Text

Text

Ця сторінка охоплює читання тексту з сторінки на трьох рівнях деталізації: plain text, structured layout blocks та individual positioned glyphs. Для запису тексту на сторінку дивіться Core API and Core API.

Витяг простого тексту

Page.GetText() повертає зібраний простий текст сторінки у порядку читання. Це найпростіший спосіб підтвердити, який текст фактично міститься на сторінці — наприклад, після сплющення поля або застосування редагування.

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

Структурований текст

Page.GetStructuredText() витягує позиціонований текст, згрупований у рядки (за базовою лінією) та блоки, схожі на абзаци (за вертикальним проміжком і вирівнюванням по лівому краю), повертаючи TextBlock[] — корисно, коли потрібне розміщення, а не просто плоский рядок.

Інспекція на рівні гліфів

visitContent(doc, page, visitor) обходить потоки вмісту сторінки — включаючи Form XObjects — і викликає відповідний обробник на visitor для кожного гліфа, зображення чи шляху, які він зустрічає. Обробник glyph отримує GlyphEvent: text гліфа, його простір пристрою quad, fontSize, color, та поля походження, такі як mcid (його охоплюючий елемент позначеного вмісту, якщо такий є) і artifact (правда, коли намальовано всередині області /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);

Поради та найкращі практики

• Використовуйте Page.GetText() для швидкої перевірки наявності/відсутності; використовуйте visitContent() з glyph обробником, коли потрібне точне розташування, розмір шрифту або колір кожного гліфа.
• Перевірте GlyphEvent.artifact, щоб пропустити декоративний вміст (оформлення сторінки, фони), який тегований документ позначає як /Artifact, а не реальний вміст.
• GlyphEvent.mcid пов’язує гліф назад до його охоплюючого елементу структури, коли документ теговано — поєднайте з Structure для переходу від гліфа до його логічного елементу.
• Page.GetStructuredText() групує гліфи у блоки за вас; використовуйте visitContent() безпосередньо лише коли потрібна деталізація по гліфу, яку GetStructuredText() не розкриває.

Типові проблеми

FAQ

У чому різниця між GetText і GetStructuredText?

GetText() повертає один плоский рядок з зібраного тексту сторінки. GetStructuredText() повертає TextBlock[] — текст, згрупований у рядки та блоки, схожі на параграфи, за базовою лінією та макетом, корисний, коли важливе розташування.

Як отримати точну позицію та розмір шрифту кожного символу?

Викличте visitContent(doc, page, { glyph: (e) => ... }). Кожен GlyphEvent містить text гліфа, простір пристрою quad, fontSize, color та базову лінію angle.

Чи можу я визначити, чи є фрагмент тексту справжнім вмістом чи декоративним?

Так — GlyphEvent.artifact є true, коли гліф був намальований всередині /Artifact області позначеного вмісту, та ж різниця, яку Document.AutoTag() використовує при вирішенні, що тегувати.

Чи бачить видобуток тексту вміст всередині Form XObjects?

Так — visitContent() входить у Form XObjects під час свого обходу, тому гліфи, намальовані через повторно використану форму, все ще відвідуються.

API Reference Підсумок

Дивіться також

• Aspose.PDF — Enterprise Documentation