ExtractFilePageText

Extração, Propriedades da página

Descrição

Extrai o texto de qualquer página em um arquivo PDF

Esta função usa internamente a funcionalidade de acesso direto. O arquivo inteiro não é carregado na memória, então esta função pode ser usada em documentos arbitrariamente grandes

São fornecidos dois métodos diferentes para extrair texto da página selecionada em vários formatos de saída

As funções DASetTextExtractionWordGap, DASetTextExtractionOptions e

DASetTextExtractionArea podem ser usadas para ajustar o processo de extração de texto

Sintaxe

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 String

DLL

const wchar_t * DLExtractFilePageText(int InstanceID, const wchar_t * InputFileName, const wchar_t * Password, int Page, int Options);

Parâmetros

InputFileName	O caminho e o nome do arquivo de onde extrair texto. A senha a usar, se houver, ao abrir o arquivo
Password	O número da página a extrair. A primeira página do documento é a página 1.
Page	Com o algoritmo padrão de extração de texto: 0 = Extrair texto em formato legível 1 = Obsoleto 2 = Retornar uma string CSV com fonte, cor, tamanho e posição de cada trecho de texto da página Com o algoritmo de extração mais preciso, porém mais lento: 3 = Retornar uma string CSV para cada trecho de texto da página no formato: Font Name, Text Color, Text Size, X1, Y1, X2, Y2, X3, Y3, X4, Y4, Text As coordenadas são os quatro pontos que delimitam o texto, medidos com as unidades definidas pela função SetMeasurementUnits e a origem definida pela função SetOrigin. A ordem das coordenadas é anti-horária, começando pelo canto inferior esquerdo. 4 = Semelhante à opção 3, mas retorna palavras individuais, facilitando a busca por palavras 5 = Semelhante à opção 3, mas as larguras dos caracteres são emitidas após cada bloco de texto 6 = Semelhante à opção 4, mas as larguras dos caracteres são emitidas após cada linha de texto 7 = Extrair texto em formato legível, com precisão melhor que a opção 0 8 = Formato de saída semelhante ao da opção 0, mas usando o algoritmo mais preciso. Retorna linhas sem formatação.
Options