THotPDF.ExtractLoadedPageText

THotPDF

从已加载页面提取文本为 Unicode 字符串，不做布局聚类，成功时返回 True

Delphi 语法：

function ExtractLoadedPageText(PageIndex: Integer; out AText: UnicodeString): boolean;

说明

可用的 /ToUnicode CMap 始终是权威来源；缺失的条目会依次回退到 /Encoding /Differences 字形名（经 Adobe Glyph List 解析）、code 到 CID 的映射和 Adobe CID 集合，最后是二进制 /CIDToGIDMap 数据配合内嵌 TrueType 或 OpenType 字体的 cmap

内嵌 cmap 的恢复支持 BMP 和增补平面的映射；当已加载文本替换需要把 Unicode 标量编码回原字体时，沿同一条回退链反向执行

扫描页面可以通过 Searchable OCR Text Layers 获得可搜索的 ToUnicode 内容