción

Valida JSON OCR independiente del proveedor, prepara el texto invisible en un búfer aparte y confirma en una página una capa de texto susceptible de búsqueda propia

Sintaxis

Delphi

Function TPDFlib.ApplyOCRTextLayerEx(Page: Integer; Const ResultJSON,
  FontName: WideString; MinConfidence: Double; Options: Integer): Integer;

ActiveX

Function PDFlib::ApplyOCRTextLayerEx(Page As Long, ResultJSON As String,
  FontName As String, MinConfidence As Double, Options As Long) As Long

DLL

int DLApplyOCRTextLayerEx(int InstanceID, int Page, const wchar_t* ResultJSON,
  const wchar_t* FontName, double MinConfidence, int Options);
int DLApplyOCRTextLayerExA(int InstanceID, int Page, const char* ResultJSON,
  const char* FontName, double MinConfidence, int Options);

Parámetros

Page	La página de destino basada en uno
ResultJSON	El esquema de versión 1 descrito por ApplyOCRTextLayer, con puntos finales de línea base verificados e identificadores de jerarquía opcionales
FontName	Una fuente TrueType incrustable o una cadena vacía para seleccionar una fuente de sustitución instalada
MinConfidence	El umbral inclusivo de confianza de palabra de 0 a 1
Options	Una combinación bit a bit de las directivas de capa siguientes; cero añade una nueva capa propia

Opciones

1 — PDF_OCR_SKIP_EXISTING_TEXT	Devuelve éxito sin aplicar OCR cuando un flujo de contenido retenido ajeno a la biblioteca o un Form XObject invocado contiene texto, incluido el texto invisible
2 — PDF_OCR_REPLACE_OWNED_LAYER	Reemplaza cada capa existente que lleve el marcador de OCR exacto de la biblioteca; añade si no existe ninguna capa de OCR propia
3	Omite las páginas con texto ajeno, permitiendo al mismo tiempo reemplazar las páginas de OCR exclusivamente propias

Valores devueltos

1	Se confirmó una capa, la directiva de texto existente omitió la página o ninguna palabra alcanzó el umbral de confianza
0	La entrada, la geometría, las opciones, la codificación de la fuente o la escritura de la capa fallaron

Observaciones

Los bits de opción desconocidos se rechazan

Las coordenadas de origen utilizan el origen superior izquierdo de la imagen renderizada y el cuadro de renderización seleccionado; la rotación de la página y los desplazamientos de cuadro distintos de cero se remiten al espacio de usuario PDF original

Una matriz baseline opcional contiene [x1, y1, x2, y2] en unidades de origen y define la dirección del texto y su avance; una línea base completa no puede llevar además un textAngle distinto de cero

Cada límite de palabra y línea base se comprueba antes del filtrado por confianza; una palabra inválida con confianza baja también provoca el fallo de la operación

El ajuste de la fuente y el tratamiento de los glifos ausentes terminan antes de confirmar la nueva capa de contenido; ninguna palabra de OCR dibujada a medias sustituye a la capa anterior

Solo son capas de OCR propias los flujos con los tres campos exactos /PDFlibOCROwner /PDFlibPas, /PDFlibOCRType /InvisibleText y /PDFlibOCRVersion 1

El reemplazo crea una nueva matriz contents y un nuevo flujo, conservando el contenido ajeno y los flujos que utilizan las páginas hermanas

La capa de OCR utiliza el modo de renderización 3 y un estado gráfico aislado; la colocación cancela la matriz de transformación actual del contenido retenido antes de aplicar la matriz de la palabra

Un resultado aceptado vacío deja las capas anteriores intactas; utilice GetOCRDiagnosticsJSON para distinguir empty, skipped, appended y replaced

La susceptibilidad de búsqueda y los píxeles visibles sin cambios se verifican después de guardar y recargar el documento

Véase también

OCRPageEx, OCRDocumentEx, ConfigureTesseractOCR, GetOCRDiagnosticsJSON, LastOCRError