Text

Text

Esta página cobre a leitura de texto de volta de uma página, em três níveis de detalhe: texto simples, blocos de layout estruturado e glifos posicionados individualmente. Para escrever texto em uma página, veja Core API and Core API.

Extraindo Texto Simples

Page.GetText() devolve o texto simples montado da página, na ordem de leitura. É a maneira mais simples de confirmar qual texto a página realmente contém — por exemplo, após achatar um campo ou aplicar uma redação.

const page = doc.Pages[0];
console.log(page.GetText().includes('Internal memo'));

Texto Estruturado

Page.GetStructuredText() extrai texto posicionado agrupado em linhas (por linha de base) e blocos semelhantes a parágrafos (por intervalo vertical e alinhamento da borda esquerda), retornando TextBlock[] — útil quando você precisa de layout, não apenas de uma string plana.

Introspecção ao Nível de Glifo

visitContent(doc, page, visitor) percorre os fluxos de conteúdo de uma página — incluindo em Form XObjects — e chama o manipulador correspondente em visitor para cada glifo, imagem ou caminho que encontrar. O manipulador glyph recebe um GlyphEvent: o text do glifo, seu quad em espaço de dispositivo, fontSize, color, e campos de proveniência como mcid (seu elemento de conteúdo marcado envolvente, se houver) e artifact (verdadeiro quando desenhado dentro de um escopo /Artifact).

import { visitContent } from '@asposefoss/pdf';

let glyphCount = 0;
visitContent(doc, page, {
  glyph: (e) => {
    glyphCount++;
    if (e.artifact) return;       // skip decorative content
    console.log(e.text, e.quad, e.color);
  },
});
console.log('glyphs drawn:', glyphCount);

Dicas e Melhores Práticas

• Use Page.GetText() para uma verificação rápida de presença/ausência; use visitContent() com um manipulador glyph quando precisar da posição exata de cada glifo, tamanho da fonte ou cor.
• Verifique GlyphEvent.artifact para pular conteúdo decorativo (elementos de página, fundos) que um documento marcado classifica como /Artifact em vez de conteúdo real.
• GlyphEvent.mcid vincula um glifo ao seu elemento de estrutura envolvente quando o documento está marcado — combine com Structure para percorrer de um glifo ao seu elemento lógico.
• Page.GetStructuredText() agrupa glifos em blocos para você; recorra a visitContent() diretamente apenas quando precisar de detalhes por glifo que GetStructuredText() não expõe.

Problemas Comuns

FAQ

Qual é a diferença entre GetText e GetStructuredText?

GetText() retorna uma única string plana do texto montado da página. GetStructuredText() retorna TextBlock[] — texto agrupado em linhas e blocos semelhantes a parágrafos por linha de base e layout, útil quando a posição importa.

Como obtenho a posição exata e o tamanho da fonte de cada caractere?

Chame visitContent(doc, page, { glyph: (e) => ... }). Cada GlyphEvent contém o text do glifo, espaço de dispositivo quad, fontSize, color e a linha de base angle.

Posso determinar se um trecho de texto é conteúdo real ou decoração?

Sim — GlyphEvent.artifact é true quando o glifo foi desenhado dentro de um escopo de conteúdo marcado /Artifact, a mesma distinção que Document.AutoTag() usa ao decidir o que marcar.

A extração de texto detecta conteúdo dentro de Form XObjects?

Sim — visitContent() entra em Form XObjects como parte de sua travessia, portanto os glifos desenhados através de um formulário reutilizado ainda são visitados.

API Reference Resumo

Ver também

• Aspose.PDF — Enterprise Documentation