GetPageText

提取、页面操作

描述

此函数提供两种从选定页面提取文本的方法，并以多种格式呈现结果

SetTextExtractionWordGap、SetTextExtractionOptions 和 SetTextExtractionArea

可使用函数调整文本提取过程

语法

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);

参数

ExtractOptions	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，其中包含页面上每段文本的字体、颜色、大小和位置使用更准确但更慢的文本提取算法：3 = 为页面上的每段文本返回 CSV 字符串，格式如下：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，使用由 SetMeasurementUnits 函数设置的单位以及由 SetOrigin 函数设置的原点测量。坐标顺序为逆时针，先是左下角。4 = 类似选项 3，但返回单个词，使词语搜索更容易 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，但在每行文本后输出字符宽度 7 = 以人类可读格式提取文本，准确性高于选项 0 8 = 输出格式类似选项 0，但使用更准确的算法，返回未格式化的行 9 = 按视觉阅读顺序提取文本：递归 XY-cut 按列保留多栏布局，而不交错各行 10 = 感知表格的制表符分隔导出：块的左边缘聚类为全局列位置，使垂直对齐的单元格跨行保持对齐 11 = 保留布局的固定网格文本：页面映射到以真实空格填充的等宽字符网格，在不使用制表位的情况下保持视觉对齐

ExtractOptions

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，其中包含页面上每段文本的字体、颜色、大小和位置使用更准确但更慢的文本提取算法：3 = 为页面上的每段文本返回 CSV 字符串，格式如下：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，使用由 SetMeasurementUnits 函数设置的单位以及由 SetOrigin 函数设置的原点测量。坐标顺序为逆时针，先是左下角。4 = 类似选项 3，但返回单个词，使词语搜索更容易 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，但在每行文本后输出字符宽度 7 = 以人类可读格式提取文本，准确性高于选项 0 8 = 输出格式类似选项 0，但使用更准确的算法，返回未格式化的行 9 = 按视觉阅读顺序提取文本：递归 XY-cut 按列保留多栏布局，而不交错各行 10 = 感知表格的制表符分隔导出：块的左边缘聚类为全局列位置，使垂直对齐的单元格跨行保持对齐 11 = 保留布局的固定网格文本：页面映射到以真实空格填充的等宽字符网格，在不使用制表位的情况下保持视觉对齐

返回值

	所选页面的文本，发生问题时为空字符串。各行以 CR-LF 字符分隔