數(shù)據(jù)抽取純文本抽出通用程序庫(kù)

時(shí)間：2022-02-18 23:06:01 | 來(lái)源：信息時(shí)代

時(shí)間：2022-02-18 23:06:01 來(lái)源：信息時(shí)代

DMCTextFilter是HYFsoft開(kāi)發(fā)的純文本抽出通用程序庫(kù)，本產(chǎn)品可以從各種各樣的文檔格式的數(shù)據(jù)中或從插入的OLE對(duì)象中，完全除掉特殊控制信息，快速抽出純文本數(shù)據(jù)信息。便于用戶實(shí)現(xiàn)對(duì)多種文檔數(shù)據(jù)資源信息進(jìn)行統(tǒng)一管理，編輯，檢索和瀏覽。

DMCTextFilter采用了先進(jìn)的多語(yǔ)言、多平臺(tái)、多線程的設(shè)計(jì)理念，支持多國(guó)語(yǔ)言（英語(yǔ)，中文簡(jiǎn)體，中文繁體，日本語(yǔ)，韓國(guó)語(yǔ)），多種操作系統(tǒng)（Windows，Solaris，Linux，IBMAIX，Macintosh，HP-UNIX），多種文字集合代碼（GBK，GB18030，Big5，ISO-8859-1，KSX1001，Shift_JIS，WINDOWS31J，EUC-JP，ISO-10646-UCS-2，ISO-10646-UCS-4，UTF-16，UTF-8等）。提供了多種形式的API功能接口（文件格式識(shí)別函數(shù)，文本抽出函數(shù)，文件屬性抽出函數(shù)，頁(yè)抽出函數(shù)，設(shè)定UserPassword的PDF文件的文本抽出函數(shù)等），便于用戶方便使用。用戶可以十分便利的將本產(chǎn)品組裝到自己的應(yīng)用程序中，進(jìn)行二次開(kāi)發(fā)。通過(guò)調(diào)用本產(chǎn)品的提供的API功能接口，實(shí)現(xiàn)從多種文檔格式的數(shù)據(jù)中快速抽出純文本數(shù)據(jù)。本產(chǎn)品在國(guó)內(nèi)外得到了廣泛的應(yīng)用，在產(chǎn)品性能和質(zhì)量上都得到了用戶高度的好評(píng)。

本產(chǎn)品通過(guò)解析文件內(nèi)部的信息，自動(dòng)識(shí)別生成文件的應(yīng)用程序名和其版本號(hào)，不依賴于文件的擴(kuò)展名，能夠正確識(shí)別文件格式和相應(yīng)的版本信息。可以識(shí)別的文件格式如下：支持MicrosoftOffice、RTF、PDF、Visio、OutlookEML和MSG、Lotus1-2-3、HTML、AutoCADDXF和DWG、IGES、PageMaker、ClarisWorks、AppleWorks、XML、WordPerfect、MacWrite、Works、CorelPresentations、QuarkXpress、DocuWorks、WPS、壓縮文件的LZH/ZIP/RAR以及一太郎、OASYS等文件格式

即使系統(tǒng)中沒(méi)有安裝作成文件的應(yīng)用程序，可以從指定的文件或插入到文件中的OLE中抽出文本數(shù)據(jù)。

從指定的文件中，抽出文件屬性信息。

從文件中，抽出指定頁(yè)中文本數(shù)據(jù)。

從設(shè)有打開(kāi)文檔口令密碼的PDF文件中抽出文本數(shù)據(jù)。

從指定的文件、或是嵌入到文件中的OLE對(duì)象中向流里抽取文本數(shù)據(jù)。

本產(chǎn)品支持以下語(yǔ)言：英語(yǔ)，中文簡(jiǎn)體，中文繁體，日本語(yǔ)，韓國(guó)語(yǔ)

抽出文本時(shí)，可以指定以下的字符集合作為文本文件的字符集(也可指定任意特殊字符集，但需要另行定制開(kāi)發(fā))：GBK，GB18030，Big5，ISO-8859-1，KSX1001，Shift_JIS，WINDOWS31J，EUC-JP，ISO-10646-UCS-2，ISO-10646-UCS-4，UTF-16，UTF-8等。