function GetStructuredText(
const Options: TPdfStructuredTextOptions): TPdfStructuredTextPage;
GetStructuredText læser Unicode-scalars, tegnbokse, skriftstørrelse, skriftvægt, skriftnavn, vinkel og tekstobjekt-identitet gennem PDFiums native tekst-API'er
Tegn bliver til styled spans, spans bliver til fysiske linjer, vandret beslægtede linjer bliver til blokke, og blokteksten sammenføjes til side-niveau Text-feltet
Hver native scalar bevares som UTF-16, inklusive supplementary-plane-tegn repræsenteret ved surrogatepar
ReadingOrder — roPhysicalLayout grupperer geometrien oppefra og ned og fra venstre mod højre; roContentOrder bevarer den native content-stream-sekvensIncludeFontInfo — inkluderer skriftnavn, størrelse, vægt og vinkel i hvert span, standard TrueIncludeSemantics — afbilder den eksisterende Tagged PDF- eller heuristiske readable-content-model til hver blok, standard TrueMaxCharacters — fail-closed budget for sidens tegn, standard 1000000| Record | Key data |
|---|---|
TPdfStructuredTextPage | PageNumber, Width og Height, tegn- og fejltællere, Source, den sammenføjede Text og Blocks |
TPdfStructuredTextBlock | Bounds, tekst, strukturart, overskriftsniveau, sprog, kilde, strukturelementindeks og linjer |
TPdfStructuredTextLine | Bounds, sammenføjet tekst og styled spans |
TPdfStructuredTextSpan | Text, Bounds, intervallet SourceStartIndex/SourceCharacterCount, FontName, FontSize, FontWeight og Angle |
Kind, HeadingLevel, Language, Source og StructElementIndexUnmappedCharacterCount tæller de native nul-mappings, der er erstattet af U+FFFDGeometryFailureCount tæller non-break-tegn uden brugbare native bounds, mens deres tekst bevaresFysisk rækkefølge bruger O(n log n) tegnsortering, geometrisk voksende linje- og span-buffere, buffered UTF-16-opbygning og font-caching på tværs af tilstødende ikke-null tekstobjekter
Sæt IncludeFontInfo eller IncludeSemantics til False, når de berigelseslag er unødvendige
var
Options: TPdfStructuredTextOptions;
Page: TPdfStructuredTextPage;
begin
Options := TPdfStructuredTextOptions.Default;
Options.MaxCharacters := 250000;
Page := Pdf1.GetStructuredText(Options);
Memo1.Text := Page.Text;
end;