Свойство CharacterCount

CharacterCount връща броя символи, които PDFium идентифицира на FPDF_TEXTPAGE на активната страница — същото индексиране, което задвижва Character[Index], CharacterRectangle[Index], CharacterOrigin[Index] и слоя за търсене / избор. Броят отразява глифовете след разрешаването на ToUnicode CMap, така че всеки запис съответства на една Unicode кодова точка, както е декодирана от PDFium, а не на един глиф от шрифтовата програма на PDF.

Стойността е 0, когато Active е False, когато страницата няма текстово съдържание (чисти изображения / векторни страници) или когато текстовото съдържание е нарисувано с шрифтове, които нямат ToUnicode CMap и никаква резервна евристика не е успяла да ги декодира. PDFium също включва “генерирани” интервали, които синтезира за моделиране на нови редове и граници на думите — проверете CharacterGenerated[Index], за да различите реалните глифове от синтетичните.

Типичният цикъл е for I := 0 to Pdf.CharacterCount - 1 do, с Pdf.Character[I], връщащ WideChar. Конкатенацията на тези символи в един низ дава текстовото съдържание на страницата в ред на четене. Самият CharacterCount е O(1) след като страницата е анализирана; индексираните достъпи извършват работата за всеки символ.

• Сурогатните двойки в допълнителните равнини (емоджи, редки CJK идеограми) заемат два индекса на символа — един висок сурогат, един нисък сурогат — съответстващи на UTF-16 кодовите единици, а не на Unicode кодовите точки.
• Използвайте CharacterMapError[Index], за да откриете глифове, които PDFium не е могъл да съпостави обратно към Unicode; те обикновено се нуждаят от OCR или проверка на шрифтовата програма.
• За общи суми за целия документ итерирайте всяка страница и натрупвайте броя. CharacterCount е на страница; PDFium не предоставя директно обща сума за „всички страници".