ExtractFilePageText
Извлечение, Свойства страницы
Описание
Извлекает текст любой страницы PDF-файла
Внутри функция использует механизм прямого доступа: весь файл не загружается в память, поэтому она работает с документами любого размера
Для извлечения текста из выбранной страницы предусмотрены два разных метода и несколько форматов вывода
Функции DASetTextExtractionWordGap, DASetTextExtractionOptions и
DASetTextExtractionArea позволяют скорректировать извлечение текста
Синтаксис
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 StringDLL
const wchar_t * DLExtractFilePageText(int InstanceID, const wchar_t * InputFileName, const wchar_t * Password, int Page, int Options);Параметры
| InputFileName | Путь и имя файла, из которого извлекается текст Пароль для открытия файла, если он требуется |
|---|---|
| Password | Номер извлекаемой страницы. Первая страница документа имеет номер 1 |
| Page | Стандартный алгоритм извлечения текста: 0 = извлечь текст в человекочитаемом виде 1 = устарел 2 = вернуть CSV-строку со шрифтом, цветом, размером и позицией каждого фрагмента текста на странице Более точный, но медленный алгоритм: 3 = вернуть CSV-строку для каждого фрагмента текста в формате: Font Name, Text Color, Text Size, X1, Y1, X2, Y2, X3, Y3, X4, Y4, Text Координаты — четыре точки, ограничивающие текст, в единицах, заданных функцией SetMeasurementUnits, с началом координат из SetOrigin. Порядок обхода — против часовой стрелки, начиная с левого нижнего угла 4 = похоже на вариант 3, но возвращаются отдельные слова, что упрощает поиск 5 = похоже на вариант 3, но после каждого блока текста выводятся ширины символов 6 = похоже на вариант 4, но ширины символов выводятся после каждой строки 7 = извлечь текст в человекочитаемом виде с большей точностью, чем вариант 0 8 = формат вывода как в варианте 0, но более точный алгоритм; строки возвращаются без форматирования |
| Options |