GetPageText

ekstrakcija, obdelava strani

Opis

Ta funkcija ponuja dve različni metodi za izvlačenje besedila iz izbrane strani in rezultate predstavi v različnih oblikah

Funkcije SetTextExtractionWordGap, SetTextExtractionOptions in SetTextExtractionArea

funkcije je mogoče uporabiti za prilagoditev postopka izvlačenja besedila

Sintaksa

Delphi

Function TPDFlib.GetPageText(ExtractOptions: Integer): WideString;

ActiveX

Function PDFlib::GetPageText(ExtractOptions As Long) As String

DLL

const wchar_t * DLGetPageText(int InstanceID, int ExtractOptions);

Parametri

ExtractOptions	Z uporabo standardnega algoritma za izvlačenje besedila: 0 = Izvleci besedilo v človeku berljivi obliki 1 = Zastarelo 2 = Vrni niz CSV s pisavo, barvo, velikostjo in položajem vsakega dela besedila na strani Z uporabo natančnejšega a počasnejšega algoritma za izvlačenje besedila: 3 = Vrni niz CSV za vsak del besedila na strani v naslednji obliki: Font Name, Text Color, Text Size, X1, Y1, X2, Y2, X3, Y3, X4, Y4, Text Koordinate so štiri točke, ki obdajajo besedilo, merjene v enotah, nastavljenih z funkcijo SetMeasurementUnits, z izhodiščem, nastavljenim z funkcijo SetOrigin. Vrstni red koordinat je v nasprotni smeri urinega kazalca, spodnji levi kot je prvi 4 = Podobno kot možnost 3, vendar so vrnjene posamezne besede, kar olajša iskanje 5 = Podobno kot možnost 3, vendar so širine znakov izpisane za vsakim blokom besedila 6 = Podobno kot možnost 4, vendar so širine znakov izpisane za vsako vrstico besedila 7 = Izvleci besedilo v človeku berljivi obliki z izboljšano natančnostjo v primerjavi z možnostjo 0 8 = Podoben izhodni format kot možnost 0, vendar z natančnejšim algoritmom. Vrne neoblikovane vrstice 9 = Izvleci besedilo v vizualnem vrstnem redu branja: rekurzivni XY-rez ohrani večstolpčne postavitve stolpec po stolpec namesto prepletanja vrstic 10 = Izvoz, ki upošteva tabele, ločen s tabulatorji: levi robovi blokov se združijo v globalne položaje stolpcev, tako da navpično poravnane celice ostanejo poravnane med vrsticami 11 = Besedilo s fiksno mrežo, ki ohranja postavitev: stran se preslika na znakovno mrežo enotne širine, oblazinjeno z dejanskimi presledki, kar ohrani vizualno poravnavo brez tabulatorskih mest

ExtractOptions

Z uporabo standardnega algoritma za izvlačenje besedila: 0 = Izvleci besedilo v človeku berljivi obliki 1 = Zastarelo 2 = Vrni niz CSV s pisavo, barvo, velikostjo in položajem vsakega dela besedila na strani Z uporabo natančnejšega a počasnejšega algoritma za izvlačenje besedila: 3 = Vrni niz CSV za vsak del besedila na strani v naslednji obliki: Font Name, Text Color, Text Size, X1, Y1, X2, Y2, X3, Y3, X4, Y4, Text Koordinate so štiri točke, ki obdajajo besedilo, merjene v enotah, nastavljenih z funkcijo SetMeasurementUnits, z izhodiščem, nastavljenim z funkcijo SetOrigin. Vrstni red koordinat je v nasprotni smeri urinega kazalca, spodnji levi kot je prvi 4 = Podobno kot možnost 3, vendar so vrnjene posamezne besede, kar olajša iskanje 5 = Podobno kot možnost 3, vendar so širine znakov izpisane za vsakim blokom besedila 6 = Podobno kot možnost 4, vendar so širine znakov izpisane za vsako vrstico besedila 7 = Izvleci besedilo v človeku berljivi obliki z izboljšano natančnostjo v primerjavi z možnostjo 0 8 = Podoben izhodni format kot možnost 0, vendar z natančnejšim algoritmom. Vrne neoblikovane vrstice 9 = Izvleci besedilo v vizualnem vrstnem redu branja: rekurzivni XY-rez ohrani večstolpčne postavitve stolpec po stolpec namesto prepletanja vrstic 10 = Izvoz, ki upošteva tabele, ločen s tabulatorji: levi robovi blokov se združijo v globalne položaje stolpcev, tako da navpično poravnane celice ostanejo poravnane med vrsticami 11 = Besedilo s fiksno mrežo, ki ohranja postavitev: stran se preslika na znakovno mrežo enotne širine, oblazinjeno z dejanskimi presledki, kar ohrani vizualno poravnavo brez tabulatorskih mest

Vrnjene vrednosti

	Besedilo izbrane strani ali prazen niz, če je prišlo do težave. Vrstice so ločene z znaki CR-LF