THotPDF.AnalyzeLoadedPageSemanticText

分析已定位的字形,并按稳定的阅读顺序返回语义行

Delphi 语法

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

说明

分析器会对基线聚类,把较大的水平间隙拆分成单元格,检测重复出现的列带,识别对齐的表格行,并对列表项、标题以及图或表的题注进行分类。通栏内容和表格行会把页面划分成若干纵向区域,普通内容则先按列、再在每列内自上而下排序

THPDFSemanticTextLayout 会报告 ColumnCount、TableCount、页面中位数以及有序的 Lines。每一行都保留边界、单元格、角色、所属列和区域、表格与行索引、列表层级以及原始的源顺序,应用因此可以替换内置的启发式规则

The geometry pass uses O(n log n) sorting and bounded column-band assignment

另请参阅 ExtractLoadedPageSemanticText