Altova MapForce 2024 Enterprise Edition

La propriété Région décrit la partie de la page qui doit être découpée en morceaux. Si aucune valeur n’a été spécifiée, la propriété Région fait référence à toute la page. La capture d’écran ci-dessous affiche la définition d’une région ainsi que les emplacements des parties gauche, droite, du haut et du bas de la région.

La propriété Recherche décrit la partie de la page où l’Extracteur PDF recherche des positions de fractionnement particulières (voir Méthode ci-dessous). Si aucune valeur n’est précisée, l’option par défaut est égale à la valeur de la propriété Région.

La région de recherche est généralement utilisée en combinaison avec la région. La région spécifie la partie de la page qui doit être fractionnée (par ex., toute la table), tandis que la région de recherche aide à trouver des lignes ou des objets uniquement dans une zone particulière (par ex., le long du bord gauche). Par exemple, s’il existe une colonne où les bords sont fiables et cohérents, vous pouvez restreindre la région de recherche uniquement à cette colonne particulière. Pour un exemple dans lequel la région de recherche est utilisée, voir l’ Example 2 ci-dessous.

Les propriétés Ignorer Initial et Ignorer Final décrivent combien de snippets respectivement du début et de la fin de la région seront exclus du traitement.

La propriété Method fait référence au mécanisme de localisation des positions de fractionnement, basé sur une région spécifique qui sera fractionnée en morceaux. Les méthodes suivantes sont disponibles :

•Recherche lignes ou bords

•Recherche objets

•Distance fixe

Toutes les méthodes ont deux directions : (i) la direction de recherche, qui est verticale pour le séparateur et l’emplacement vertical et les localisateurs de la limite et horizontale pour l’emplacement horizontal et les localisateurs de la limite, et (ii) la deuxième direction, qui est perpendiculaire à la direction de recherche.

Recherche lignes ou bords

La méthode Recherche lignes ou bords recherche des lignes ou bords, autour desquels la région sera fractionnée en snippets. La méthode « edge-finding » a les propriétés suivantes :

•La propriété Remplir Écarts vous permet de préciser la distance entre les pixels adjacents à contraste élevé, qui permet de les fusionner. La propriété Remplir Écarts peut être particulièrement utile quand, par exemple, une ligne de table a des lignes pointillées. Fusionner des lignes pointillées en une ligne permettra à l’Extracteur PDF d’identifier cette ligne comme bord.

•La propriété Longueur minimum du bord est un paramètre avancé qui spécifie le pourcentage de la largeur de la région qu’un objet doit couvrir afin d’être compté. Cette propriété peut être utile dans des situations quand les lignes de la grille sont inconsistantes (par ex., quand une ligne de la grille est plus courte que la ligne). La valeur par défaut est 60%. Avec assez d’espace et des lignes de grille cohérentes, la propriété Longueur minimum du bord ne doit pas avoir une influence significative en ce qui concerne la détection des positions de fractionnement. Toutefois, vous allez éventuellement vouloir affiner ce paramètre s’il existe des lignes de grille manquantes. Dans ce cas, définir un pourcentage inférieur peut être utile pour que le séparateur trouve le bord.

•La propriété Résolution permet de scanner un document à plus haute résolution dans le cas où le document contient des lignes très fines. Vous pouvez choisir entre une résolution Standard, Fine (144 ppi) et Extra Fine (288 ppi).

Pour un exemple qui utilise la méthode Recherche lignes ou bords, voir Example 1 ci-dessous.

Recherche objets

La méthode Recherche objets peut être particulièrement utile quand il y a une absence de bords. La méthode de recherche de l’objet scannera la région de recherche, et à chaque fois qu’un coordinateur de direction de recherche a au moins un pixel dans la direction secondaire qui est assez différent de la couleur d’arrière-plan, ce pixel est compté comme faisant partie d’un objet. Dépendant du bord de l’objet ou des bords que vous avez sélectionné, le séparateur découpera la région en snippets, basé sur ces lignes. Ces lignes peuvent également être ajustées si nécessaire. Avec une configuration appropriée, la méthode Recherche objet peut également être utilisée pour détecter des écarts élevés entre les lignes de texte.

La méthode de recherche de l’objet a les propriétés suivantes :

•La propriété Couleur d’arrière-plan est la couleur d’arrière-plan d’un document PDF et accepte les codes couleur hexadécimaux. L’option par défaut est #FFF, qui représente le blanc.

•La propriété Tolérance est le pourcentage de la déviation de la couleur spécifiée dans le paramètre Arrière-plan. Ceci est l’étendue à l’intérieur de laquelle la couleur d’arrière-plan est considérée comme un arrière-plan. Tout ce qui se trouve au-dessus du pourcentage de la déviation de la couleur n’est plus considéré comme arrière-plan. Par exemple, la valeur 100 signifie que tout est traité comme arrière-plan.

•La propriété Étendue minimum précise la taille minimum d’un objet ; tout objet plus petit que la valeur spécifiée sera ignoré.

•La propriété Remplir écarts détermine la taille d’un trou qui est couvert le long de la direction de recherche ; si deux lignes qui n’appartiennent pas à l’arrière-plan ne représentent pas plus que cette distance, ces deux lignes son considérées être un seul objet.

•La propriété Bord à trouver précise le bord sur lequel l’objet sera fractionné, qui peut être le début (Start), la fin (End), ou le début et la fin de l’objet (Start and End).

•La propriété Déplacer précise un décalage qui sera ajouté à la position détectée d’un objet. Le décalage est généralement négatif quand la pour trouver propriété Bord est définie comme Start, autrement il est positif.

Pour un exemple qui utilise la méthode Recherche objets, voir Example 2 ci-dessous.

Distance fixe

La méthode de distance fixée débute en haut de la région de recherche (ou du bord de contrôle, selon le cas) et se déplace vers le ou non selon une distance spécifiée dans le champ Distance. Cette méthode peut être particulièrement utile pour certains documents qui utilisent des lignes fixes ou des hauteurs de cellules.

La capture d’écran ci-dessous illustre un extrait de table qui sera fractionné en lignes basé sur les paramètres configurés dans la section Méthode dans le volet des Propriétés : La méthode a été définie comme Distance fixe, et, en utilisant des mesures dans la barre de statut, nous avons identifié la distance entre le début et la fin de chaque ligne, qui est 24pt (définie dans le champ Distance). Pour les détails sur comment mesurer les distances, voir Exemple dans la sous-section Post-Processus ci-dessous.

La section Post-processus contient des options de post-processus supplémentaires pour le résultat de la méthode sélectionnée :

•L’option Étendue minimum précise une distance seuil en dessous de laquelle les résultats de fractionnement sont considérés être de petits fragments.

•Le paramètre petits fragments précise comment procéder de petits fragments. Les valeurs suivantes sont disponibles :

oIgnorer : De petits fragments ne seront pas inclus dans la séquence du séparateur (option par défaut).

oFusionner avec précédent : Un petit fragment sera fusionné avec le premier fragment « non-small » précédent.

oFusionner avec suivant : Un petit fragment sera fusionné avec le premier fragment « non-small » successif.

oFractionner au centre : La région entre les fragments « non-small » sera fractionnée de manière uniforme entre les deux ; les petits fragments « initial » et « final » seront fusionnés avec les premiers et derniers fragments « non-small », respectivement.

Exemple

Vous pouvez utiliser toutes les manières d’exclusion de fragments non voulus du traitement. Par exemple, si chaque page de votre document PDF a le même nombre de snippets que vous voulez éliminer, vous pouvez utiliser les propriétés Ignorer Initial et Ignorer Final (voir Exemple 1 ci-dessous). Toutefois, si le nombre de snippets non souhaités varie d’une page à l’autre, vous pouvez utiliser la propriété Étendue minimum.

Pour mesurer la hauteur du fragment que vous voulez exclure du traitement, suivez les étapes ci-dessous :

1.Sélectionnez un rectangle qui couvre le hauteur du fragment non souhaité (capture d’écran ci-dessous).

2.Vérifiez les mesures dans la barre de statut (capture d’écran ci-dessous). La valeur 26.84pt représente la hauteur du fragment.

3.Basé sur les mesures affichées dans la barre de statut, nous pouvons définir en sécurité la propriété Étendue minimum à 30pt. Nous avons défini la propriété Petits fragments à Éliminer. Tous les fragments plus petits que 30pt seront exclus du traitement. Pour éviter des résultats imprévisibles, vous devez vous assurer que la hauteur des fragments que vous prévoyez inclure dans les résultats de fractionnement est supérieure à la valeur de la propriété Étendue minimum. Dans notre exemple, la hauteur des lignes que nous voulons fractionner est supérieures à la hauteur de la ligne d’en-tête. Pour cette raison, la valeur que nous avons défini dans la propriété Étendue minimum affectera uniquement les snippets que nous voulons éliminer.