SetStructuredTextOptions

Text, extrahering, strukturerade data

Beskrivning

Anger de instansvida analysalternativen för strukturerad JSON-, XHTML-, CSV-, Markdown- och DOCX-extraktion

Syntax

Delphi

Function TPDFlib.SetStructuredTextOptions(Options: Integer): Integer;

DLL

Function DLSetStructuredTextOptions(InstanceID: Integer; Options: Integer): Integer; Stdcall;

ActiveX

Function PDFlib::SetStructuredTextOptions(Options As Long) As Long

Parametrar

Options kombinerar följande flaggor; PDF_STRUCTURED_ADVANCED_DEFAULT är 11 och slår på kolumndetektering, sidoelementdetektering och tabellfortsättning

Konstant	Värde	Beteende
`PDF_STRUCTURED_DETECT_COLUMNS`	1	Hittar konsekventa geometriska kolumnmellanrum när taggad ordning inte är tillgänglig
`PDF_STRUCTURED_DETECT_FURNITURE`	2	Identifierar upprepad text nära sidmarginaler över valda sidor, inklusive sidnummer
`PDF_STRUCTURED_EXCLUDE_FURNITURE`	4	Utelämnar identifierade sidhuvuden, sidfötter, sidnummer och uttryckliga artefakter från serialiserade block
`PDF_STRUCTURED_JOIN_TABLES`	8	Koordinerar sidföljande fragment av samma taggade tabell, eller geometriskt kompatibla tabeller nära motstående sidkanter
`PDF_STRUCTURED_INFER_MERGES`	16	Härleder horisontellt sammanslagna celler i geometriska tabeller; härledda sammanslagningar bevarar geometriprovenans och konfidens

Returvärden

Returnerar 1 vid lyckat eller 0 för en ogiltig mask; negativa värden och okända bitar avvisas med LastErrorCode 111, och den tidigare inställningen behålls

Anmärkningar

Inställningen består på instansen över dokument och gäller efterföljande extraktioner; den är skild från varje exportfunktions formatspecifika Options-argument

Noll stänger av dessa valfria analyssteg men behåller den riktiga taggträdsordningen, upplösta roller, marked-content-bindningar, ActualText och taggade tabellceller

Sidoelementdetektering bevarar text som standard; borttagning kräver den uttryckliga exkluderingsflaggan, och detektering av upprepade marginaler kräver flera valda sidor

Taggad läsordning följer den kompletta blandade /K-sekvensen, inklusive barnlement och innehållsreferenser; geometriska kolumner är en fallback och märks ut separat

Kolumndetektering stöder upp till åtta geometriska kolumner och är heuristisk; klassificering av upprepade marginaler, geometrisk tabellfortsättning och härledda sammanslagningar kan bli felaktiga vid ovanliga layouter

Taggade cellspan kommer från strukture attribut; geometrisk sammanslagningsinferens måste aktiveras uttryckligen och etablerar ingen semantisk korrekthet

Tabellfortsättning kräver fragment i framåtriktad ordning på sidföljande källsidor och kompatibla kolumnrutnät; omvända, upprepade eller icket sidföljande sidor sammanfogas inte med tvång

Inställaren rensar det senaste felet innan masken valideras

Se även

GetStructuredTextOptions, GetLastStructuredTextDiagnostics, ExtractStructuredDocument, ExportDocumentMarkdown, SaveDOCXToStream