ExtractStructuredPage

Text, extraction, structured data

คำอธิบาย

เรนเดอร์หนึ่งหน้าเป็นโมเดลข้อความแบบโครงสร้าง แล้ว serialize เป็น JSON, XHTML หรือ CSV

โมเดลจัดกลุ่มข้อความเป็นย่อหน้ากับตารางที่ตรวจจับได้, มีบรรทัดกับช่วงที่จัดสไตล์อยู่ใต้ย่อหน้า และแถว เซลล์ กับช่วงอยู่ใต้ตาราง

ไวยากรณ์

Delphi

Function TPDFlib.ExtractStructuredPage(Page, Format,
  Options: Integer): WideString;

ActiveX

Function PDFlib::ExtractStructuredPage(Page As Long, Format As Long,
  Options As Long) As String

DLL

const wchar_t* DLExtractStructuredPage(int InstanceID, int Page,
  int Format, int Options);
const char* DLExtractStructuredPageA(int InstanceID, int Page,
  int Format, int Options);

พารามิเตอร์

Page	หมายเลขหน้าโดยนับจาก 1
Format	`PDF_STRUCTURED_TEXT_JSON` (0), `PDF_STRUCTURED_TEXT_XHTML` (1), or `PDF_STRUCTURED_TEXT_CSV` (2)
Options	Zero or `PDF_STRUCTURED_TEXT_INCLUDE_STYLES` (1) to include font, size, colour, and vertical alignment in JSON and XHTML

JSON hierarchy

{
  "version": 1,
  "page": 1,
  "width": 612,
  "height": 792,
  "blocks": [
    {"type": "paragraph", "bbox": [40, 50, 300, 70],
     "lines": [{"bbox": [40, 50, 300, 70], "spans": []}]},
    {"type": "table", "columns": 3, "rows": [[]]}
  ]
}

ค่าที่ส่งกลับ

JSON กับ XHTML คืนเอกสารแบบพึ่งพาตัวเองได้ครบชุด

CSV คืนเฉพาะตารางที่ตรวจจับได้ และเป็นสตริงว่างเมื่อหน้าไม่มีตารางคำขอไม่ถูกต้องหรือการสกัดล้มเหลวจะคืนสตริงว่าง

Remarks

ข้อความถูกเรนเดอร์ครั้งเดียว แล้วทุกฟอร์แมตถูกผลิตจากลำดับชั้นกลางชุดเดียวกันการตรวจจับตารางรวมช่องว่างคำปกติภายในเซลล์ และต้องมีแถวหลายเซลล์ที่จัดแนวตรงกัน, ลดการเดาย่อหน้าผิด

กรอบครอบใช้พิกัดหน้าบนซ้ายและแสดงเป็นพอยต์ PDFพอยน์เตอร์ที่ DLL คืนใช้ได้จนกว่าการเรียกคืนค่าสตริงครั้งถัดไปบนอินสแตนซ์เดียวกัน

LastErrorCode is 111 for invalid page, format, or options and 515 when extraction fails

ดูเพิ่มเติม

ExtractStructuredDocument, ExtractPageTextBlocks, GetPageText