THotPDF.AnalyzeLoadedPageSemanticText

Analysiert positionierte Glyphen und liefert semantische Zeilen in stabiler Lesereihenfolge

Delphi-Syntax

function AnalyzeLoadedPageSemanticText(PageIndex: Integer;
  out ALayout: THPDFSemanticTextLayout): boolean;

Beschreibung

Der Analysator clustert Baselines, teilt große horizontale Abstände in Zellen, erkennt wiederkehrende Spaltenbänder, erkennt ausgerichtete Tabellenzeilen und klassifiziert Listeneinträge, Überschriften sowie Bild- oder Tabellenbeschriftungen. Inhalte in voller Breite und Tabellenzeilen teilen die Seite in vertikale Zonen, während gewöhnlicher Inhalt spaltenweise und dann innerhalb jeder Spalte von oben nach unten geordnet wird

THPDFSemanticTextLayout meldet ColumnCount, TableCount, Seitenmediane und geordnete Lines. Jede Zeile behält ihre Bounds, Zellen, Rolle, Spalte und Zone sowie Tabellen- und Zeilenindizes, Listenebene und die ursprüngliche Quellreihenfolge, damit Anwendungen die eingebauten Heuristiken ersetzen können

Der Geometrie-Durchlauf nutzt O(n log n)-Sortierung und eine begrenzte Spaltenband-Zuordnung

Siehe auch ExtractLoadedPageSemanticText