THotPDF.AnalyzeLoadedPageSemanticText

glyphهای موقعیتدار را تحلیل میکند و خطوط معنایی را در ترتیب خوانش پایدار برمیگرداند

سینتکس دلفی

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

توصیف

تحلیلگر baselineها را خوشه میکند، شکافهای افقی بزرگ را به سلول میشکند، نوارهای ستونِ تکرارشونده را تشخیص میدهد، سطرهای جدولِ همتراز را بازمیشناسد و آیتمهای لیست، سرتیترها و کپشنهای شکل یا جدول را دستهبندی میکند. محتوای تمامعرض و سطرهای جدول صفحه را به ناحیههای عمودی تقسیم میکنند، در حالی که محتوای عادی ابتدا ستونبهستون و سپس داخل هر ستون از بالا به پایین مرتب میشود

THPDFSemanticTextLayout مقدار ColumnCount، TableCount، میانههای صفحه و Lines مرتبشده را گزارش میکند. هر خط، کرانهها، سلولها، نقش، ستون و ناحیه، اندیسهای جدول و سطر، سطح لیست و ترتیب اصلی سورس را نگه میدارد تا برنامهها بتوانند heuristicهای داخلی را جایگزین کنند

پاس هندسه از مرتبسازی O(n log n) و تخصیص bounded نوار ستون استفاده میکند