Pular para o conteúdo principal
O texto com o qual o ABBYY FineReader Engine trabalha é texto simples, ou seja, não contém molduras, tabelas e assim por diante. Todos os caracteres são Unicode. O texto simples pode conter os seguintes caracteres especiais:
  • 0x2028 — Símbolo de quebra de linha
  • 0x2029 — Símbolo de quebra de parágrafo
  • 0xFFFC — Caractere de substituição de objeto (indica uma imagem incorporada no texto)
  • 0x0009 — Tabulação
  • 0x005E — Acento circunflexo (^), usado pelo ABBYY FineReader Engine como substituto para caracteres não reconhecidos
  • 0x00AC — Hífen opcional
Os atributos e a formatação de um texto estão disponíveis por meio dos objetos e propriedades correspondentes. Você pode acessar o texto reconhecido de um documento por meio da propriedade de layout da página (IFRPage::Layout).

​
Texto reconhecido no layout

Somente blocos de texto, de tabela e de código de barras contêm texto após o reconhecimento. Os demais blocos não têm texto. O objeto Text fornece acesso ao texto reconhecido dos blocos de texto e de tabela, enquanto o objeto BarcodeText fornece acesso ao texto de um bloco de código de barras. Para acessar o texto reconhecido de um bloco, faça o seguinte:
  • Para blocos de texto
Use a propriedade ITextBlock::Text. Obtenha o texto do código de barras usando a propriedade IBarcodeBlock::BarcodeText ou IBarcodeBlock::Text. A primeira retorna o objeto BarcodeText, que é uma coleção de caracteres do código de barras reconhecido (os objetos BarcodeSymbol). A segunda retorna o texto do código de barras como uma única string.

​
Texto e parágrafos

O objeto Text contém uma coleção de parágrafos. Essa coleção é um objeto Paragraphs, acessível por meio da propriedade Paragraphs do objeto Text. O objeto Paragraphs é uma coleção de objetos Paragraph. O texto reconhecido pode ser acessado por meio da propriedade IParagraph::Text. O texto dessa propriedade é uma string Unicode. Também existe um objeto ParagraphParams que contém atributos específicos do parágrafo como um todo, como informações sobre alinhamento e recuo. Esse objeto pode ser acessado por meio da propriedade IParagraph::ExtendedParams. A propriedade IParagraph::Lines fornece acesso a uma coleção de linhas do parágrafo representada pelo objeto ParagraphLines, que, por sua vez, é uma coleção de objetos ParagraphLine. Este último fornece informações sobre a posição geométrica de uma única linha do parágrafo e, portanto, representa a divisão do texto em linhas. A propriedade IParagraph::Words fornece acesso a uma coleção de palavras do parágrafo representada pelo objeto Words, que é uma coleção de objetos Word. O objeto Word fornece acesso a uma única palavra do parágrafo.

​
Atributos dos caracteres

Cada caractere do texto tem seus próprios parâmetros. Eles podem ser acessados por meio do objeto CharParams. O objeto CharParams tem um amplo conjunto de atributos de caractere, como parâmetros geométricos, fonte e idioma. O objeto CharParams contém o próprio caractere na propriedade SelectedCharacterRecognitionVariant. Veja também texto simples abaixo para ver a forma recomendada de obter informações sobre todos os caracteres em um documento. A posição de um caractere no texto é definida pelo índice do parágrafo ao qual ele pertence e pelo seu próprio índice nesse parágrafo. Também existe a chamada “posição especial” no texto: o índice do parágrafo é o número total de parágrafos, e o índice do caractere é 0. Esse é o ponto de inserção no final do texto. Alguns métodos do objeto Text executam operações com essa posição especial, isto é, inserem nela outro fragmento de texto ou uma imagem. A propriedade SelectedCharacterRecognitionVariant do objeto CharParams fornece acesso a um conjunto estendido de atributos específicos de um único caractere, representado pelo objeto CharacterRecognitionVariant. Esses atributos são definidos durante o reconhecimento e fornecem algumas informações internas de reconhecimento específicas do caractere. Em particular, esse objeto fornece informações mais precisas sobre a confiabilidade do reconhecimento de caracteres, a probabilidade de o caractere estar em uma fonte com serifa etc.

​
Edição de texto

Você pode tentar alterar os atributos do objeto Text, mas deve fazer isso com muito cuidado se o texto for exportado para um formato externo. Os métodos de exportação do ABBYY FineReader Engine pressupõem que o texto reconhecido é o resultado do reconhecimento e que o usuário apenas corrigiu erros de reconhecimento, sem fazer nenhuma outra alteração. Os objetos do grupo Text têm muitas propriedades interdependentes, e muitas vezes alterar uma dessas propriedades exige alterar outras também. Por esse motivo, alterações nos atributos do texto reconhecido às vezes podem resultar em resultados de exportação imprevisíveis.

​
Texto simples

Você também pode acessar todo o texto reconhecido de um documento ou de uma página em um formato especial de “texto simples”, representado pelo objeto PlainText. Ele fornece informações apenas sobre os símbolos de texto reconhecidos, o nível de confiança do reconhecimento e suas posições em relação à imagem de origem. No entanto, pode ser útil se você precisar acessar esses atributos de todos os caracteres em um documento grande. No FRE para Windows: use o método GetCharacterData, que permite obter os dados de todos os caracteres de uma só vez e percorrê-los no seu código. Percorrer todos os blocos de texto levará consideravelmente mais tempo, especialmente se o seu aplicativo estiver sendo executado via DCOM.

​
Veja também

Trabalhando com Layout e Blocos Trabalhando com idiomas Usando algoritmos de votação