GetPageText

Вилучення, маніпулювання сторінками

Опис

Ця функція пропонує два різні способи вилучення тексту з вибраної сторінки та видає результат у кількох форматах

Функції SetTextExtractionWordGap, SetTextExtractionOptions і SetTextExtractionArea

функції, якими можна налаштувати процес вилучення тексту

Синтаксис

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);

Параметри

ExtractOptions	За стандартним алгоритмом вилучення тексту: 0 = вилучити текст у зручному для читання вигляді 1 = застарілий варіант 2 = повернути CSV-рядок із шрифтом, кольором, розміром і позицією кожного фрагмента тексту на сторінці За точнішим, але повільнішим алгоритмом вилучення тексту: 3 = повернути CSV-рядок для кожного фрагмента тексту на сторінці у такому форматі: Font Name, Text Color, Text Size, X1, Y1, X2, Y2, X3, Y3, X4, Y4, Text Координати — це чотири точки, що обмежують текст, у одиницях, заданих функцією SetMeasurementUnits, з початком координат, який задає SetOrigin. Порядок обходу — проти годинникової стрілки, від лівого нижнього кута 4 = схоже на варіант 3, але повертаються окремі слова, що спрощує пошук слів 5 = схоже на варіант 3, але після кожного блока тексту виводяться ширини символів 6 = схоже на варіант 4, але після кожного рядка тексту виводяться ширини символів 7 = вилучити текст у зручному для читання вигляді з точністю, вищою за варіант 0 8 = формат виводу як у варіанті 0, але точнішим алгоритмом; повертає неформатовані рядки 9 = вилучити текст у візуальному порядку читання: рекурсивний XY-розріз тримає багатоколонкові верстки колонощиками, не перемішуючи рядки 10 = таблично-орієнтований експорт із табуляціями: ліві краї блоків кластеризуються в глобальні позиції стовпців, тому вирівняні по вертикалі клітинки лишаються вирівняними між рядками 11 = текст із фіксованою сіткою зі збереженням верстки: сторінка проєктується на монотипну символьну сітку з реальними пробілами, що зберігає візуальне вирівнювання без позицій табуляції

ExtractOptions

За стандартним алгоритмом вилучення тексту: 0 = вилучити текст у зручному для читання вигляді 1 = застарілий варіант 2 = повернути CSV-рядок із шрифтом, кольором, розміром і позицією кожного фрагмента тексту на сторінці За точнішим, але повільнішим алгоритмом вилучення тексту: 3 = повернути CSV-рядок для кожного фрагмента тексту на сторінці у такому форматі: Font Name, Text Color, Text Size, X1, Y1, X2, Y2, X3, Y3, X4, Y4, Text Координати — це чотири точки, що обмежують текст, у одиницях, заданих функцією SetMeasurementUnits, з початком координат, який задає SetOrigin. Порядок обходу — проти годинникової стрілки, від лівого нижнього кута 4 = схоже на варіант 3, але повертаються окремі слова, що спрощує пошук слів 5 = схоже на варіант 3, але після кожного блока тексту виводяться ширини символів 6 = схоже на варіант 4, але після кожного рядка тексту виводяться ширини символів 7 = вилучити текст у зручному для читання вигляді з точністю, вищою за варіант 0 8 = формат виводу як у варіанті 0, але точнішим алгоритмом; повертає неформатовані рядки 9 = вилучити текст у візуальному порядку читання: рекурсивний XY-розріз тримає багатоколонкові верстки колонощиками, не перемішуючи рядки 10 = таблично-орієнтований експорт із табуляціями: ліві краї блоків кластеризуються в глобальні позиції стовпців, тому вирівняні по вертикалі клітинки лишаються вирівняними між рядками 11 = текст із фіксованою сіткою зі збереженням верстки: сторінка проєктується на монотипну символьну сітку з реальними пробілами, що зберігає візуальне вирівнювання без позицій табуляції

Повернуті значення

	Текст вибраної сторінки або порожній рядок, якщо сталася проблема. Рядки розділяються символами CR-LF