UIPath入门系列十之PDF文档操作

Posted 2020-12-27 wendyzheng

今天讲解的是PDF数据提取与自动化(PDF Data Extraction and Automation)

一、安装PDF插件

 

二、准备PDF文档 (例1-4 Note.pdf, 例5 Invoice.pdf )

 

 

三、识别PDF所有文字和图像

1. 识别PDF文字: Read PDF txt

2. 识别PDF图像及文字: Read PDF with OCR 和Screen Scraping

3. 识别多个PDF中相同的单个字符 (Get Text 和Anchor Base)

 

例1：识别PDF文字

1. 新建一个sequence

2. 添加一个Read PDF txt的方法

 

Range是指扫描的页数，跟word文档打印的Range是一样的功能。例如："All",  "3-7", ”1”

3. 添加一个write txt file输出方法和message box屏幕输出方法

 

4. 运行结果如下：图片并未识别

 

例2：识别PDF图像和文字方法一

1. 添加Read PDF with OCR

 

2.运行结果如下：图片和文字均可识别

 

Tips：OCR识别的准确度会随着PDF图像的清晰度而降低，尽量避免使用OCR识别方法。

例3：识别PDF图像和文字方法二

1.  打开PDF文件，点击Screen Scraping

 

2. 保存录制结果，添加message box方法，接收 “MicrosoftedgeExeMicro” 变量

 

3. 运行结果如下

 

例4：识别多个Notes.pdf中相同的 ”IMPORTANT READ:”

1. 打开Notes.pdf，加入getText方法

 

2. 添加message box方法

 

3. 运行结果如下

 

4. 去掉title (可匹配多个PDF文档) 和 text (用index来代替字符串)

5. 接着打开Note2.pdf文档，点击运行按钮，测试结果仍然是  ”IMPORTANT READ:”，Selector选择器的情况如下

 

例5：使用Anchor Base锚点测试多个Invoice文件

1.打开Invoice1.pdf文件，添加一个Anchor Base，锚点里有两个参数，一是找到需要测试的对象名称，二是得到要测试对象的值

 

2. find element方法(或find image方法 )中的selectors修改如下

 

3. get text方法中的selectors修改如下

 

4. 分别测试Invoice1.pdf和Invoice2.pdf文件，测试结果请自行验证

Tips：若使用find image方法，先将PDF设置为实际大小(我使用find image方法测试不成功)

 

扩展：后续会推出基于图像的自动化博客(image-based automation)