SetTextExtractionOptions

Текст, извлечение

Описание

Задаёт различные опции, влияющие на извлечение текста

С версии 8.13 функция задаёт опции извлечения текста только для выбранного документа и влияет только на результаты GetPageText

function.

Для настройки извлечения текста в ExtractFilePageText и DAExtractPageText используйте новую функцию DASetTextExtractionOptions

function.

Синтаксис

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);

Параметры

OptionID	1 = игнорировать смену шрифта, чтобы группировать разные блоки вместе 2 = игнорировать смену цвета, чтобы группировать разные блоки вместе 3 = игнорировать смену текстовых блоков, чтобы группировать разные блоки вместе 4 = выводить цветовые значения CMYK 5 = сортировать текстовые блоки по позиции левого верхнего угла 6 = нижние выносные элементы из метрик шрифта 7 = игнорировать перекрытия 8 = игнорировать дубликаты 9 = разбивать по двойному пробелу 10 = обрезать символы вне области 11 = альтернативное сопоставление блоков 12 = игнорировать повернутые текстовые блоки 13 = обрезать начальные и конечные пробелы в текстовых блоках 14 = выводить не-ASCII символы ниже символа Space (0x32) 15 = удалять определенные символьные последовательности, например линии из подчеркиваний (см. ниже)
NewValue	Для OptionID = 1, 2, 3 и 6: 0 = использовать, 1 = игнорировать Для OptionID = 4: 0 = показывать как RGB (по умолчанию), 1 = как CMYK Для OptionID = 5: 0 = не сортировать блоки (по умолчанию), 1 = сортировать Для OptionID = 7, 8 и 12: 0 = не игнорировать, 1 = игнорировать OptionID = 9: 0 = не разбивать по двойному пробелу (по умолчанию), 1 = разбивать OptionID = 10: 0 = не обрезать символы вне области (по умолчанию), 1 = обрезать OptionID = 11: 0 = обычное сопоставление блоков, 1 = альтернативное OptionID = 13: 0 = не обрезать пробелы по краям, 1 = обрезать OptionID = 14 0 = удалять не-ASCII символы ниже пробела из вывода (по умолчанию), 1 = выводить необработанные ASCII-символы OptionID = 15 0 = выводить строки из символов подчёркивания (по умолчанию), 1 = удалять их OptionID = 16 0 = сохранять дефисы на концах строк (по умолчанию), 1 = склеивать слова с переносом в строчно-ориентированных выводах (GetPageText режимы 7 и 9); продолжение со строчной убирает дефис и разрыв, с прописной или цифры — сохраняет OptionID = 17 0 = оставлять показ текста как нарисовано (по умолчанию), 1 = переразбивать показ без пробелов на слова по шагам подачи заметно шире медианной подачи глифа фрагмента (GetPageText режимы 7 и 9-11), чтобы документы, рисующие целые строки одним оператором с кернинговыми зазорами вместо пробелов, тоже разбивались на слова OptionID = 18 0 = извлекать повернутые фрагменты в координатах страницы (по умолчанию), 1 = разворачивать фрагменты, нарисованные на 90, 180 или 270 градусов, в горизонтальную рамку чтения и группировать каждый поворот отдельно, чтобы повернутые пометки на полях, заголовки таблиц и подписи осей извлекались читаемыми строками, не перемешиваясь с прямым текстом; при выставленных обоих побеждает OptionID 12

OptionID

1 = игнорировать смену шрифта, чтобы группировать разные блоки вместе 2 = игнорировать смену цвета, чтобы группировать разные блоки вместе 3 = игнорировать смену текстовых блоков, чтобы группировать разные блоки вместе 4 = выводить цветовые значения CMYK 5 = сортировать текстовые блоки по позиции левого верхнего угла 6 = нижние выносные элементы из метрик шрифта 7 = игнорировать перекрытия 8 = игнорировать дубликаты 9 = разбивать по двойному пробелу 10 = обрезать символы вне области 11 = альтернативное сопоставление блоков 12 = игнорировать повернутые текстовые блоки 13 = обрезать начальные и конечные пробелы в текстовых блоках 14 = выводить не-ASCII символы ниже символа Space (0x32) 15 = удалять определенные символьные последовательности, например линии из подчеркиваний (см. ниже)

NewValue

Для OptionID = 1, 2, 3 и 6: 0 = использовать, 1 = игнорировать Для OptionID = 4: 0 = показывать как RGB (по умолчанию), 1 = как CMYK Для OptionID = 5: 0 = не сортировать блоки (по умолчанию), 1 = сортировать Для OptionID = 7, 8 и 12: 0 = не игнорировать, 1 = игнорировать OptionID = 9: 0 = не разбивать по двойному пробелу (по умолчанию), 1 = разбивать OptionID = 10: 0 = не обрезать символы вне области (по умолчанию), 1 = обрезать OptionID = 11: 0 = обычное сопоставление блоков, 1 = альтернативное OptionID = 13: 0 = не обрезать пробелы по краям, 1 = обрезать OptionID = 14 0 = удалять не-ASCII символы ниже пробела из вывода (по умолчанию), 1 = выводить необработанные ASCII-символы OptionID = 15 0 = выводить строки из символов подчёркивания (по умолчанию), 1 = удалять их OptionID = 16 0 = сохранять дефисы на концах строк (по умолчанию), 1 = склеивать слова с переносом в строчно-ориентированных выводах (GetPageText режимы 7 и 9); продолжение со строчной убирает дефис и разрыв, с прописной или цифры — сохраняет OptionID = 17 0 = оставлять показ текста как нарисовано (по умолчанию), 1 = переразбивать показ без пробелов на слова по шагам подачи заметно шире медианной подачи глифа фрагмента (GetPageText режимы 7 и 9-11), чтобы документы, рисующие целые строки одним оператором с кернинговыми зазорами вместо пробелов, тоже разбивались на слова OptionID = 18 0 = извлекать повернутые фрагменты в координатах страницы (по умолчанию), 1 = разворачивать фрагменты, нарисованные на 90, 180 или 270 градусов, в горизонтальную рамку чтения и группировать каждый поворот отдельно, чтобы повернутые пометки на полях, заголовки таблиц и подписи осей извлекались читаемыми строками, не перемешиваясь с прямым текстом; при выставленных обоих побеждает OptionID 12

Возвращаемые значения

0	Недопустимый параметр OptionID или NewValue
1	Опция извлечения текста задана успешно