ExtractFilePageTextA
Trích xuất, Thuộc tính trang
Mô tả
Hậu tố A là entry point DLL ANSI (char); mặt ActiveX/COM chỉ phơi dạng Unicode. Hành vi giống hệt ExtractFilePageText và các tham số chuỗi được diễn giải theo code page hiện tại của SetAnsiMode
Trích xuất văn bản của bất kỳ trang nào trong file PDF
Hàm này bên trong dùng chức năng direct access. Toàn bộ file không được nạp vào memory nên hàm dùng được với tài liệu lớn tùy ý
Có hai cách khác nhau để trích xuất văn bản từ trang đang chọn, với nhiều định dạng đầu ra
Các hàm DASetTextExtractionWordGap, DASetTextExtractionOptions và
DASetTextExtractionArea là hàm có thể dùng để tinh chỉnh quá trình trích xuất văn bản
Cú pháp
Delphi
Function DLExtractFilePageTextA(InstanceID: Integer; InputFileName, Password: PAnsiChar; Page, Options: Integer): PAnsiChar;DLL
const char * DLExtractFilePageTextA(int InstanceID, const char * InputFileName, const char * Password, int Page, int Options);Tham số
| InputFileName | Đường dẫn và tên file cần trích xuất văn bản. Mật khẩu dùng khi mở file (nếu có) |
|---|---|
| Password | Số thứ tự trang cần trích xuất. Trang đầu tiên trong tài liệu là trang 1 |
| Page | Dùng thuật toán trích xuất văn bản tiêu chuẩn: 0 = Trích xuất văn bản ở định dạng dễ đọc 1 = Đã lỗi thời 2 = Trả về chuỗi CSV gồm font, màu, kích thước và vị trí của từng phần chữ trên trang Dùng thuật toán trích xuất chính xác hơn nhưng chậm hơn: 3 = Trả về một chuỗi CSV cho từng phần chữ trên trang với định dạng: Font Name, Text Color, Text Size, X1, Y1, X2, Y2, X3, Y3, X4, Y4, Text Tọa độ là bốn điểm bao quanh chữ, đo theo đơn vị đặt bằng hàm SetMeasurementUnits và gốc tọa độ đặt bằng hàm SetOrigin. Thứ tự tọa độ đi ngược chiều kim đồng hồ, góc dưới bên trái là điểm đầu tiên 4 = Giống tùy chọn 3 nhưng trả về từng từ riêng lẻ, giúp tìm kiếm từ dễ hơn 5 = Giống tùy chọn 3 nhưng in thêm độ rộng ký tự sau mỗi khối chữ 6 = Giống tùy chọn 4 nhưng in thêm độ rộng ký tự sau mỗi dòng chữ 7 = Trích xuất văn bản dễ đọc với độ chính xác cao hơn tùy chọn 0 8 = Định dạng đầu ra giống tùy chọn 0 nhưng dùng thuật toán chính xác hơn. Trả về các dòng không định dạng |
| Options |