SetTextExtractionOptions

Text, Extragere

Descriere

Setează diverse opțiuni care afectează funcționalitatea de extragere a textului

Din 8.13, această funcție setează opțiunile de extragere a textului doar pentru documentul selectat. De asemenea, afectează doar rezultatele funcției GetPageText

function.

Pentru a ajusta extragerea textului pentru funcțiile ExtractFilePageText și DAExtractPageText, folosiți noua funcție DASetTextExtractionOptions

function.

Sintaxă

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);

Parametri

OptionID	1 = Ignoră schimbările de font pentru a permite gruparea blocurilor diferite 2 = Ignoră schimbările de culoare pentru a permite gruparea blocurilor diferite 3 = Ignoră schimbările de bloc de text pentru a permite gruparea blocurilor diferite 4 = Emite valori de culoare CMYK 5 = Sortează blocurile de text după poziția stânga-sus 6 = Descendenți din metricile fontului 7 = Ignoră suprapunerile 8 = Ignoră duplicatele 9 = Împarte la spațiu dublu 10 = Taie caracterele din afara zonei 11 = Potrivire alternativă de blocuri 12 = Ignoră blocurile de text rotite 13 = Taie spațiul alb de la începutul și de la sfârșitul blocurilor de text 14 = Emite caractere non-ASCII sub caracterul Spațiu (0x32) 15 = Elimină anumite șiruri de caractere, precum liniile de underscore (vezi mai jos)
NewValue	Pentru OptionID = 1, 2, 3 și 6: 0 = folosește, 1 = ignoră Pentru OptionID = 4: 0 = afișează ca RGB (implicit), 1 = afișează ca CMYK Pentru OptionID = 5: 0 = nu sorta blocurile (implicit), 1 = sortează blocurile Pentru OptionID = 7, 8 și 12: 0 = nu ignora, 1 = ignoră OptionID = 9: 0 = nu împărți la spațiu dublu (implicit) 1 = împarte la spațiu dublu OptionID = 10: 0 = nu tăia caracterele din afara zonei (implicit) 1 = taie caracterele din afara zonei OptionID = 11: 0 = potrivire obișnuită a blocurilor 1 = potrivire alternativă a blocurilor OptionID = 13: 0 = nu tăia spațiile albe de la început sau sfârșit 1 = taie spațiile albe de la început și sfârșit OptionID = 14 0 = elimină din ieșire caracterele non-ASCII sub caracterul space (implicit) 1 = emite caractere ASCII brute, nefiltrate OptionID = 15 0 = emite liniile de text făcute cu caractere Underscore (implicit) 1 = elimină liniile de text făcute cu caractere Underscore OptionID = 16 0 = păstrează cratimele la capetele de linie (implicit) 1 = reîmbină cuvintele despărțite prin cratimă la capetele de linie în ieșirile orientate pe linii (GetPageText modurile 7 și 9); o continuare cu minusculă elimină cratima și ruperea, iar continuările cu majusculă sau numerice le păstrează OptionID = 17 0 = lasă secvențele show-text așa cum au fost desenate (implicit) 1 = reîmparte secvențele show-text fără spații în cuvinte la pași de avans mult mai mari decât avansul median al glifelor din secvență (GetPageText modurile 7 și 9-11), astfel încât documentele care desenează linii întregi ca un singur operator cu goluri de kerning în loc de spații să se împartă totuși în cuvinte OptionID = 18 0 = extrage secvențele rotite în coordonatele paginii (implicit) 1 = rotește secvențele desenate la 90, 180 sau 270 de grade în cadrul de citire orizontal și le grupează separat pentru fiecare sfert de tură, astfel încât notele de margin rotite, antetele de tabel și etichetele axelor să fie extrase ca linii lizibile, în loc să se intercaleze cu textul vertical; OptionID 12 are în continuare prioritate când ambele sunt setate

OptionID

1 = Ignoră schimbările de font pentru a permite gruparea blocurilor diferite 2 = Ignoră schimbările de culoare pentru a permite gruparea blocurilor diferite 3 = Ignoră schimbările de bloc de text pentru a permite gruparea blocurilor diferite 4 = Emite valori de culoare CMYK 5 = Sortează blocurile de text după poziția stânga-sus 6 = Descendenți din metricile fontului 7 = Ignoră suprapunerile 8 = Ignoră duplicatele 9 = Împarte la spațiu dublu 10 = Taie caracterele din afara zonei 11 = Potrivire alternativă de blocuri 12 = Ignoră blocurile de text rotite 13 = Taie spațiul alb de la începutul și de la sfârșitul blocurilor de text 14 = Emite caractere non-ASCII sub caracterul Spațiu (0x32) 15 = Elimină anumite șiruri de caractere, precum liniile de underscore (vezi mai jos)

NewValue

Pentru OptionID = 1, 2, 3 și 6: 0 = folosește, 1 = ignoră Pentru OptionID = 4: 0 = afișează ca RGB (implicit), 1 = afișează ca CMYK Pentru OptionID = 5: 0 = nu sorta blocurile (implicit), 1 = sortează blocurile Pentru OptionID = 7, 8 și 12: 0 = nu ignora, 1 = ignoră OptionID = 9: 0 = nu împărți la spațiu dublu (implicit) 1 = împarte la spațiu dublu OptionID = 10: 0 = nu tăia caracterele din afara zonei (implicit) 1 = taie caracterele din afara zonei OptionID = 11: 0 = potrivire obișnuită a blocurilor 1 = potrivire alternativă a blocurilor OptionID = 13: 0 = nu tăia spațiile albe de la început sau sfârșit 1 = taie spațiile albe de la început și sfârșit OptionID = 14 0 = elimină din ieșire caracterele non-ASCII sub caracterul space (implicit) 1 = emite caractere ASCII brute, nefiltrate OptionID = 15 0 = emite liniile de text făcute cu caractere Underscore (implicit) 1 = elimină liniile de text făcute cu caractere Underscore OptionID = 16 0 = păstrează cratimele la capetele de linie (implicit) 1 = reîmbină cuvintele despărțite prin cratimă la capetele de linie în ieșirile orientate pe linii (GetPageText modurile 7 și 9); o continuare cu minusculă elimină cratima și ruperea, iar continuările cu majusculă sau numerice le păstrează OptionID = 17 0 = lasă secvențele show-text așa cum au fost desenate (implicit) 1 = reîmparte secvențele show-text fără spații în cuvinte la pași de avans mult mai mari decât avansul median al glifelor din secvență (GetPageText modurile 7 și 9-11), astfel încât documentele care desenează linii întregi ca un singur operator cu goluri de kerning în loc de spații să se împartă totuși în cuvinte OptionID = 18 0 = extrage secvențele rotite în coordonatele paginii (implicit) 1 = rotește secvențele desenate la 90, 180 sau 270 de grade în cadrul de citire orizontal și le grupează separat pentru fiecare sfert de tură, astfel încât notele de margin rotite, antetele de tabel și etichetele axelor să fie extrase ca linii lizibile, în loc să se intercaleze cu textul vertical; OptionID 12 are în continuare prioritate când ambele sunt setate

Valori returnate

0	Parametrul OptionID sau NewValue nu era valid
1	Opțiunea de extragere a textului a fost setată cu succes