ExtractFilePageText

提取、页面属性

描述

提取 PDF 文件中任一页面的文本

此函数在内部使用直接访问功能。整个文件不会加载到内存中，因此可用于任意大的文档

提供两种不同方法，用于以多种输出格式从所选页面提取文本

DASetTextExtractionWordGap、DASetTextExtractionOptions 和

可使用 DASetTextExtractionArea 函数调整文本提取过程

Function TPDFlib.ExtractFilePageText(Const InputFileName, Password: WideString; Page, Options: Integer): WideString;

Function PDFlib::ExtractFilePageText(InputFileName As String, Password As String, Page As Long, Options As Long) As String

const wchar_t * DLExtractFilePageText(int InstanceID, const wchar_t * InputFileName, const wchar_t * Password, int Page, int Options);

InputFileName	要从中提取文本的文件路径和名称。打开文件时使用的密码（如有）
Password	必须提取的页码。文档中的第一页为第 1 页
Page	使用标准文本提取算法：0 = 以人类可读格式提取文本，1 = 已弃用，2 = 返回 CSV 字符串，其中包括页面上每段文本的字体、颜色、大小和位置，使用更准确但较慢的算法：3 = 为页面上每段文本返回 CSV 字符串，格式为字体名称、文本颜色、文本大小、X1、Y1、X2、Y2、X3、Y3、X4、Y4、文本，坐标是文本边界的四个点，使用 SetMeasurementUnits 设置的单位和 SetOrigin 设置的原点计量，坐标顺序为逆时针且左下角在前，4 = 类似选项 3，但返回单个词语，便于搜索，5 = 类似选项 3，但在每个文本块后输出字符宽度，6 = 类似选项 4，但在每个文本行后输出字符宽度，7 = 以人类可读格式提取文本，准确性优于选项 0，8 = 输出格式类似选项 0，但使用更准确算法，返回未格式化行
Options