02 UIPath分析PDF文档并导出Excel

Doris232

前言：
     今天，来处理一个曾经遇到过的问题，即从pdf文档中读取内容，然后导入到excel中，这个也是我们经常遇到的，特别是一些经常出入货的公司，这种文件又多，手工输入又是很繁琐。用Uipath自动化来处理正好合适。
需求：
从PDF文档中提取指定字段，并存入excel中。如下图发票：

需要把红色圈起的部分提取出来，存入excel中，excel的格式和图中格式一样。本次只处理提取这部分，其它的大家可以下来后再尝试。
操作步骤：
1、打开uipath，新建流程GetPDF2Excel。

2、拖入构建数据表活动，然后点击活动上的“数据表”，可以看到如下的界面：

3、构造字段，此字段是最终输出Excel的内容：

4、从左侧活动中拖入“读取PDF文本”（若是没有PDF活动，需要安装，具体的安装过程，见后面对PDF Activities的安装）

5、设置PDF的相关内容：

此处主要设置这几项，若是pdf有多页，可以在范围中进行设置读取那一部分。
6、添加一个“写入行”活动，用来查看我们读取PDF的内容是否成功：

7、点击“运行”，查看执行的结果：

从此图中可以看到，发票上的文字都被提取了出来，需要导出的内容就是红色方框中的部分。后面就是怎么把这些内容转换成需要的内容了。

8、先把前面无关的部分去除掉，使用“赋值”活动，这里我家定位到“*移动通信设备*”，从这里开始截取。

9、运行看处理的结果：

开头无关的内容已经去除了。
10、去除后续无关的内容，从内容可以看到，我们要取的内容占了三行，而第四行又和第一行类似，因此，我们继续用“*移动通信设备*”分割，不过这次是从新字符串的头开始取。再使用一个“赋值”活动：

此处，indexof的第二个参数是开始查找的位置，可以根据长度来，写成
“去除开头.Substring(0, 去除开头.IndexOf("*移动通信设备*", "*移动通信设备*".Length))”
11、这次运行后的结果如下：

此时，已经非常接近我们所要的结果了。
12、把字符串用“回车换行”进行分割，再使用一个“赋值”活动：

注意，此时有小感叹号，表示类型不对，split函数使用后，得到的结果是个数组类型，所以Lines的定义必须是数组类型，在参数中设置类型：

最终结果如下：

感叹号消失了。
13、使用遍历循环查看下得到的结果：

可以发现结果是正确的，但是多了几行的空行。
14、分割字符串时，加入StringSplitOptions.RemoveEmptyEntries选项就能达到去除空白行的结果，如下图：

到此处，剩下的数据已经不多了，不过第一行（显示中的0行）还需要再次分割才能得到结果。而把第二、三行拼接在第一行第一个字段下就可以了，下面我们就来做这个操作。
15、 分割第一行，

可以看到，分割后的结果是正确的，不过却多了好几项，原因是把名称字段内本身存在空格，这里为了方便，我们就采取简单的处理办法，把需要合并到一起的项合并起来.
16、合并第一列的数据：

然后与发票中的数据对照：

可以看到，第一行第一列的数据已经处理成功，然后把第二、三行的合并过来就可以了；
17、获得完整的名称，使用一个“赋值”活动，操作如下：

完整的名称到此就获取完成，
18、把获取到的数据插入到数据表中：

19、把结果写入excel中：

20、查看Exce的结果

对比发票上的相关数据：

数据是一致的，大功告成。
PS:
PDF Activities的安装
1、选择管理程序包：

2、在搜索框中输入PDF，按如下顺序操作：

3、接受“许可证接受”

4、可以在活动中，应用程序集成下面看到PDF控件，即表示安装成功，如下图：

=======================================
本篇内容有些多，大家可以参考使用，在阅读过程中若是有什么不明白的，可以在下方讨论区留言。
也可以关注我的微信公众号：IT人的成长