ExportPageMarkdown
Texto, extracción, Markdown
Descripción
Exporta una página PDF como Markdown semántico utilizando los párrafos, listas, encabezados y tablas detectados de la 'página'
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 basado en uno |
|---|---|
| Options | Combine PDF_MARKDOWN_INCLUDE_PAGE_MARKERS (1), PDF_MARKDOWN_DETECT_HEADINGS (2) y PDF_MARKDOWN_PRESERVE_STYLES (4), o utilice PDF_MARKDOWN_DEFAULT (7); cero emite bloques semánticos sin marcadores opcionales, inferencia de encabezados ni estilo de fuente |
Valores devueltos
Devuelve texto Markdown, o una cadena vacía cuando falla la validación o la extracción
Observaciones
El análisis utiliza SetStructuredTextOptions con independencia de las Options específicas de formato; consulte GetLastStructuredTextDiagnostics para conocer las fuentes de lectura y las advertencias de recurso alternativo
El orden real del árbol de etiquetas tiene prioridad cuando las vinculaciones de contenido están completas; el contenido sin resolver o ambiguo conserva el texto extraído en el recurso alternativo mixto o geométrico, y los roles personalizados desconocidos no se adivinan por su nombre
Las tablas simples sin celdas combinadas utilizan sintaxis de barras verticales; las tablas con celdas combinadas utilizan HTML incrustado con extensiones de fila y columna, conservando las celdas vacías
La inferencia de encabezados compara párrafos breves de una línea con el tamaño mediano del texto del cuerpo de la página ('median') y produce niveles H1 a H3
El estilo de fuente reconoce nombres de fuentes en negrita y cursiva, además de la alineación de superíndice y subíndice, cuando se activa PDF_MARKDOWN_PRESERVE_STYLES
Los caracteres de sintaxis Markdown se protegen y las celdas de las tablas con barras verticales protegen los caracteres de barra vertical incrustados
La extracción conserva la página seleccionada y la pila de etiquetas del escritor abiertas; las etiquetas del escritor sin guardar se incluyen sin etiquetas de cierre ni finalizar el documento
Los punteros devueltos por la DLL siguen siendo válidos hasta la siguiente llamada que devuelve una cadena en la misma instancia
LastErrorCode es 113 para una página o máscara de opciones no válidas y 517 cuando falla la extracción
Véase también
ExportDocumentMarkdown, ExtractStructuredPage, ExportPageHTML