ExtractFilePageText
Extractie, pagina-eigenschappen
Beschrijving
Extraheert de tekst van elke pagina in een PDF-bestand
Deze functie gebruikt intern de direct access-functionaliteit. Het hele bestand wordt niet in het geheugen geladen, dus deze functie kan op willekeurig grote documenten worden gebruikt
Er zijn twee verschillende methoden om tekst uit de geselecteerde pagina te extraheren, in allerlei uitvoerformaten
De functies DASetTextExtractionWordGap, DASetTextExtractionOptions en
De functies DASetTextExtractionArea kunnen worden gebruikt om het tekstextractieproces aan te passen
Syntaxis
Delphi
Function TPDFlib.ExtractFilePageText(Const InputFileName, Password: WideString; Page, Options: Integer): WideString;ActiveX
Function PDFlib::ExtractFilePageText(InputFileName As String, Password As String, Page As Long, Options As Long) As StringDLL
const wchar_t * DLExtractFilePageText(int InstanceID, const wchar_t * InputFileName, const wchar_t * Password, int Page, int Options);Parameters
| InputFileName | Het pad en de bestandsnaam van het bestand waaruit tekst moet worden geëxtraheerd. Het wachtwoord dat bij het openen van het bestand wordt gebruikt, indien aanwezig |
|---|---|
| Password | Het nummer van de pagina die moet worden geëxtraheerd. De eerste pagina in het document is pagina 1 |
| Page | Met het standaard tekstextractie-algoritme: 0 = Tekst in leesbare vorm extraheren 1 = Verouderd 2 = Een CSV-string retourneren met font, kleur, grootte en positie van elk tekstdeel op de pagina Met het nauwkeurigere maar tragere tekstextractie-algoritme: 3 = Een CSV-string per tekstdeel op de pagina retourneren met het volgende formaat: Font Name, Text Color, Text Size, X1, Y1, X2, Y2, X3, Y3, X4, Y4, Text De coördinaten zijn de vier punten rond de tekst, gemeten in de eenheden die met de functie SetMeasurementUnits zijn ingesteld en met de oorsprong die met de functie SetOrigin is ingesteld. De volgorde is tegen de klok in, met de linkerbenedenhoek eerst. 4 = Vergelijkbaar met optie 3, maar afzonderlijke woorden worden geretourneerd, wat zoeken naar woorden makkelijker maakt 5 = Vergelijkbaar met optie 3, maar de tekenbreedtes worden na elk tekstblok uitgevoerd 6 = Vergelijkbaar met optie 4, maar de tekenbreedtes worden na elke tekstregel uitgevoerd 7 = Tekst in leesbare vorm extraheren, met betere nauwkeurigheid dan optie 0 8 = Zelfde uitvoerformaat als optie 0, maar met het nauwkeurigere algoritme. Retourneert onopgemaakte regels |
| Options |