GetPageTextA

Extractie, paginabewerking

Beschrijving

De afsluitende A geeft het ANSI (char)-DLL-entrypoint aan; het ActiveX/COM-oppervlak biedt alleen de Unicode-vorm. Het gedrag is identiek aan GetPageText en stringargumenten worden geïnterpreteerd volgens de huidige SetAnsiMode-codepagina

Deze functie biedt twee verschillende methoden om tekst uit de geselecteerde pagina te extraheren en presenteert de resultaten in allerlei formaten

De functies SetTextExtractionWordGap, SetTextExtractionOptions en SetTextExtractionArea

functies kunnen worden gebruikt om het tekstextractieproces aan te passen

Syntaxis

Delphi

Function DLGetPageTextA(InstanceID, ExtractOptions: Integer): PAnsiChar;

DLL

const char * DLGetPageTextA(int InstanceID, int ExtractOptions);

Parameters

ExtractOptions	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. 9 = Tekst extraheren in visuele leesvolgorde: een recursieve XY-cut houdt meerkolomige layouts kolom voor kolom in plaats van regels te interleaven. 10 = Tabelbewuste tabgescheiden export: linker randen van blokken clusteren naar globale kolomposities, zodat verticaal uitgelijnde cellen over rijen uitgelijnd blijven. 11 = Layout-bewarend vaste-rastertekst: de pagina wordt op een monospace-tekenraster afgebeeld, opgevuld met echte spaties, zodat de visuele uitlijning zonder tabstops behouden blijft

ExtractOptions

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. 9 = Tekst extraheren in visuele leesvolgorde: een recursieve XY-cut houdt meerkolomige layouts kolom voor kolom in plaats van regels te interleaven. 10 = Tabelbewuste tabgescheiden export: linker randen van blokken clusteren naar globale kolomposities, zodat verticaal uitgelijnde cellen over rijen uitgelijnd blijven. 11 = Layout-bewarend vaste-rastertekst: de pagina wordt op een monospace-tekenraster afgebeeld, opgevuld met echte spaties, zodat de visuele uitlijning zonder tabstops behouden blijft

Retourwaarden

	De tekst van de geselecteerde pagina, of een lege string als er een probleem was. Regels worden gescheiden door CR-LF-tekens