function GetStructuredText(
const Options: TPdfStructuredTextOptions): TPdfStructuredTextPage;
GetStructuredText lukee Unicode-skaalarit, merkkien rajat, fontin koon, fontin painon, fontin nimen, kulman ja tekstiobjektin identiteetin PDFiumin natiivien teksti-API:iden kautta
Merkeistä muodostuu tyyliteltyjä spaneja, spaneista fyysisiä rivejä, vaakasuunnassa toisiinsa liittyvistä riveistä lohkoja, ja lohkojen teksti yhdistetään sivutason Text-kenttään
Jokainen natiivi skaalari säilytetään UTF-16-muodossa, mukaan lukien täydentävän tason merkit, jotka esitetään surrogaattipareina
ReadingOrder — roPhysicalLayout ryhmittelee geometrian ylhäältä alas ja vasemmalta oikealle; roContentOrder säilyttää natiivin sisältövirran järjestyksenIncludeFontInfo — ottaa mukaan fontin nimen, koon, painon ja kulman jokaisessa spanissa, oletus TrueIncludeSemantics — kytkee olemassa olevan Tagged PDF- tai heuristisen luettavan sisällön mallin jokaiseen lohkoon, oletus TrueMaxCharacters — sivun merkkibudjetti, jonka ylitys keskeyttää käsittelyn, oletus 1000000| Record | Key data |
|---|---|
TPdfStructuredTextPage | PageNumber, Width ja Height, merkkien ja virheiden määrät, Source, yhdistetty Text sekä Blocks |
TPdfStructuredTextBlock | Rajat, teksti, rakennetyyppi, otsikkotaso, kieli, lähde, rakenneelementin indeksi ja rivit |
TPdfStructuredTextLine | Rajat, yhdistetty teksti ja tyylitetyt spanit |
TPdfStructuredTextSpan | Text, Bounds, SourceStartIndex- ja SourceCharacterCount-välit, FontName, FontSize, FontWeight ja Angle |
Kind, HeadingLevel, Language, Source ja StructElementIndexUnmappedCharacterCount laskee ne natiivit nollamääritykset, jotka on korvattu arvolla U+FFFDGeometryFailureCount laskee ne katkeamattomat merkit, joilla ei ole käytettäviä natiiveja rajoja, säilyttäen niiden tekstinFyysinen järjestys käyttää O(n log n) -merkkilajittelua, geometrisesti kasvavia rivi- ja spanpuskureita, puskuroitua UTF-16-rakentamista sekä peräkkäisten ei-tyhjien tekstiobjektien fonttivälimuistia
Aseta IncludeFontInfo tai IncludeSemantics arvoon False, kun kyseisiä rikastustasoja ei tarvita
var
Options: TPdfStructuredTextOptions;
Page: TPdfStructuredTextPage;
begin
Options := TPdfStructuredTextOptions.Default;
Options.MaxCharacters := 250000;
Page := Pdf1.GetStructuredText(Options);
Memo1.Text := Page.Text;
end;