GetPageText

Ekstraksi, Manipulasi halaman

Deskripsi

Fungsi ini menyediakan dua metode berbeda untuk mengekstrak teks dari halaman terpilih, dan menyajikan hasilnya dalam beragam format

Fungsi SetTextExtractionWordGap, SetTextExtractionOptions, dan SetTextExtractionArea

fungsi bisa dipakai untuk menyesuaikan proses ekstraksi teks

Sintaks

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);

Parameter

ExtractOptions	Memakai algoritma ekstraksi teks standar: 0 = Ekstrak teks dalam format yang mudah dibaca 1 = Deprecated 2 = Kembalikan string CSV yang mencakup font, warna, ukuran, dan posisi setiap potongan teks di halaman Memakai algoritma ekstraksi teks yang lebih akurat tapi lebih lambat: 3 = Kembalikan string CSV untuk setiap potongan teks di halaman dengan format berikut: Font Name, Text Color, Text Size, X1, Y1, X2, Y2, X3, Y3, X4, Y4, Text Koordinatnya adalah empat titik yang membatasi teks, diukur memakai satuan yang diset lewat fungsi SetMeasurementUnits dan origin yang diset lewat fungsi SetOrigin. Urutan koordinat berlawanan arah jarum jam dengan pojok kiri bawah lebih dulu 4 = Mirip opsi 3, tetapi yang dikembalikan per kata sehingga pencarian kata lebih mudah 5 = Mirip opsi 3 tetapi lebar karakter dicetak setelah setiap block teks 6 = Mirip opsi 4 tetapi lebar karakter dicetak setelah setiap baris teks 7 = Ekstrak teks dalam format yang mudah dibaca dengan akurasi lebih baik dibanding opsi 0 8 = Format keluaran mirip opsi 0 tetapi memakai algoritma yang lebih akurat. Mengembalikan baris tanpa format 9 = Ekstrak teks dalam urutan baca visual: XY-cut rekursif menjaga layout multi-kolom tetap per kolom alih-alih menyisipkan baris 10 = Ekspor ber-tab yang sadar tabel: tepi kiri block mengelompok menjadi posisi kolom global sehingga cell yang sejajar vertikal tetap lurus antar baris 11 = Teks fixed-grid yang mempertahankan layout: halaman dipetakan ke grid karakter monospace yang dipadati spasi asli, menjaga keselarasan visual tanpa tab stop

ExtractOptions

Memakai algoritma ekstraksi teks standar: 0 = Ekstrak teks dalam format yang mudah dibaca 1 = Deprecated 2 = Kembalikan string CSV yang mencakup font, warna, ukuran, dan posisi setiap potongan teks di halaman Memakai algoritma ekstraksi teks yang lebih akurat tapi lebih lambat: 3 = Kembalikan string CSV untuk setiap potongan teks di halaman dengan format berikut: Font Name, Text Color, Text Size, X1, Y1, X2, Y2, X3, Y3, X4, Y4, Text Koordinatnya adalah empat titik yang membatasi teks, diukur memakai satuan yang diset lewat fungsi SetMeasurementUnits dan origin yang diset lewat fungsi SetOrigin. Urutan koordinat berlawanan arah jarum jam dengan pojok kiri bawah lebih dulu 4 = Mirip opsi 3, tetapi yang dikembalikan per kata sehingga pencarian kata lebih mudah 5 = Mirip opsi 3 tetapi lebar karakter dicetak setelah setiap block teks 6 = Mirip opsi 4 tetapi lebar karakter dicetak setelah setiap baris teks 7 = Ekstrak teks dalam format yang mudah dibaca dengan akurasi lebih baik dibanding opsi 0 8 = Format keluaran mirip opsi 0 tetapi memakai algoritma yang lebih akurat. Mengembalikan baris tanpa format 9 = Ekstrak teks dalam urutan baca visual: XY-cut rekursif menjaga layout multi-kolom tetap per kolom alih-alih menyisipkan baris 10 = Ekspor ber-tab yang sadar tabel: tepi kiri block mengelompok menjadi posisi kolom global sehingga cell yang sejajar vertikal tetap lurus antar baris 11 = Teks fixed-grid yang mempertahankan layout: halaman dipetakan ke grid karakter monospace yang dipadati spasi asli, menjaga keselarasan visual tanpa tab stop

Nilai kembalian

	Teks halaman terpilih, atau string kosong jika terjadi masalah. Baris dipisahkan karakter CR-LF