ExportDocumentMarkdown

文本、提取、Markdown

描述

将选定 PDF 页面范围导出为一个适合搜索索引、知识库和语言模型摄取的语义 Markdown 字符串

语法

Delphi

Function TPDFlib.ExportDocumentMarkdown(Const PageRange: WideString;
  Options: Integer): WideString;

ActiveX

Function PDFlib::ExportDocumentMarkdown(PageRange As String,
  Options As Long) As String

DLL

const wchar_t* DLExportDocumentMarkdown(int InstanceID,
  const wchar_t* PageRange, int Options);
const char* DLExportDocumentMarkdownA(int InstanceID,
  const char* PageRange, int Options);

参数

返回值

返回合并后的 Markdown 文本；验证、取消或提取失败时返回空字符串

备注

分析通过 SetStructuredTextOptions 设置，与格式相关的 Options 相互独立；阅读顺序来源与回退警告请查看 GetLastStructuredTextDiagnostics

内容绑定完整时，真实标签树顺序优先；未解析或含糊的内容在 mixed 或 geometric 回退中保留提取文本，未知的自定义角色不会根据名称猜测

文档级分析可以拼接连续源页面上的表格片段，并识别重复的页边距装饰元素；默认的装饰元素检测会保留文本

合并或延续的表格使用单个嵌入式 HTML 表格，保留空单元格，并省略已识别的重复延续表头

启用页面标记时，页面通常以 <!-- page: N --> 标记开头；延续表格在打开的 HTML 表格内部省略标记

显式指定的页面顺序会被保留；逆序或非连续的页面选择不会被强行拼接

选定页面模型与完整的 Markdown 结果会为文档级分析缓冲；流与文件 API 也会保留该分析模型与输出缓冲区

提取会保留选定页面与打开的 writer 标签栈；当前未保存的 writer 标签会被包含进来，但不关闭标签，也不最终确定文档

进度和协作式取消使用常规文档操作生命周期

范围或选项掩码无效时 LastErrorCode 为 113，提取失败时为 517

另请参阅

ExportPageMarkdown、SaveMarkdownToStream、ExtractStructuredDocument