GetPageText

Izdvajanje, manipulacija stranicama

Opis

Ova funkcija nudi dva različita načina izdvajanja teksta s odabrane stranice i prikazuje rezultate u raznim formatima

Funkcije SetTextExtractionWordGap, SetTextExtractionOptions i SetTextExtractionArea

funkcije mogu se upotrijebiti za prilagodbu postupka izdvajanja teksta

Sintaksa

Delphi

Function TPDFlib.GetPageText(ExtractOptions: Integer): WideString;

ActiveX

Function PDFlib::GetPageText(ExtractOptions As Long) As String

DLL

const wchar_t * DLGetPageText(int InstanceID, int ExtractOptions);

Parametri

ExtractOptions	Uz standardni algoritam izdvajanja teksta: 0 = Izdvoji tekst u ljudima čitljivom formatu 1 = Zastarjelo 2 = Vrati CSV niz znakova s fontom, bojom, veličinom i položajem svakog dijela teksta na stranici Uz točniji, ali sporiji algoritam izdvajanja teksta: 3 = Vrati CSV niz znakova za svaki dio teksta na stranici u sljedećem formatu: Font Name, Text Color, Text Size, X1, Y1, X2, Y2, X3, Y3, X4, Y4, Text Koordinate su četiri točke koje omeđuju tekst, izmjerene jedinicama postavljenim funkcijom SetMeasurementUnits i ishodištem postavljenim funkcijom SetOrigin. Redoslijed koordinata je suprotan smjeru kazaljke na satu, pri čemu je donji lijevi kut prvi 4 = Slično opciji 3, ali vraćaju se pojedinačne riječi, što olakšava pretraživanje riječi 5 = Slično opciji 3, ali se širine znakova ispisuju nakon svakog bloka teksta 6 = Slično opciji 4, ali se širine znakova ispisuju nakon svakog retka teksta 7 = Izdvaja tekst u ljudima čitljivom formatu uz poboljšanu točnost u usporedbi s opcijom 0 8 = Sličan izlazni format kao opcija 0, ali uz točniji algoritam. Vraća neformatirane retke 9 = Izdvaja tekst u vizualnom redoslijedu čitanja: rekurzivni XY-rez zadržava višestupčane rasporedе stupac po stupac umjesto ispreplitanja redaka 10 = Izvoz osviješten za tablice, odvojen tabulatorima: lijevi rubovi blokova grupiraju se u globalne pozicije stupaca pa vertikalno poravnate ćelije ostaju poravnate kroz retke 11 = Tekst u fiksnoj mreži koja čuva raspored: stranica se preslikava na znakovnu mrežu jednake širine ispunjenu stvarnim razmacima, čime se čuva vizualno poravnanje bez tabulatorskih pozicija

ExtractOptions

Uz standardni algoritam izdvajanja teksta: 0 = Izdvoji tekst u ljudima čitljivom formatu 1 = Zastarjelo 2 = Vrati CSV niz znakova s fontom, bojom, veličinom i položajem svakog dijela teksta na stranici Uz točniji, ali sporiji algoritam izdvajanja teksta: 3 = Vrati CSV niz znakova za svaki dio teksta na stranici u sljedećem formatu: Font Name, Text Color, Text Size, X1, Y1, X2, Y2, X3, Y3, X4, Y4, Text Koordinate su četiri točke koje omeđuju tekst, izmjerene jedinicama postavljenim funkcijom SetMeasurementUnits i ishodištem postavljenim funkcijom SetOrigin. Redoslijed koordinata je suprotan smjeru kazaljke na satu, pri čemu je donji lijevi kut prvi 4 = Slično opciji 3, ali vraćaju se pojedinačne riječi, što olakšava pretraživanje riječi 5 = Slično opciji 3, ali se širine znakova ispisuju nakon svakog bloka teksta 6 = Slično opciji 4, ali se širine znakova ispisuju nakon svakog retka teksta 7 = Izdvaja tekst u ljudima čitljivom formatu uz poboljšanu točnost u usporedbi s opcijom 0 8 = Sličan izlazni format kao opcija 0, ali uz točniji algoritam. Vraća neformatirane retke 9 = Izdvaja tekst u vizualnom redoslijedu čitanja: rekurzivni XY-rez zadržava višestupčane rasporedе stupac po stupac umjesto ispreplitanja redaka 10 = Izvoz osviješten za tablice, odvojen tabulatorima: lijevi rubovi blokova grupiraju se u globalne pozicije stupaca pa vertikalno poravnate ćelije ostaju poravnate kroz retke 11 = Tekst u fiksnoj mreži koja čuva raspored: stranica se preslikava na znakovnu mrežu jednake širine ispunjenu stvarnim razmacima, čime se čuva vizualno poravnanje bez tabulatorskih pozicija

Povratne vrijednosti

	Tekst odabrane stranice ili prazan niz znakova ako je došlo do problema. Retci su odvojeni znakovima CR-LF