SetStructuredTextOptions
Tekst, extractie, gestructureerde data
Beschrijving
Stelt de instantiebrede analyseopties in voor gestructureerde JSON-, XHTML-, CSV-, Markdown- en DOCX-extractie
Syntaxis
Delphi
Function TPDFlib.SetStructuredTextOptions(Options: Integer): Integer;DLL
Function DLSetStructuredTextOptions(InstanceID: Integer; Options: Integer): Integer; Stdcall;ActiveX
Function PDFlib::SetStructuredTextOptions(Options As Long) As LongParameters
Options combineert de volgende vlaggen; PDF_STRUCTURED_ADVANCED_DEFAULT is 11 en zet kolomdetectie, paginaranddetectie en tabelvoortzetting aan
| Constante | Waarde | Gedrag |
|---|---|---|
PDF_STRUCTURED_DETECT_COLUMNS | 1 | Zoekt consistente geometrische kolomgaten wanneer de getagde volgorde niet beschikbaar is |
PDF_STRUCTURED_DETECT_FURNITURE | 2 | Identificeert herhaalde tekst nabij paginaranden over geselecteerde pagina's heen, inclusief paginanummers |
PDF_STRUCTURED_EXCLUDE_FURNITURE | 4 | Laat geïdentificeerde kop- en voetteksten, paginanummers en expliciete artifacts weg uit geserialiseerde blokken |
PDF_STRUCTURED_JOIN_TABLES | 8 | Coördineert opeenvolgende paginafragmenten van dezelfde getagde tabel, of geometrisch compatibele tabellen nabij tegenoverliggende paginaranden |
PDF_STRUCTURED_INFER_MERGES | 16 | Leidt horizontale samengevoegde cellen af in geometrische tabellen; afgeleide samenvoegingen behouden geometrieherkomst en betrouwbaarheid |
Retourwaarden
Geeft 1 terug bij succes of 0 bij een ongeldig masker; negatieve waarden en onbekende bits worden geweigerd met LastErrorCode 111, en de vorige instelling blijft behouden
Opmerkingen
De instelling blijft op deze instantie bestaan tussen documenten door en geldt voor latere extracties; die staat los van het formaatspecifieke Options-argument van elke exportfunctie
Nul zet deze optionele analysestappen uit maar behoudt de echte tag-tree-volgorde, opgeloste rollen, marked-content-bindingen, ActualText en getagde tabelcellen
Paginaranddetectie behoudt tekst standaard; verwijderen vereist de expliciete uitsluitvlag, en herhaalde randdetectie vereist meerdere geselecteerde pagina's
De getagde leesvolgorde volgt de volledige mixed /K-volgorde, inclusief child-elementen en contentverwijzingen; geometrische kolommen zijn een fallback en worden apart gelabeld
Kolomdetectie ondersteunt maximaal acht geometrische kolommen en is heuristisch; herhaalde randclassificatie, geometrische tabelvoortzetting en afgeleide samenvoegingen kunnen bij ongebruikelijke indelingen onnauwkeurig uitpakken
Getagde celbereiken komen uit structuurattributen; geometrische samenvoeginferentie is opt-in en garandeert geen semantische correctheid
Tabelvoortzetting vereist fragmenten in vooruitlopende volgorde op opeenvolgende bronpagina's en compatibele kolomrasters; omgekeerde, herhaalde of niet-opeenvolgende pagina's worden niet geforceerd samengevoegd
De setter wist de laatste fout voordat het masker wordt gevalideerd
Zie ook
GetStructuredTextOptions, GetLastStructuredTextDiagnostics, ExtractStructuredDocument, ExportDocumentMarkdown, SaveDOCXToStream