GetStructuredText - TPdf - PDFium Delphi Component

Component: TPdf · Unit: PDFium

Izlušči trenutno stran v vnovič uporabljive bloke, vrstice in oblikovane razpone z izvornimi indeksi in geometrijo strani

Syntax

function GetStructuredText(
const Options: TPdfStructuredTextOptions): TPdfStructuredTextPage;

Description

GetStructuredText prebere skalarje Unicode, okvirje znakov, velikost pisave, debelino pisave, ime pisave, kot in istovetnost besedilnega objekta prek izvornih besedilnih API-jev PDFium

Znaki postanejo oblikovani razponi, razponi fizične vrstice, vodoravno sorodne vrstice bloki, besedilo blokov pa se združi v polje Text na ravni strani

Vsak izvorni skalar je ohranjen kot UTF-16, vključno z znaki dopolnilne ravnine, predstavljenimi z nadomestnimi pari

Options

ReadingOrder — roPhysicalLayout združuje geometrijo od zgoraj navzdol in od leve proti desni; roContentOrder ohranja izvorno zaporedje toka vsebine
IncludeFontInfo — vključi ime pisave, velikost, debelino in kot v vsak razpon, privzeto True
IncludeSemantics — preslika obstoječi Tagged PDF ali hevristični model berljive vsebine na vsak blok, privzeto True
MaxCharacters — proračun znakov strani z varno odpovedjo, privzeto 1000000

Result hierarchy

Record	Key data
`TPdfStructuredTextPage`	`PageNumber`, `Width` in `Height`, števca znakov in napak, `Source`, združeno `Text` in `Blocks`
`TPdfStructuredTextBlock`	Meje, besedilo, vrsta strukture, raven naslova, jezik, vir, indeks strukturnega elementa in vrstice
`TPdfStructuredTextLine`	Meje, združeno besedilo in oblikovani razponi
`TPdfStructuredTextSpan`	`Text`, `Bounds`, obseg `SourceStartIndex` in `SourceCharacterCount`, `FontName`, `FontSize`, `FontWeight` in `Angle`

Semantics and geometry

Označena vsebina lahko napolni Kind, HeadingLevel, Language, Source in StructElementIndex
Neujemajoč označen Figure z nadomestnim besedilom se obdrži kot sintetični semantični blok, namesto da izgine iz modela
UnmappedCharacterCount prešteje izvorne ničelne preslikave, zamenjane z U+FFFD
GeometryFailureCount prešteje znake brez preloma brez uporabnih izvornih meja, hkrati pa obdrži njihovo besedilo
Zasukano in navpično besedilo ohranja metapodatke skalarja in kota, toda razvrščanje fizičnih vrstic je optimizirano za vodoravne postavitve

Performance

Fizično urejanje uporablja razvrščanje znakov O(n log n), geometrijsko rastoče medpomnilnike vrstic in razponov, medpomnjeno izgradnjo UTF-16 in predpomnjenje pisav sosednjih ne-null besedilnih objektov

Nastavite IncludeFontInfo ali IncludeSemantics na False, kadar ti plasti obogatitve nista potrebni

Example

var
  Options: TPdfStructuredTextOptions;
  Page: TPdfStructuredTextPage;
begin
  Options := TPdfStructuredTextOptions.Default;
  Options.MaxCharacters := 250000;
  Page := Pdf1.GetStructuredText(Options);
  Memo1.Text := Page.Text;
end;

GetStructuredText metoda