ExportDocumentMarkdown

Tekst, extractie, Markdown

Beschrijving

Exporteert een geselecteerd PDF-paginabereik naar één semantische Markdown-string, geschikt voor zoekindexering, knowledge bases en language-model-inname

Syntaxis

Delphi

Function TPDFlib.ExportDocumentMarkdown(Const PageRange: WideString;
  Options: Integer): WideString;

ActiveX

Function PDFlib::ExportDocumentMarkdown(PageRange As String,
  Options As Long) As String

DLL

const wchar_t* DLExportDocumentMarkdown(int InstanceID,
  const wchar_t* PageRange, int Options);
const char* DLExportDocumentMarkdownA(int InstanceID,
  const char* PageRange, int Options);

Parameters

Retourwaarden

Geeft de gecombineerde Markdown-tekst terug, of een lege string wanneer validatie, annulering of extractie mislukt

Opmerkingen

De analyse gebruikt SetStructuredTextOptions onafhankelijk van de formaatspecifieke Options; bekijk GetLastStructuredTextDiagnostics voor leesbronnen en fallback-waarschuwingen

Echte tag-tree-volgorde gaat voor wanneer contentbindingen compleet zijn; onopgeloste of dubbelzinnige content behoudt geëxtraheerde tekst in mixed- of geometric-fallback, en onbekende aangepaste rollen worden niet uit hun namen afgeleid

Documentbrede analyse kan tabelfragmenten over opeenvolgende bronpagina’s heen samenvoegen en herhaalde paginarandelementen herkennen; standaard behoudt randdetectie de tekst

Samengevoegde of voortgezette tabellen gebruiken één ingebedde HTML-tabel, behouden lege cellen en laten geïdentificeerde herhaalde vervolgkoppen weg

Met paginamarkeringen ingeschakeld beginnen pagina’s normaal met <!-- page: N -->; een voortgezette tabel laat markeringen binnen de open HTML-tabel weg

De expliciete paginavolgorde blijft behouden; omgekeerde of niet-opeenvolgende paginaselecties worden niet geforceerd samengevoegd

Geselecteerde paginamodellen en het volledige Markdown-resultaat worden gebufferd voor documentbrede analyse; de stream- en bestands-API’s houden ook dit analysismodel en uitvoerbuffers vast

Extractie behoudt de geselecteerde pagina en de open writer-tagstack; huidige niet-opgeslagen writer-tags worden zonder sluitingstags meegenomen zonder het document af te ronden

Voortgang en coöperatieve annulering gebruiken de normale levenscyclus van documentbewerkingen

LastErrorCode is 113 bij een ongeldig bereik of ongeldig optiemasker en 517 wanneer extractie mislukt

Zie ook

ExportPageMarkdown, SaveMarkdownToStream, ExtractStructuredDocument