SetTextExtractionOptions

Tekstas, Išgavimas

Aprašymas

Nustato įvairias teksto ištraukimo funkcionalumą veikiančias parinktis

Nuo 8.13 ši funkcija nustato teksto ištraukimo parinktis tik pasirinktajam dokumentui. Ji taip pat veikia tik GetPageText rezultatus

function.

ExtractFilePageText ir DAExtractPageText funkcijų teksto ištraukimui derinti naudokite naująją DASetTextExtractionOptions

function.

Sintaksė

Delphi

Function TPDFlib.SetTextExtractionOptions(OptionID, NewValue: Integer): Integer;

ActiveX

Function PDFlib::SetTextExtractionOptions(OptionID As Long, NewValue As Long) As Long

DLL

int DLSetTextExtractionOptions(int InstanceID, int OptionID, int NewValue);

Parametrai

OptionID	1 = nepaisyti šriftų pokyčių, kad skirtingieji blokai galėtų būti grupuojami kartu 2 = nepaisyti spalvų pokyčių, kad skirtingieji blokai galėtų būti grupuojami kartu 3 = nepaisyti teksto blokų pokyčių, kad skirtingieji blokai galėtų būti grupuojami kartu 4 = išvesti CMYK spalvų reikšmes 5 = rikiuoti teksto blokus pagal viršutinę kairiąją padėtį 6 = kylančiosios dalys pagal šriftų metrikas 7 = nepaisyti persidengimų 8 = nepaisyti dublikatų 9 = skaidyti ties dvigubu tarpu 10 = karpinti simbolius už srities ribų 11 = alternatyvioji blokų atitikmenų paieška 12 = nepaisyti pasuktųjų teksto blokų 13 = karpinti pradinius ir galinius tarpus iš teksto blokų 14 = išvesti ne ASCII simbolius žemiau tarpo simbolio (0x32) 15 = pašalinti tam tikras simbolių eilutes, tokias kaip apatinio brūkšnio linijos (žr. žemiau)
NewValue	OptionID = 1, 2, 3 ir 6: 0 = naudoti, 1 = nepaisyti OptionID = 4: 0 = rodyti kaip RGB (numatytasis), 1 = rodyti kaip CMYK OptionID = 5: 0 = nerikiuoti blokų (numatytasis), 1 = rikiuoti blokus OptionID = 7, 8 ir 12: 0 = nepaisyti, 1 = nepaisyti OptionID = 9: 0 = neskaidyti ties dvigubu tarpu (numatytasis) 1 = skaidyti ties dvigubu tarpu OptionID = 10: 0 = nekarpyti simbolių už srities ribų (numatytasis) 1 = karpyti simbolius už srities ribų OptionID = 11: 0 = įprastoji blokų atitikmenų paieška 1 = alternatyvioji blokų atitikmenų paieška OptionID = 13: 0 = nekarpyti pradinių arba galinių tarpų 1 = karpyti pradinius ir galinius tarpus OptionID = 14: 0 = pašalinti ne ASCII simbolius žemiau tarpo simbolio iš išvesties (numatytasis) 1 = išvesti neapdorotuosius nefiltruotuosius ASCII simbolius OptionID = 15: 0 = išvesti apatinio brūkšnio simboliais padarytas teksto eilutes (numatytasis) 1 = pašalinti apatinio brūkšnio simboliais padarytas teksto eilutes OptionID = 16: 0 = palikti brūkšnelius eilučių galuose (numatytasis) 1 = vėl sujungti eilučių lūžiuose sujaukintus žodžius eilutes orientuotose išvestyse (GetPageText 7 ir 9 režimai); mažąja raide prasidedantis tęsinys numeta brūkšnelį ir lūžį, o didžiąja raide arba skaitinis tęsinys juos išlaiko OptionID = 17: 0 = palikti show-text sekas pieštais (numatytasis) 1 = vėl skaidyti be tarpo einančias show-text sekas į žodžius ties poslinkiais, gerokai platesniais už sekos medianinį glifo poslinkį (GetPageText 7 ir 9-11 režimai), todėl dokumentai, kurie piešia visas eilutes vienu operatoriumi su kerningo tarpais vietoje tarpų, vis tiek skaidosi į žodžius OptionID = 18: 0 = ištraukti pasuktąsias sekas puslapio koordinatėse (numatytasis) 1 = pasukti 90, 180 arba 270 laipsnių kampu pieštas sekas į horizontalųjį skaitymo rėmą ir kiekvieną ketvirčio sukimą grupuoti atskirai, todėl pasuktosios pakraščio pastabos, lentelės antraštės ir ašių etiketės ištraukiamos kaip skaitomos eilutės, o neužmaišo su statmenuoju tekstu; kai nustatyti abu, OptionID 12 vis tiek laimi

OptionID

1 = nepaisyti šriftų pokyčių, kad skirtingieji blokai galėtų būti grupuojami kartu 2 = nepaisyti spalvų pokyčių, kad skirtingieji blokai galėtų būti grupuojami kartu 3 = nepaisyti teksto blokų pokyčių, kad skirtingieji blokai galėtų būti grupuojami kartu 4 = išvesti CMYK spalvų reikšmes 5 = rikiuoti teksto blokus pagal viršutinę kairiąją padėtį 6 = kylančiosios dalys pagal šriftų metrikas 7 = nepaisyti persidengimų 8 = nepaisyti dublikatų 9 = skaidyti ties dvigubu tarpu 10 = karpinti simbolius už srities ribų 11 = alternatyvioji blokų atitikmenų paieška 12 = nepaisyti pasuktųjų teksto blokų 13 = karpinti pradinius ir galinius tarpus iš teksto blokų 14 = išvesti ne ASCII simbolius žemiau tarpo simbolio (0x32) 15 = pašalinti tam tikras simbolių eilutes, tokias kaip apatinio brūkšnio linijos (žr. žemiau)

NewValue

OptionID = 1, 2, 3 ir 6: 0 = naudoti, 1 = nepaisyti OptionID = 4: 0 = rodyti kaip RGB (numatytasis), 1 = rodyti kaip CMYK OptionID = 5: 0 = nerikiuoti blokų (numatytasis), 1 = rikiuoti blokus OptionID = 7, 8 ir 12: 0 = nepaisyti, 1 = nepaisyti OptionID = 9: 0 = neskaidyti ties dvigubu tarpu (numatytasis) 1 = skaidyti ties dvigubu tarpu OptionID = 10: 0 = nekarpyti simbolių už srities ribų (numatytasis) 1 = karpyti simbolius už srities ribų OptionID = 11: 0 = įprastoji blokų atitikmenų paieška 1 = alternatyvioji blokų atitikmenų paieška OptionID = 13: 0 = nekarpyti pradinių arba galinių tarpų 1 = karpyti pradinius ir galinius tarpus OptionID = 14: 0 = pašalinti ne ASCII simbolius žemiau tarpo simbolio iš išvesties (numatytasis) 1 = išvesti neapdorotuosius nefiltruotuosius ASCII simbolius OptionID = 15: 0 = išvesti apatinio brūkšnio simboliais padarytas teksto eilutes (numatytasis) 1 = pašalinti apatinio brūkšnio simboliais padarytas teksto eilutes OptionID = 16: 0 = palikti brūkšnelius eilučių galuose (numatytasis) 1 = vėl sujungti eilučių lūžiuose sujaukintus žodžius eilutes orientuotose išvestyse (GetPageText 7 ir 9 režimai); mažąja raide prasidedantis tęsinys numeta brūkšnelį ir lūžį, o didžiąja raide arba skaitinis tęsinys juos išlaiko OptionID = 17: 0 = palikti show-text sekas pieštais (numatytasis) 1 = vėl skaidyti be tarpo einančias show-text sekas į žodžius ties poslinkiais, gerokai platesniais už sekos medianinį glifo poslinkį (GetPageText 7 ir 9-11 režimai), todėl dokumentai, kurie piešia visas eilutes vienu operatoriumi su kerningo tarpais vietoje tarpų, vis tiek skaidosi į žodžius OptionID = 18: 0 = ištraukti pasuktąsias sekas puslapio koordinatėse (numatytasis) 1 = pasukti 90, 180 arba 270 laipsnių kampu pieštas sekas į horizontalųjį skaitymo rėmą ir kiekvieną ketvirčio sukimą grupuoti atskirai, todėl pasuktosios pakraščio pastabos, lentelės antraštės ir ašių etiketės ištraukiamos kaip skaitomos eilutės, o neužmaišo su statmenuoju tekstu; kai nustatyti abu, OptionID 12 vis tiek laimi

Grąžinamos reikšmės

0	OptionID arba NewValue parametras buvo netinkamas
1	Teksto ištraukimo parinktis nustatyta sėkmingai