THotPDF.AnalyzeLoadedPageSemanticText

Analizează glifele poziționate și returnează linii semantice într-o ordine stabilă de citire

Sintaxă Delphi

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

Description

Analizorul grupează liniile de bază, împarte golurile orizontale mari în celule, detectează benzi recurente de coloane, recunoaște rânduri de tabel aliniate și clasifică elemente de listă, titluri și legende de figură sau tabel. Conținutul pe lățime completă și rândurile de tabel împart pagina în zone verticale, în timp ce conținutul obișnuit este ordonat mai întâi pe coloane și apoi de sus în jos în interiorul fiecărei coloane

THPDFSemanticTextLayout raportează ColumnCount, TableCount, medianele paginii și Lines ordonate. Fiecare linie păstrează limite, celule, rol, coloană și zonă, indici de tabel și rând, nivel de listă și ordinea originală a sursei, astfel încât aplicațiile să poată înlocui euristicile încorporate

Pasul de geometrie folosește sortare O(n log n) și atribuire mărginită a benzilor de coloane

Vezi și ExtractLoadedPageSemanticText