SetTextExtractionOptions

Tekst, extractie

Beschrijving

Stelt diverse opties in die de tekstextractiefunctionaliteit beïnvloeden

Vanaf 8.13 stelt deze functie de tekstextractieopties alleen voor het geselecteerde document in. Ook heeft die alleen invloed op de resultaten van GetPageText

function.

Gebruik de nieuwe DASetTextExtractionOptions om de tekstextractie voor de functies ExtractFilePageText en DAExtractPageText aan te passen

function.

Syntaxis

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);

Parameters

OptionID1 = Fontwijzigingen negeren om verschillende blokken samen te kunnen groeperen 2 = Kleurwijzigingen negeren om verschillende blokken samen te kunnen groeperen 3 = Wijzigingen in tekstblokken negeren om verschillende blokken samen te kunnen groeperen 4 = CMYK-kleurwaarden uitvoeren 5 = Tekstblokken sorteren op positie linksboven 6 = Descenders uit fontmetrics 7 = Overlappen negeren 8 = Duplicaten negeren 9 = Splitsen op dubbele spatie 10 = Tekens buiten het gebied afknippen 11 = Alternatieve blokmatching 12 = Gedraaide tekstblokken negeren 13 = Voor- en naloopwitruimte van tekstblokken afknippen 14 = Niet-ASCII-tekens onder het spatie-teken (0x32) uitvoeren 15 = Bepaalde tekenreeksen verwijderen, zoals onderstreeplijnen (zie hieronder)
NewValueVoor OptionID = 1, 2, 3 en 6: 0 = Gebruiken, 1 = Negeren Voor OptionID = 4: 0 = Als RGB tonen (standaard), 1 = Als CMYK tonen Voor OptionID = 5: 0 = Blokken niet sorteren (standaard), 1 = Blokken sorteren Voor OptionID = 7, 8 en 12: 0 = Niet negeren, 1 = Negeren OptionID = 9: 0 = Niet splitsen op dubbele spatie (standaard) 1 = Splitsen op dubbele spatie OptionID = 10: 0 = Tekens buiten het gebied niet afkappen (standaard) 1 = Tekens buiten het gebied afkappen OptionID = 11: 0 = Gewone blokmatching 1 = Alternatieve blokmatching OptionID = 13: 0 = Witruimte aan begin en einde niet afkappen 1 = Witruimte aan begin en einde afkappen OptionID = 14 0 = Niet-ASCII-tekens onder het spatieteken uit de uitvoer verwijderen (standaard) 1 = Rauwe ongefilterde ASCII-tekens uitvoeren OptionID = 15 0 = Met underscore-tekens gemaakte tekstregels uitvoeren (standaard) 1 = Met underscore-tekens gemaakte tekstregels verwijderen OptionID = 16 0 = Koppeltekens aan regeleinden behouden (standaard) 1 = Woorden die over een regeleinde zijn afgebroken weer samenvoegen in de regelgeoriënteerde uitvoer (GetPageText-modi 7 en 9); begint het vervolg met een kleine letter, dan vervallen het koppelteken en de afbreking, bij een hoofdletter of cijfer blijven ze staan OptionID = 17 0 = Show-text-reeksen laten zoals getekend (standaard) 1 = Spatie-loze show-text-reeksen opnieuw in woorden splitsen bij advance-stappen die veel breder zijn dan de mediaan-glyph-advance van de reeks (GetPageText-modi 7 en 9-11), zodat documenten die hele regels als één operator tekenen met kerningafstanden in plaats van spaties alsnog in woorden splitsen OptionID = 18 0 = Gedraaide reeksen in paginacoördinaten extraheren (standaard) 1 = Reeksen die op 90, 180 of 270 graden zijn getekend in het horizontale leeskader draaien en elke kwartslag apart groeperen, zodat gedraaide kanttekeningen, tabelkoppen en aslabels als leesbare regels extraheren in plaats van door de rechtopstaande tekst te lopen; waar beide zijn gezet wint OptionID 12 nog steeds

Retourwaarden

0De parameter OptionID of NewValue was ongeldig
1De tekstextractieoptie is ingesteld