ExportDocumentMarkdown

Текст, извлечение, Markdown

Описание

Экспортирует выбранный диапазон страниц PDF в одну семантическую строку Markdown, пригодную для поисковых индексов, баз знаний и загрузки в языковые модели

Синтаксис

Delphi

Function TPDFlib.ExportDocumentMarkdown(Const PageRange: WideString;
  Options: Integer): WideString;

ActiveX

Function PDFlib::ExportDocumentMarkdown(PageRange As String,
  Options As Long) As String

DLL

const wchar_t* DLExportDocumentMarkdown(int InstanceID,
  const wchar_t* PageRange, int Options);
const char* DLExportDocumentMarkdownA(int InstanceID,
  const char* PageRange, int Options);

Параметры

Возвращаемые значения

Возвращает собранный текст Markdown либо пустую строку при сбое валидации, отмены или извлечения

Примечания

Анализ использует SetStructuredTextOptions независимо от специфичных для формата Options; источники чтения и предупреждения о резервных путях смотрите в GetLastStructuredTextDiagnostics

Когда привязки содержимого полны, приоритет имеет реальный порядок дерева тегов; неразрешённое или неоднозначное содержимое удерживает извлечённый текст в mixed- или geometric-резерве, а неизвестные пользовательские роли не угадываются по их именам

Анализ по всему документу может соединять фрагменты таблиц с последовательных исходных страниц и опознавать повторяющиеся служебные элементы у полей; обнаружение служебных элементов по умолчанию сохраняет текст

Объединённые и продолженные таблицы используют одну встроенную HTML-таблицу, сохраняют пустые ячейки и опускают опознанные повторяющиеся заголовки продолжения

С включёнными маркерами страниц страницы обычно начинаются с <!-- page: N -->; продолженная таблица опускает маркеры внутри открытой HTML-таблицы

Явный порядок страниц сохраняется; обращённые или непоследовательные выборки страниц принудительно не соединяются

Модели выбранных страниц и полный результат Markdown буферизуются для анализа по всему документу; stream- и file-API также удерживают эту модель анализа и буферы вывода

Извлечение сохраняет выбранную страницу и открытый стек тегов писателя; текущие несохранённые теги писателя включаются без закрывающих тегов и без финализации документа

Прогресс и кооперативная отмена используют обычный жизненный цикл операций с документом

LastErrorCode возвращает 113 при некорректном диапазоне или маске опций и 517 при сбое извлечения

См. также

ExportPageMarkdown, SaveMarkdownToStream, ExtractStructuredDocument