Exportación estructurada de páginas cargadas
THotPDF.ExportLoadedPagesStructured convierte las páginas cargadas seleccionadas en un documento UTF-8 HTML, XHTML, XML o JSON sin mutar el PDF
Un único modelo semántico
Cada formato consume un único modelo de lectura accesible para que el orden de estructura, el idioma y el título del documento, los encabezados, las listas, las tablas, las figuras, los reemplazos de contenido marcado, las referencias a objetos, la navegación, las etiquetas de página, las anotaciones y los controles de formulario permanezcan alineados entre los exportadores
La estructura etiquetada tiene preferencia cuando aporta una proyección utilizable para una página, mientras que el análisis geométrico de párrafos, encabezados, listas, leyendas, columnas y tablas se usa solo como fallback configurado
La generación se completa en un stream de staging acotado, y la publicación toma instantánea de cualquier byte de destino que se sobrescribiría, 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 origen, recurso de fuente de origen y tamaño en puntos
Estructura e interacciones accesibles
HTML y XHTML usan elementos semánticos y anclajes de página estables, mientras que XML y JSON conservan registros equivalentes de begin, end, content, referencia a objetos, interacción, esquema y etiquetas de página
Las propiedades de marked-content en línea y con nombre se resuelven a través de los streams de página y los Form XObjects recursivos, ActualText sustituye al texto visual del glifo, 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 http, https, mailto y locales seguros pueden exportarse, mientras que los URI ejecutables o con caracteres de control se omiten
Los nombres de formulario, las etiquetas, las opciones, los estados y los valores ordinarios pueden conservarse, pero los payloads de contraseña, de selección de archivo, NoExport y de firma nunca entran en el modelo de exportación compartido
Imágenes
Las apariciones de Image XObject conservan su nombre de recurso, número de objeto, tamaño de píxel intrínseco y límites de espacio de página transformados
simEmbeddedPNG decodifica cada imagen admitida mediante la canalización de imágenes acotada normal y emite un URI de datos PNG, mientras que simMetadataOnly evita la materialización de píxeles y simOmit excluye las imágenes
Salida atómica acotada
Los límites de página, glifo, recuento de imágenes, bytes de imagen, imágenes agregadas, bytes de salida y cancelación se aplican antes de copiar el búfer completado al flujo del llamador
Los fallos de extracción y presupuesto dejan el destino sin cambios, mientras que un fallo de escritura de destino intenta restaurar su posición y tamaño originales