GetPageText

Kinyerés, oldalkezelés

Leírás

Ez a függvény két különböző módszert kínál a kiválasztott oldal szövegének kinyerésére, és az eredményeket többféle formátumban adja vissza

A SetTextExtractionWordGap, SetTextExtractionOptions és SetTextExtractionArea

függvények használhatók a szövegkinyerési folyamat módosítására

Szintaxis

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);

Paraméterek

ExtractOptions	A szabványos szövegkinyerési algoritmus használatával: 0 = Szöveg kinyerése ember által olvasható formátumban 1 = Elavult 2 = CSV-karakterlánc visszaadása az oldal minden szövegrészének betűtípusával, színével, méretével és helyzetével A pontosabb, de lassabb szövegkinyerési algoritmus használatával: 3 = CSV-karakterlánc visszaadása az oldal minden szövegrészéhez a következő formátumban: Betűtípus neve, Szövegszín, Szövegméret, X1, Y1, X2, Y2, X3, Y3, X4, Y4, Szöveg A koordináták a szöveget határoló négy pontot jelentik, a SetMeasurementUnits függvénnyel beállított egységekben és a SetOrigin függvénnyel megadott origóval mérve. A koordináták sorrendje az óramutató járásával ellentétes, az első a bal alsó sarok. 4 = A 3. beállításhoz hasonló, de egyedi szavakat ad vissza, ami megkönnyíti a szavak keresését 5 = A 3. beállításhoz hasonló, de minden szövegblokk után kiírja a karakterek szélességét 6 = A 4. beállításhoz hasonló, de minden szövegsor után kiírja a karakterek szélességét 7 = Szöveg kinyerése ember által olvasható formátumban, a 0. beállításnál nagyobb pontossággal 8 = A 0. beállításhoz hasonló kimeneti formátum, de a pontosabb algoritmussal. Formázatlan sorokat ad vissza. 9 = Szöveg kinyerése vizuális olvasási sorrendben: a rekurzív XY-cut oszloponként tartja meg a többoszlopos elrendezéseket a sorok összefűzése helyett. 10 = Táblázatérzékeny, tabulátorral elválasztott export: a blokkok bal szélei globális oszloppozíciókba csoportosulnak, így a függőlegesen igazított cellák sorokon át is igazítva maradnak. 11 = Elrendezést megőrző rögzített rácsos szöveg: az oldal valódi szóközökkel kitöltött, egyenletes szélességű karakterrácsra képeződik le, és tabulátorjelek nélkül őrzi a vizuális igazítást

ExtractOptions

A szabványos szövegkinyerési algoritmus használatával: 0 = Szöveg kinyerése ember által olvasható formátumban 1 = Elavult 2 = CSV-karakterlánc visszaadása az oldal minden szövegrészének betűtípusával, színével, méretével és helyzetével A pontosabb, de lassabb szövegkinyerési algoritmus használatával: 3 = CSV-karakterlánc visszaadása az oldal minden szövegrészéhez a következő formátumban: Betűtípus neve, Szövegszín, Szövegméret, X1, Y1, X2, Y2, X3, Y3, X4, Y4, Szöveg A koordináták a szöveget határoló négy pontot jelentik, a SetMeasurementUnits függvénnyel beállított egységekben és a SetOrigin függvénnyel megadott origóval mérve. A koordináták sorrendje az óramutató járásával ellentétes, az első a bal alsó sarok. 4 = A 3. beállításhoz hasonló, de egyedi szavakat ad vissza, ami megkönnyíti a szavak keresését 5 = A 3. beállításhoz hasonló, de minden szövegblokk után kiírja a karakterek szélességét 6 = A 4. beállításhoz hasonló, de minden szövegsor után kiírja a karakterek szélességét 7 = Szöveg kinyerése ember által olvasható formátumban, a 0. beállításnál nagyobb pontossággal 8 = A 0. beállításhoz hasonló kimeneti formátum, de a pontosabb algoritmussal. Formázatlan sorokat ad vissza. 9 = Szöveg kinyerése vizuális olvasási sorrendben: a rekurzív XY-cut oszloponként tartja meg a többoszlopos elrendezéseket a sorok összefűzése helyett. 10 = Táblázatérzékeny, tabulátorral elválasztott export: a blokkok bal szélei globális oszloppozíciókba csoportosulnak, így a függőlegesen igazított cellák sorokon át is igazítva maradnak. 11 = Elrendezést megőrző rögzített rácsos szöveg: az oldal valódi szóközökkel kitöltött, egyenletes szélességű karakterrácsra képeződik le, és tabulátorjelek nélkül őrzi a vizuális igazítást

Visszatérési értékek

	A kijelölt oldal szövege, vagy üres karakterlánc, ha probléma történt. A sorokat CR-LF karakterek választják el