GetPageText

Uttrekk, Sidemanipulering

Beskrivelse

Denne funksjonen tilbyr to ulike metoder for å trekke ut tekst fra den valgte siden, og presenterer resultatene i flere formater

SetTextExtractionWordGap-, SetTextExtractionOptions- og SetTextExtractionArea-funksjonene

funksjonene kan brukes til å justere tekstuttrekksprosessen

Syntaks

Delphi

Function TPDFlib.GetPageText(ExtractOptions: Integer): WideString;

ActiveX

Function PDFlib::GetPageText(ExtractOptions As Long) As String

DLL

const wchar_t * DLGetPageText(int InstanceID, int ExtractOptions);

Parametere

ExtractOptions	Med standard tekstuttrekksalgoritme: 0 = Trekk ut tekst i lesbart format 1 = Foreldet 2 = Returner en CSV-streng med skrifttype, farge, størrelse og posisjon for hver tekstbit på siden Med den mer nøyaktige, men tregere tekstuttrekksalgoritmen: 3 = Returner en CSV-streng for hver tekstbit på siden med følgende format: Font Name, Text Color, Text Size, X1, Y1, X2, Y2, X3, Y3, X4, Y4, Text Koordinatene er de fire punktene som omgir teksten, målt med enhetene satt med SetMeasurementUnits-funksjonen og origo satt med SetOrigin-funksjonen. Koordinatrekkefølgen er mot klokken med nedre venstre hjørne først 4 = Som alternativ 3, men individuelle ord returneres, noe som gjør ordsøk enklere 5 = Som alternativ 3, men tegnbredder skrives ut etter hver tekstblokk 6 = Som alternativ 4, men tegnbredder skrives ut etter hver tekstlinje 7 = Trekk ut tekst i lesbart format med bedre nøyaktighet enn alternativ 0 8 = Samme utdataformat som alternativ 0, men med den mer nøyaktige algoritmen. Returnerer uformaterte linjer 9 = Trekk ut tekst i visuell leseretning: en rekursiv XY-kutting beholder fler kolonnelayouter kolonne for kolonne i stedet for å flette linjene 10 = Tabellbevisst tabulatoratskilt eksport: blokkenes venstre kanter klynges til globale kolonneposisjoner slik at vertikalt justerte celler forblir justert på tvers av rader 11 = Layoutbevarende tekst med fast rutenett: siden kartlegges på et monospace-tegnrutenett utfylt med ekte mellomrom, noe som bevarer visuell justering uten tabulatorstopp

ExtractOptions

Med standard tekstuttrekksalgoritme: 0 = Trekk ut tekst i lesbart format 1 = Foreldet 2 = Returner en CSV-streng med skrifttype, farge, størrelse og posisjon for hver tekstbit på siden Med den mer nøyaktige, men tregere tekstuttrekksalgoritmen: 3 = Returner en CSV-streng for hver tekstbit på siden med følgende format: Font Name, Text Color, Text Size, X1, Y1, X2, Y2, X3, Y3, X4, Y4, Text Koordinatene er de fire punktene som omgir teksten, målt med enhetene satt med SetMeasurementUnits-funksjonen og origo satt med SetOrigin-funksjonen. Koordinatrekkefølgen er mot klokken med nedre venstre hjørne først 4 = Som alternativ 3, men individuelle ord returneres, noe som gjør ordsøk enklere 5 = Som alternativ 3, men tegnbredder skrives ut etter hver tekstblokk 6 = Som alternativ 4, men tegnbredder skrives ut etter hver tekstlinje 7 = Trekk ut tekst i lesbart format med bedre nøyaktighet enn alternativ 0 8 = Samme utdataformat som alternativ 0, men med den mer nøyaktige algoritmen. Returnerer uformaterte linjer 9 = Trekk ut tekst i visuell leseretning: en rekursiv XY-kutting beholder fler kolonnelayouter kolonne for kolonne i stedet for å flette linjene 10 = Tabellbevisst tabulatoratskilt eksport: blokkenes venstre kanter klynges til globale kolonneposisjoner slik at vertikalt justerte celler forblir justert på tvers av rader 11 = Layoutbevarende tekst med fast rutenett: siden kartlegges på et monospace-tegnrutenett utfylt med ekte mellomrom, noe som bevarer visuell justering uten tabulatorstopp

Returverdier

	Teksten på den valgte siden, eller en tom streng hvis et problem oppsto. Linjer atskilles med CR-LF-tegn