ExportDocumentMarkdown

Text, extrahering, Markdown

Beskrivning

Exporterar ett valt PDF-sidintervall till en semantisk Markdown-sträng lämplig för sökindexering, kunskapsbaser och språkmodellsintag

Syntax

Delphi

Function TPDFlib.ExportDocumentMarkdown(Const PageRange: WideString;
  Options: Integer): WideString;

ActiveX

Function PDFlib::ExportDocumentMarkdown(PageRange As String,
  Options As Long) As String

DLL

const wchar_t* DLExportDocumentMarkdown(int InstanceID,
  const wchar_t* PageRange, int Options);
const char* DLExportDocumentMarkdownA(int InstanceID,
  const char* PageRange, int Options);

Parametrar

Returvärden

Returnerar den sammanslagna Markdown-texten, eller en tom sträng när validering, avbrott eller extraktion misslyckas

Anmärkningar

Analysen använder SetStructuredTextOptions oberoende av formatspecifika Options; granska GetLastStructuredTextDiagnostics för läskällor och fallback-varningar

Verklig taggträdsordning har företräde när innehållsbindningarna är kompletta; olöst eller tvetydigt innehåll behåller extraherad text i mixed- eller geometric-fallback, och okända anpassade roller gissas inte utifrån sina namn

Dokumentvid analys kan sammanfoga tabellfragment över sidföljande källsidor och identifiera upprepade marginalsidoelement; standarddetekteringen av sidoelement bevarar text

Sammanslagna eller fortsatta tabeller använder en enda inbäddad HTML-tabell, behåller tomma celler och utelämnar identifierade upprepade fortsättningsrubriker

Med sidmarkörer påslagna börjar sidor normalt med <!-- page: N -->; en fortsatt tabell utelämnar markörer inuti den öppna HTML-tabellen

Uttrycklig sidordning bevaras; omvända eller icket sidföljande sidval sammanfogas inte med tvång

Valda sidmodeller och det kompletta Markdown-resultatet buffras för dokumentvid analys; ström- och fil-API:erna behåller även denna analysmodell och utdatabuffrar

Extraktionen bevarar den valda sidan och skribentens öppna taggstack; aktuella osparade skrivartaggar inkluderas utan att stänga taggar eller färdigställa dokumentet

Förlopp och kooperativ avbrott använder den normala livscykeln för dokumentåtgärder kooperativ avbrott använder den normala dokumentoperationlivscykeln

LastErrorCode är 113 för ogiltigt intervall eller option-mask och 517 när extraktion misslyckas

Se även

ExportPageMarkdown, SaveMarkdownToStream, ExtractStructuredDocument