ExtractFilePageText

Estrazione, proprietà della pagina

Descrizione

Estrae il testo di qualsiasi pagina in un file PDF

Usa internamente Direct Access. Il file completo non viene caricato in memoria, quindi supporta documenti di dimensioni arbitrarie.

Sono disponibili due metodi per estrarre testo dalla pagina selezionata in vari formati

DASetTextExtractionWordGap, DASetTextExtractionOptions e

Le funzioni DASetTextExtractionArea possono essere usate per regolare il processo di estrazione del testo

Function TPDFlib.ExtractFilePageText(Const InputFileName, Password: WideString; Page, Options: Integer): WideString;

Function PDFlib::ExtractFilePageText(InputFileName As String, Password As String, Page As Long, Options As Long) As String

const wchar_t * DLExtractFilePageText(int InstanceID, const wchar_t * InputFileName, const wchar_t * Password, int Page, int Options);

InputFileName	Percorso e nome del file da cui estrarre il testo Password da usare all'apertura, se presente
Password	Numero della pagina da estrarre. La prima pagina del documento è la pagina 1
Page	Con l'algoritmo standard di estrazione del testo: 0 = Estrae il testo in formato leggibile 1 = Obsoleto 2 = Restituisce una stringa CSV comprendente font, colore, dimensioni e posizione di ogni parte di testo nella pagina Con l'algoritmo di estrazione più preciso ma più lento: 3 = Restituisce una stringa CSV per ogni parte di testo nella pagina nel seguente formato: Nome font, Colore testo, Dimensioni testo, X1, Y1, X2, Y2, X3, Y3, X4, Y4, Testo Le coordinate sono i quattro punti che delimitano il testo, misurati con le unità impostate dalla funzione SetMeasurementUnits e l'origine impostata dalla funzione SetOrigin. L'ordine delle coordinate è antiorario a partire dall'angolo inferiore sinistro. 4 = Simile all'opzione 3, ma restituisce le singole parole per facilitarne la ricerca 5 = Simile all'opzione 3, ma emette la larghezza dei caratteri dopo ogni blocco di testo 6 = Simile all'opzione 4, ma emette la larghezza dei caratteri dopo ogni riga di testo 7 = Estrae il testo in formato leggibile con maggiore precisione rispetto all'opzione 0 8 = Formato di output simile all'opzione 0, ma con l'algoritmo più preciso. Restituisce righe non formattate
Options