CharacterIsHyphen vlastnosť

Component: TPdf · Unit: PDFium

Vráti True, keď je znak na zadanom indexe rozpoznaný ako mäkký spojovník použitý na delenie slova na konci riadka. Je užitočný pri skladaní slov cez zalomenia riadkov bez ponechania viditeľnej spojovníkovej značky

Syntax

property CharacterIsHyphen[Index: Integer]: Boolean; // read only

Index Index znaku so základom 0 na aktuálnej strane, v rozsahu 0 až CharacterCount - 1.

Description

CharacterIsHyphen vráti True, keď PDFium klasifikuje znak na Index ako mäkký (koncovriadkový) spojovník namiesto bežného spojovníka, ktorý patrí do zloženého slova. Klasifikácia je heuristická: pozerá na bod Unicode znaku, pozíciu konca riadku a blízkosť nasledujúceho textového behu, aby sa rozhodlo, či sa má spojovník pri spájaní riadkov zachovať.

Mäkké spojovníky vkladajú sazobné enginy (LaTeX, Word, InDesign), aby sa dlhé slová rozdelili naprieč riadkami. Keď kopírujete text z prehliadača PDF, mäkký spojovník sa zvyčajne zahodí, takže „high-
way" sa vloží ako highway namiesto ako high-way. Táto vlastnosť umožňuje vášmu vlastnému kódu extrakcie reprodukovať to správanie.

Vlastnosť nerozlišuje mäkký spojovník Unicode (U+00AD) od bežného spojovníka-minus (U+002D), ktorý sa náhodou nachádza na konci riadku — obidva v týchto situáciách nahlásia True. Ak chcete iba prípad U+00AD, porovnajte Character[Index] priamo.

Remarks

Poradie čítania na strane záleží: spojovník v strede slova nahlási False; ten istý spojovník na konci riadku nahlási True.
Mäkké spojovníky sú často označené aj CharacterGenerated.
Pri odstraňovaní spojovníkov môžete chcieť zahodiť aj nasledujúci znak nového riadku, aby sa rozdelené slová zlepili.
Vlastnosť je nezávislá od vrstvy OCR — funguje rovnako na natívne vysádzaných PDF a PDF označených OCR.

Example

// Reconstruct words across line wraps, dropping soft hyphens
var
  I: Integer;
  S: WString;
begin
  S := '';
  for I := 0 to Pdf.CharacterCount - 1 do
    if not Pdf.CharacterIsHyphen[I] then
      S := S + Pdf.Character[I];
  Memo1.Text := S;
end;