数据抽取纯文本抽出通用程序库
时间：2022-02-18 23:06:01 | 来源：信息时代
时间：2022-02-18 23:06:01 来源：信息时代
DMCTextFilter是HYFsoft开发的纯文本抽出通用程序库，本产品可以从各种各样的文档格式的数据中或从插入的OLE对象中，完全除掉特殊控制信息，快速抽出纯文本数据信息。便于用户实现对多种文档数据资源信息进行统一管理，编辑，检索和浏览。
DMCTextFilter采用了先进的多语言、多平台、多线程的设计理念，支持多国语言（英语，中文简体，中文繁体，日本语，韩国语），多种操作系统（Windows，Solaris，Linux，IBMAIX，Macintosh，HP-UNIX），多种文字集合代码（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）。提供了多种形式的API功能接口（文件格式识别函数，文本抽出函数，文件属性抽出函数，页抽出函数，设定UserPassword的PDF文件的文本抽出函数等），便于用户方便使用。用户可以十分便利的将本产品组装到自己的应用程序中，进行二次开发。通过调用本产品的提供的API功能接口，实现从多种文档格式的数据中快速抽出纯文本数据。本产品在国内外得到了广泛的应用，在产品性能和质量上都得到了用户高度的好评。
本产品通过解析文件内部的信息，自动识别生成文件的应用程序名和其版本号，不依赖于文件的扩展名，能够正确识别文件格式和相应的版本信息。可以识别的文件格式如下：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、压缩文件的LZH/ZIP/RAR以及一太郎、OASYS等文件格式
即使系统中没有安装作成文件的应用程序，可以从指定的文件或插入到文件中的OLE中抽出文本数据。
从指定的文件中，抽出文件属性信息。
从文件中，抽出指定页中文本数据。
从设有打开文档口令密码的PDF文件中抽出文本数据。
从指定的文件、或是嵌入到文件中的OLE对象中向流里抽取文本数据。
本产品支持以下语言：英语，中文简体，中文繁体，日本语，韩国语
抽出文本时，可以指定以下的字符集合作为文本文件的字符集(也可指定任意特殊字符集，但需要另行定制开发)：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。
在线咨询
