ExtractFilePageText
擷取、頁面屬性
描述
擷取 PDF 檔案中任一頁的文字
此函式內部使用直接存取功能。整份檔案不會載入記憶體,因此可用於任意大的文件。
提供兩種不同的方法,以多種輸出格式從所選頁面擷取文字。
DASetTextExtractionWordGap、DASetTextExtractionOptions 與
可用 DASetTextExtractionArea 函式調整文字擷取流程
語法
Delphi
Function TPDFlib.ExtractFilePageText(Const InputFileName, Password: WideString; Page, Options: Integer): WideString;
ActiveX
Function PDFlib::ExtractFilePageText(InputFileName As String, Password As String, Page As Long, Options As Long) As String
DLL
const wchar_t * DLExtractFilePageText(int InstanceID, const wchar_t * InputFileName, const wchar_t * Password, int Page, int Options);
參數
| InputFileName | 要擷取文字的檔案路徑與檔名。 開檔時使用的密碼(若有的話) |
|---|---|
| Password | 要擷取的頁碼。文件的第一頁是第 1 頁。 |
| Page | 標準文字擷取演算法:0 = 以人類可讀格式擷取文字 1 = 已淘汰 2 = 傳回 CSV 字串,含頁面上每段文字的字型、顏色、大小與位置 較精準但較慢的文字擷取演算法:3 = 為頁面上每段文字傳回一行 CSV,格式為:字型名稱、文字顏色、文字大小、X1、Y1、X2、Y2、X3、Y3、X4、Y4、文字 座標是包住文字的四個點,以 SetMeasurementUnits 函式設定的單位與 SetOrigin 函式設定的原點量測,順序為逆時針、左下角在前。 4 = 類似選項 3,但傳回個別單字,方便搜尋單字 5 = 類似選項 3,但在每段文字之後輸出字元寬度 6 = 類似選項 4,但在每行文字之後輸出字元寬度 7 = 以人類可讀格式擷取文字,精準度高於選項 0 8 = 輸出格式同選項 0,但使用較精準的演算法。傳回未格式化的行。 |
| Options |