SetStructuredTextOptions

テキスト、抽出、構造化データ

説明

構造化 JSON、XHTML、CSV、Markdown、DOCX 抽出のための、インスタンス全体の解析オプションを設定します

Function TPDFlib.SetStructuredTextOptions(Options: Integer): Integer;

Function DLSetStructuredTextOptions(InstanceID: Integer; Options: Integer): Integer; Stdcall;

Function PDFlib::SetStructuredTextOptions(Options As Long) As Long

Options は次のフラグを組み合わせます。PDF_STRUCTURED_ADVANCED_DEFAULT は 11 で、段組み検出、装飾要素検出、テーブル連結を有効にします

定数	値	動作
`PDF_STRUCTURED_DETECT_COLUMNS`	1	タグ付き順序が使えない場合に、一貫した幾何学的な段の隙間を見つけます
`PDF_STRUCTURED_DETECT_FURNITURE`	2	選択されたページのページ余白付近にある繰り返しテキスト (ページ番号を含む) を識別します
`PDF_STRUCTURED_EXCLUDE_FURNITURE`	4	識別されたヘッダー、フッター、ページ番号、明示的なアーティファクトを、シリアライズされるブロックから除きます
`PDF_STRUCTURED_JOIN_TABLES`	8	同じタグ付きテーブルの連続するページ断片や、見開きページ端付近の幾何的に互換なテーブルを連結します
`PDF_STRUCTURED_INFER_MERGES`	16	幾何テーブルの水平方向の結合セルを推論します。推論された結合は幾何の由来と信頼度を保持します

成功で 1、無効なマスクで 0 を返します。負の値と未知のビットは LastErrorCode 111 で拒否され、以前の設定が保持されます

この設定はインスタンス上でドキュメントをまたいで保持され、以降の抽出に適用されます。各エクスポート関数のフォーマット固有の Options 引数とは別物です

0 にすると、これらのオプションの解析ステップが無効になります。ただし実際のタグツリー順序、解決済みロール、マーク付きコンテンツのバインディング、ActualText、タグ付きテーブルセルは保持されます

装飾要素の検出は既定ではテキストを保持します。除去には明示的な除外フラグが必要で、余白の繰り返し検出には複数の選択ページが必要です

タグ付き読み取り順序は、子要素やコンテンツ参照を含む完全な mixed な /K シーケンスに従います。幾何段組みはフォールバックで、別々にラベル付けされます

段組み検出は最大 8 段までで、ヒューリスティックです。余白の繰り返し分類、幾何テーブルの連結、推論された結合は、普通でないレイアウトでは不正確になることがあります

タグ付きセルスパンは構造属性から得られます。幾何的な結合推論はオプトインであり、意味的な正しさを保証するものではありません

テーブル連結は、連続するソースページに順方向の断片があり、列グリッドに互換性がある場合にだけ機能します。逆順、繰り返し、連続しないページは無理に連結されません

このセッターは、マスクを検証する前に最新のエラーをクリアします