Exportación estructurada de páginas cargadas
THotPDF.ExportLoadedPagesStructured convierte páginas cargadas seleccionadas en un único documento UTF-8 HTML, XHTML, XML o JSON sin mutar el PDF
Un modelo semántico
Todos los formatos consumen un único modelo de lectura accesible, de modo que el orden estructural, el idioma y el título del documento, los headings, las listas, las tablas, las figuras, los reemplazos de marked-content, las referencias a objetos, la navegación, las etiquetas de página, las anotaciones y los controles de formulario permanecen alineados entre los exportadores
La estructura etiquetada tiene preferencia cuando ofrece una proyección utilizable de la página, mientras que el análisis geométrico de párrafos, headings, listas, captions, columnas y tablas se usa solo como el fallback configurado
La generación se completa en un stream de staging acotado, y la publicación toma snapshot de los bytes de destino que se sobrescribirían, de modo que una escritura final fallida pueda restaurar el estado original del stream
Cada span transporta texto Unicode escapado de forma segura más límites opcionales en espacio de página, identidad del objeto del content stream de fuente, recurso de fuente de origen y tamaño en puntos
Estructura accesible e interacciones
HTML y XHTML usan elementos semánticos y anclas de página estables, mientras que XML y JSON retienen registros equivalentes de begin, end, content, object-reference, interaction, outline y page-label
Las propiedades de marked-content inline y nombradas se resuelven a través de los streams de página y los Form XObjects recursivos, ActualText reemplaza el texto visual de glifos, los artifacts quedan fuera del modelo accesible, y el texto alternativo de figuras se asocia mediante contenido etiquetado en lugar del orden visual
Los destinos locales y los seguros http, https y mailto pueden exportarse, mientras que las URIs ejecutables o con caracteres de control se omiten
Los nombres de formularios, labels, opciones, estados y valores ordinarios pueden conservarse, pero los payloads de password, file-select, NoExport y firma nunca entran al modelo de exportación compartido
Imágenes
Las ocurrencias de image XObjects conservan su nombre de recurso, número de objeto, tamaño intrínseco en píxeles y límites transformados en espacio de página
simEmbeddedPNG decodifica cada imagen soportada por el pipeline normal de imágenes acotadas y emite una data URI PNG, mientras que simMetadataOnly evita la materialización de píxeles y simOmit excluye las imágenes
Salida atómica y acotada
Los límites de páginas, glifos, conteo de imágenes, nodos de estructura, outline, interacciones por página, opciones por campo, bytes de imagen, imágenes agregadas, bytes de salida y cancelación se aplican antes de copiar el buffer completado al stream del llamador
Los fallos de extracción y de presupuesto dejan el destino sin cambios, mientras que un fallo de escritura en el destino intenta restaurar su posición y tamaño originales