GetPageText

Išgavimas, Puslapių tvarkymas

Aprašymas

Ši funkcija leidžia dviem skirtingais būdais ištraukti tekstą iš pasirinktojo puslapio ir pateikia rezultatus įvairiais formatais

Teksto ištraukimo procesui derinti naudojamos SetTextExtractionWordGap, SetTextExtractionOptions ir SetTextExtractionArea

funkcijos

Sintaksė

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);

Parametrai

ExtractOptions	Naudojant standartinį teksto ištraukimo algoritmą: 0 = ištraukti tekstą žmogui skaitomu formatu 1 = pasenęs 2 = grąžinti CSV eilutę su kiekvieno puslapio teksto gabalo šriftu, spalva, dydžiu ir padėtimi Naudojant tikslesnį, bet lėtesnį teksto ištraukimo algoritmą: 3 = grąžinti kiekvieno puslapio teksto gabalo CSV eilutę šiuo formatu: Font Name, Text Color, Text Size, X1, Y1, X2, Y2, X3, Y3, X4, Y4, Text Koordinatės yra keturi tekstą aprėpiantys taškai, išmatuoti SetMeasurementUnits funkcijos nustatytais vienetais, o pradžios taškas – SetOrigin funkcijos nustatytas. Koordinatės išdėstytos prieš laikrodžio rodyklę, pirmiausia apatinis kairysis kampas 4 = kaip 3 variantas, tik grąžinami atskiri žodžiai, palengvinantys žodžių paiešką 5 = kaip 3 variantas, bet po kiekvieno teksto bloko išvedami simbolių pločiai 6 = kaip 4 variantas, bet po kiekvienos teksto eilutės išvedami simbolių pločiai 7 = ištraukti tekstą žmogui skaitomu formatu, tiksliau nei 0 variantu 8 = taip pat, kaip 0 varianto išvesties formatas, bet taikant tikslesnį algoritmą. Grąžina neformatuotas eilutes 9 = ištraukti tekstą vizualine skaitymo tvarka: rekursyvus XY pjūvis daugiastulpelius išdėstymus palieka stulpelio po stulpelio, neužmaišydamas eilučių 10 = lentelėms pritaikytas tabuliacijos atskirtas eksportas: blokų kairieji kraštai susigrupuoja į globalias stulpelių pozicijas, todėl vertikaliai sulygiuoti langeliai išlieka sulygiuoti eilutėse 11 = išdėstymą išlaikantis fiksuoto tinklelio tekstas: puslapis atvaizduojamas lygiapločio simbolių tinklelyje, papildytame tikraisiais tarpais, išlaikant vizualinį lygiavimą be tabuliavimo žymių

ExtractOptions

Naudojant standartinį teksto ištraukimo algoritmą: 0 = ištraukti tekstą žmogui skaitomu formatu 1 = pasenęs 2 = grąžinti CSV eilutę su kiekvieno puslapio teksto gabalo šriftu, spalva, dydžiu ir padėtimi Naudojant tikslesnį, bet lėtesnį teksto ištraukimo algoritmą: 3 = grąžinti kiekvieno puslapio teksto gabalo CSV eilutę šiuo formatu: Font Name, Text Color, Text Size, X1, Y1, X2, Y2, X3, Y3, X4, Y4, Text Koordinatės yra keturi tekstą aprėpiantys taškai, išmatuoti SetMeasurementUnits funkcijos nustatytais vienetais, o pradžios taškas – SetOrigin funkcijos nustatytas. Koordinatės išdėstytos prieš laikrodžio rodyklę, pirmiausia apatinis kairysis kampas 4 = kaip 3 variantas, tik grąžinami atskiri žodžiai, palengvinantys žodžių paiešką 5 = kaip 3 variantas, bet po kiekvieno teksto bloko išvedami simbolių pločiai 6 = kaip 4 variantas, bet po kiekvienos teksto eilutės išvedami simbolių pločiai 7 = ištraukti tekstą žmogui skaitomu formatu, tiksliau nei 0 variantu 8 = taip pat, kaip 0 varianto išvesties formatas, bet taikant tikslesnį algoritmą. Grąžina neformatuotas eilutes 9 = ištraukti tekstą vizualine skaitymo tvarka: rekursyvus XY pjūvis daugiastulpelius išdėstymus palieka stulpelio po stulpelio, neužmaišydamas eilučių 10 = lentelėms pritaikytas tabuliacijos atskirtas eksportas: blokų kairieji kraštai susigrupuoja į globalias stulpelių pozicijas, todėl vertikaliai sulygiuoti langeliai išlieka sulygiuoti eilutėse 11 = išdėstymą išlaikantis fiksuoto tinklelio tekstas: puslapis atvaizduojamas lygiapločio simbolių tinklelyje, papildytame tikraisiais tarpais, išlaikant vizualinį lygiavimą be tabuliavimo žymių

Grąžinamos reikšmės

	Pasirinktojo puslapio tekstas arba tuščia eilutė, jei įvyko problema. Eilutės atskiriamos CR-LF simboliais