GetPageTextA

Извлечение, манипуляция страницами

Описание

Завершающая A обозначает точку входа ANSI (char) в DLL; интерфейс ActiveX/COM открывает только Unicode-форму. Поведение идентично GetPageText, а строковые аргументы интерпретируются в кодовой странице, заданной текущим режимом SetAnsiMode

Функция предлагает два разных способа извлечения текста из выбранной страницы и представляет результат в нескольких форматах

Функции SetTextExtractionWordGap, SetTextExtractionOptions и SetTextExtractionArea

позволяют скорректировать извлечение текста

Синтаксис

Delphi

Function DLGetPageTextA(InstanceID, ExtractOptions: Integer): PAnsiChar;

DLL

const char * DLGetPageTextA(int InstanceID, int ExtractOptions);

Параметры

ExtractOptions	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 в формате: Font Name, Text Color, Text Size, X1, Y1, X2, Y2, X3, Y3, X4, Y4, Text Координаты — четыре точки, ограничивающие текст, в единицах из SetMeasurementUnits с началом координат из SetOrigin; порядок обхода — против часовой стрелки от левого нижнего угла 4 = похоже на вариант 3, но возвращаются отдельные слова, что упрощает поиск 5 = похоже на вариант 3, но после каждого блока выводятся ширины символов 6 = похоже на вариант 4, но ширины символов выводятся после каждой строки 7 = человекочитаемый текст с большей точностью, чем вариант 0 8 = формат вывода как в варианте 0, но более точный алгоритм; строки без форматирования 9 = извлечение в визуальном порядке чтения: рекурсивный XY-cut идёт по многоколоночным макетам колонка за колонкой, не перемешивая строки 10 = таблично-ориентированный экспорт с табуляцией: левые края блоков кластеризуются в глобальные позиции столбцов, вертикально выровненные ячейки остаются выровненными по строкам 11 = текст с фиксированной сеткой, сохраняющий макет: страница отображается на монопространственную символьную сетку с реальными пробелами, визуальное выравнивание сохраняется без табуляций

ExtractOptions

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 в формате: Font Name, Text Color, Text Size, X1, Y1, X2, Y2, X3, Y3, X4, Y4, Text Координаты — четыре точки, ограничивающие текст, в единицах из SetMeasurementUnits с началом координат из SetOrigin; порядок обхода — против часовой стрелки от левого нижнего угла 4 = похоже на вариант 3, но возвращаются отдельные слова, что упрощает поиск 5 = похоже на вариант 3, но после каждого блока выводятся ширины символов 6 = похоже на вариант 4, но ширины символов выводятся после каждой строки 7 = человекочитаемый текст с большей точностью, чем вариант 0 8 = формат вывода как в варианте 0, но более точный алгоритм; строки без форматирования 9 = извлечение в визуальном порядке чтения: рекурсивный XY-cut идёт по многоколоночным макетам колонка за колонкой, не перемешивая строки 10 = таблично-ориентированный экспорт с табуляцией: левые края блоков кластеризуются в глобальные позиции столбцов, вертикально выровненные ячейки остаются выровненными по строкам 11 = текст с фиксированной сеткой, сохраняющий макет: страница отображается на монопространственную символьную сетку с реальными пробелами, визуальное выравнивание сохраняется без табуляций

Возвращаемые значения

	Текст выбранной страницы либо пустая строка при проблеме; строки разделяются CR-LF