GetPageText

Izvlačenje, manipulacija stranicama

Opis

Ova funkcija nudi dva različita načina izvlačenja teksta sa izabrane stranice i rezultate prikazuje u raznim formatima

Funkcije SetTextExtractionWordGap, SetTextExtractionOptions i SetTextExtractionArea

funkcije se mogu koristiti za podešavanje procesa izdvajanja teksta

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	Standardnim algoritmom za izdvajanje teksta: 0 = Izdvoji tekst u formatu čitljivom za ljude 1 = Zastarelo 2 = Vrati CSV string sa fontom, bojom, veličinom i pozicijom svakog dela teksta na stranici Tačnijim ali sporijim algoritmom za izdvajanje teksta: 3 = Vrati CSV string za svaki deo teksta na stranici u sledećem formatu: Font Name, Text Color, Text Size, X1, Y1, X2, Y2, X3, Y3, X4, Y4, Text Koordinate su četiri tačke koje ograničavaju tekst, izražene u jedinicama postavljenim funkcijom SetMeasurementUnits sa početkom postavljenim funkcijom SetOrigin. Redosled koordinata ide suprotno od smera kazaljke na satu, pri čemu je donji levi ugao prva tačka 4 = Slično opciji 3, ali se vraćaju pojedinačne reči, što olakšava pretragu reči 5 = Slično opciji 3, ali se širine znakova ispisuju posle svakog bloka teksta 6 = Slično opciji 4, ali se širine znakova ispisuju posle svakog reda teksta 7 = Izdvoji tekst u formatu čitljivom za ljude, sa većom tačnošću nego opcija 0 8 = Isti izlazni format kao opcija 0, ali tačnijim algoritmom. Vraća neformatirane redove 9 = Izdvaja tekst u vizuelnom redosledu čitanja: rekurzivni XY-cut čuva raspored u više kolona, kolonu po kolonu, umesto da prepliće redove 10 = Izvoz svestan tabela, razdvojen tabovima: leve ivice blokova se grupišu u globalne pozicije kolona pa vertikalno poravnate ćelije ostaju poravnate kroz redove 11 = Tekst na fiksnoj mreži koja čuva raspored: stranica se preslikava na mrežu znakova monospace fonta popunjenu pravim razmacima, čuvajući vizuelno poravnanje bez tab pozicija

ExtractOptions

Standardnim algoritmom za izdvajanje teksta: 0 = Izdvoji tekst u formatu čitljivom za ljude 1 = Zastarelo 2 = Vrati CSV string sa fontom, bojom, veličinom i pozicijom svakog dela teksta na stranici Tačnijim ali sporijim algoritmom za izdvajanje teksta: 3 = Vrati CSV string za svaki deo teksta na stranici u sledećem formatu: Font Name, Text Color, Text Size, X1, Y1, X2, Y2, X3, Y3, X4, Y4, Text Koordinate su četiri tačke koje ograničavaju tekst, izražene u jedinicama postavljenim funkcijom SetMeasurementUnits sa početkom postavljenim funkcijom SetOrigin. Redosled koordinata ide suprotno od smera kazaljke na satu, pri čemu je donji levi ugao prva tačka 4 = Slično opciji 3, ali se vraćaju pojedinačne reči, što olakšava pretragu reči 5 = Slično opciji 3, ali se širine znakova ispisuju posle svakog bloka teksta 6 = Slično opciji 4, ali se širine znakova ispisuju posle svakog reda teksta 7 = Izdvoji tekst u formatu čitljivom za ljude, sa većom tačnošću nego opcija 0 8 = Isti izlazni format kao opcija 0, ali tačnijim algoritmom. Vraća neformatirane redove 9 = Izdvaja tekst u vizuelnom redosledu čitanja: rekurzivni XY-cut čuva raspored u više kolona, kolonu po kolonu, umesto da prepliće redove 10 = Izvoz svestan tabela, razdvojen tabovima: leve ivice blokova se grupišu u globalne pozicije kolona pa vertikalno poravnate ćelije ostaju poravnate kroz redove 11 = Tekst na fiksnoj mreži koja čuva raspored: stranica se preslikava na mrežu znakova monospace fonta popunjenu pravim razmacima, čuvajući vizuelno poravnanje bez tab pozicija

Povratne vrednosti

	Tekst izabrane stranice, ili prazan string ako je došlo do problema. Redovi su razdvojeni CR-LF znakovima