ExtractStructuredPage

Text, extraction, structured data

Опис

Рендерить одну сторінку в структуровану текстову модель і серіалізує її як JSON, XHTML чи CSV

Модель групує текст у абзаци та виявлені таблиці, з рядками і стилізованими прогонами під абзацами та рядками, клітинками й прогонами під таблицями

Синтаксис

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);

Параметри

Page	Номер сторінки, починаючи з 1
Format	`PDF_STRUCTURED_TEXT_JSON` (0), `PDF_STRUCTURED_TEXT_XHTML` (1), or `PDF_STRUCTURED_TEXT_CSV` (2)
Options	Нуль чи `PDF_STRUCTURED_TEXT_INCLUDE_STYLES` (1), щоб включити шрифт, розмір, колір і вертикальне вирівнювання в JSON і 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": [[]]}
  ]
}

Повернуті значення

JSON і XHTML повертають повні самодостатні документи

CSV повертає лише виявлені таблиці та порожній, коли сторінка не має таблиць

CSV повертає лише виявлені таблиці та порожній, коли на сторінці немає таблиці Недійсний запит чи невдалий експорт повертає порожній рядок

Примітки

Текст рендериться один раз, а кожен формат створюється з тієї ж проміжної ієрархіїВиявлення таблиць зливає звичайні проміжки слів усередині клітинки та вимагає вирівняних рядків із кількох клітинок, зменшуючи хибні спрацювання на абзацах

Обмежувальні прямокутники використовують координати сторінки зверху вниз і виражаються в пунктах PDF Покажчики повернення DLL лишаються чинними до наступного виклику, що повертає рядок, у того самого екземпляра

Обмежувальні рамки використовують координати сторінки від лівого верхнього кута і виражаються в пунктах PDF

Повернені вказівники DLL лишаються чинними до наступного виклику, що повертає рядок, на тому самому екземплярі

LastErrorCode дорівнює 111 для недійсної сторінки, формату чи опцій і 515, коли вилучення не вдається

Див. також

ExtractStructuredDocument, ExtractPageTextBlocks, GetPageText