SetTextExtractionOptions

Texto, extracción

Descripción

Establece varias opciones que afectan a la funcionalidad de extracción de texto

Desde 8.13, esta función establece las opciones de extracción de texto solo para el documento seleccionado. También afecta únicamente a los resultados de GetPageText

function.

Para ajustar la extracción de texto de las funciones ExtractFilePageText y DAExtractPageText, utilice la nueva DASetTextExtractionOptions

function.

Sintaxis

Delphi

Function TPDFlib.SetTextExtractionOptions(OptionID, NewValue: Integer): Integer;

ActiveX

Function PDFlib::SetTextExtractionOptions(OptionID As Long, NewValue As Long) As Long

DLL

int DLSetTextExtractionOptions(int InstanceID, int OptionID, int NewValue);

Parámetros

OptionID	1 = Ignorar cambios de fuente para permitir agrupar bloques diferentes 2 = Ignorar cambios de color para permitir agrupar bloques diferentes 3 = Ignorar cambios de bloque de texto para permitir agrupar bloques diferentes 4 = Generar valores de color CMYK 5 = Ordenar los bloques de texto según la posición superior izquierda 6 = Descendentes de las métricas de fuente 7 = Ignorar solapamientos 8 = Ignorar duplicados 9 = Dividir en espacios dobles 10 = Recortar caracteres fuera del área 11 = Correspondencia alternativa de bloques 12 = Ignorar bloques de texto girados 13 = Recortar los espacios en blanco iniciales y finales de los bloques de texto 14 = Generar caracteres no ASCII por debajo del carácter Space (0x32) 15 = Eliminar determinadas cadenas de caracteres, como líneas de guiones bajos (véase más abajo)
NewValue	Para OptionID = 1, 2, 3 y 6: 0 = Utilizar, 1 = Ignorar Para OptionID = 4: 0 = Mostrar como RGB (valor predeterminado), 1 = Mostrar como CMYK Para OptionID = 5: 0 = No ordenar bloques (valor predeterminado), 1 = Ordenar bloques Para OptionID = 7, 8 y 12: 0 = No ignorar, 1 = Ignorar OptionID = 9: 0 = No dividir en espacios dobles (valor predeterminado) 1 = Dividir en espacios dobles OptionID = 10: 0 = No recortar caracteres fuera del área (valor predeterminado) 1 = Recortar caracteres fuera del área OptionID = 11: 0 = Coincidencia de bloques normal 1 = Coincidencia de bloques alternativa OptionID = 13: 0 = No recortar espacios en blanco iniciales o finales 1 = Recortar espacios en blanco iniciales y finales OptionID = 14 0 = Eliminar de la salida los caracteres no ASCII inferiores al carácter de espacio (valor predeterminado) 1 = Generar caracteres ASCII sin procesar ni filtrar OptionID = 15 0 = Generar líneas de texto formadas por caracteres de subrayado (valor predeterminado) 1 = Eliminar líneas de texto formadas por caracteres de subrayado OptionID = 16 0 = Conservar los guiones al final de línea (valor predeterminado) 1 = Volver a unir palabras separadas con guion entre saltos de línea en las salidas orientadas a líneas (modos 7 y 9 de GetPageText); una continuación en minúscula elimina el guion y el salto, mientras que las continuaciones en mayúscula o numéricas los conservan OptionID = 17 0 = Dejar las ejecuciones de mostrar texto tal como se pintaron (valor predeterminado) 1 = Volver a dividir en palabras las ejecuciones sin espacios en pasos de avance mucho mayores que el avance mediano de los glifos de la ejecución (‘avance mediano de los glifos de la ejecución'; modos 7 y 9-11 de GetPageText), para que los documentos que pintan líneas completas como un solo operador con huecos de interletraje en lugar de espacios sigan dividiéndose en palabras OptionID = 18 0 = Extraer las ejecuciones giradas en coordenadas de página (valor predeterminado) 1 = Girar las ejecuciones pintadas a 90, 180 o 270 grados al marco de lectura horizontal y agrupar cada cuarto de vuelta por separado, para que las notas de margen, encabezados de tabla y etiquetas de ejes girados se extraigan como líneas legibles en lugar de entremezclarse con el texto vertical; OptionID 12 sigue teniendo prioridad cuando ambos están establecidos

OptionID

1 = Ignorar cambios de fuente para permitir agrupar bloques diferentes 2 = Ignorar cambios de color para permitir agrupar bloques diferentes 3 = Ignorar cambios de bloque de texto para permitir agrupar bloques diferentes 4 = Generar valores de color CMYK 5 = Ordenar los bloques de texto según la posición superior izquierda 6 = Descendentes de las métricas de fuente 7 = Ignorar solapamientos 8 = Ignorar duplicados 9 = Dividir en espacios dobles 10 = Recortar caracteres fuera del área 11 = Correspondencia alternativa de bloques 12 = Ignorar bloques de texto girados 13 = Recortar los espacios en blanco iniciales y finales de los bloques de texto 14 = Generar caracteres no ASCII por debajo del carácter Space (0x32) 15 = Eliminar determinadas cadenas de caracteres, como líneas de guiones bajos (véase más abajo)

NewValue

Para OptionID = 1, 2, 3 y 6: 0 = Utilizar, 1 = Ignorar Para OptionID = 4: 0 = Mostrar como RGB (valor predeterminado), 1 = Mostrar como CMYK Para OptionID = 5: 0 = No ordenar bloques (valor predeterminado), 1 = Ordenar bloques Para OptionID = 7, 8 y 12: 0 = No ignorar, 1 = Ignorar OptionID = 9: 0 = No dividir en espacios dobles (valor predeterminado) 1 = Dividir en espacios dobles OptionID = 10: 0 = No recortar caracteres fuera del área (valor predeterminado) 1 = Recortar caracteres fuera del área OptionID = 11: 0 = Coincidencia de bloques normal 1 = Coincidencia de bloques alternativa OptionID = 13: 0 = No recortar espacios en blanco iniciales o finales 1 = Recortar espacios en blanco iniciales y finales OptionID = 14 0 = Eliminar de la salida los caracteres no ASCII inferiores al carácter de espacio (valor predeterminado) 1 = Generar caracteres ASCII sin procesar ni filtrar OptionID = 15 0 = Generar líneas de texto formadas por caracteres de subrayado (valor predeterminado) 1 = Eliminar líneas de texto formadas por caracteres de subrayado OptionID = 16 0 = Conservar los guiones al final de línea (valor predeterminado) 1 = Volver a unir palabras separadas con guion entre saltos de línea en las salidas orientadas a líneas (modos 7 y 9 de GetPageText); una continuación en minúscula elimina el guion y el salto, mientras que las continuaciones en mayúscula o numéricas los conservan OptionID = 17 0 = Dejar las ejecuciones de mostrar texto tal como se pintaron (valor predeterminado) 1 = Volver a dividir en palabras las ejecuciones sin espacios en pasos de avance mucho mayores que el avance mediano de los glifos de la ejecución (‘avance mediano de los glifos de la ejecución'; modos 7 y 9-11 de GetPageText), para que los documentos que pintan líneas completas como un solo operador con huecos de interletraje en lugar de espacios sigan dividiéndose en palabras OptionID = 18 0 = Extraer las ejecuciones giradas en coordenadas de página (valor predeterminado) 1 = Girar las ejecuciones pintadas a 90, 180 o 270 grados al marco de lectura horizontal y agrupar cada cuarto de vuelta por separado, para que las notas de margen, encabezados de tabla y etiquetas de ejes girados se extraigan como líneas legibles en lugar de entremezclarse con el texto vertical; OptionID 12 sigue teniendo prioridad cuando ambos están establecidos

Valores devueltos

0	El parámetro OptionID o NewValue no era válido
1	La opción de extracción de texto se estableció correctamente