SetStructuredTextOptions

文本、提取、结构化数据

描述

为结构化 JSON、XHTML、CSV、Markdown 与 DOCX 提取设置实例级分析选项

Function TPDFlib.SetStructuredTextOptions(Options: Integer): Integer;

Function DLSetStructuredTextOptions(InstanceID: Integer; Options: Integer): Integer; Stdcall;

Function PDFlib::SetStructuredTextOptions(Options As Long) As Long

Options 组合以下标志；PDF_STRUCTURED_ADVANCED_DEFAULT 为 11，启用分栏、页面装饰元素检测与表格延续

常量	值	行为
`PDF_STRUCTURED_DETECT_COLUMNS`	1	在带标签顺序不可用时寻找一致的几何分栏间隙
`PDF_STRUCTURED_DETECT_FURNITURE`	2	跨选定页面识别页面边距附近重复出现的文本，包括页码
`PDF_STRUCTURED_EXCLUDE_FURNITURE`	4	在序列化的块中省略已识别的页眉、页脚、页码与显式 artifact
`PDF_STRUCTURED_JOIN_TABLES`	8	协调同一个带标签表格的连续页面片段，或对页边缘附近几何兼容的表格
`PDF_STRUCTURED_INFER_MERGES`	16	推断几何表格中的水平合并单元格；推断出的合并保留几何来源与置信度

成功返回 1，掩码无效返回 0；负值与未知位以 LastErrorCode 111 拒绝，并保留先前设置

该设置在本实例上跨文档持久生效，并应用于后续提取；它与每个导出函数各自格式相关的 Options 参数相互独立

零会禁用这些可选分析步骤，同时保留真实的标签树顺序、已解析的角色、标记内容绑定、ActualText 与带标签的表格单元格

页面装饰元素检测默认保留文本；移除需要显式的排除标志，而重复边距检测需要多个选定页面

带标签的阅读顺序遵循完整的 mixed /K 序列，包括子元素与内容引用；几何分栏是回退手段，会被单独标注

分栏检测最多支持八个几何分栏且属启发式；对不常见的布局，重复边距分类、几何表格延续与推断合并可能不准确

带标签的单元格跨度来自结构属性；几何合并推断是可选项，不确立语义正确性

表格延续要求片段在连续源页面上按正向顺序出现且列网格兼容；逆序、重复或非连续的页面不会被强行拼接

该 setter 在验证掩码之前清除最近的错误