簡介：
PDF是一種廣泛使用的文檔格式，在本課中我們將學習從PDF文檔中提取數據的方法，包括當Selector不穩定時如何使用錨點功能。
學習大綱：
如何使用Read PDF活動
如何使用Read PDF with OCR活動
如何使用錨點(anchor)從PDF的某個字段里獲取數據
1. 關於PDF文檔
1) 安裝PDF擴展活動包
在Activities面板的搜索欄中搜索"pdf"，如搜索無結果，說明沒有安裝PDF的活動包。
安裝方法：打開Package Manager，搜索pdf，在搜索結果(UiPath.PDF.Activities)中點擊Install。
2) PDF的文本類型
PDF中可以包含文本和圖片。有時文本也可能以圖片的形式出現。
判斷PDF中的某段文字是文本還是圖片，可以直接在文件里選中這段文字。如果是可以選中的，就是文本型；如果選擇文字時，顯示的是一塊整的區域（如下圖），則是圖片型。
2. 提取大段文字（三種方法）
1) Read PDF Text活動
FileName參數：選擇PDF文件的路徑。
Range參數：選擇要讀取的頁碼。如"All"，"3"，"3-5"。
Text參數：輸出變量。
讀取到文本后可以使用Write Text File活動把它寫入一個txt文檔里，或者進行其他的文本操作。
Read PDF Text活動只能讀取可選取的文本，要讀取PDF上的圖片，可以使用Read PDF With OCR活動。
2) Read PDF With OCR活動
OCR: Optical Character Recognition
首先要在Read PDF With OCR活動中添加一個OCR Engine。目前UiPath有三種OCR Engine：Google，Microsoft和Abbyy FineReader。
還需要在活動的Output參數里設置一個變量，用來存儲讀取到的文本。
我們可以按需設置OCR Engine的參數（注意：不是Read PDF With OCR活動的參數）。不同的OCR Engine的參數項目可能略有不同。
3) 比較Read PDF Text活動和Read PDF With OCR活動
使用Message Box活動顯示Read PDF Text活動和Read PDF With OCR活動讀取的PDF數據。
Read PDF Text活動的運行結果：PDF上半部分的可選取文本正常顯示，且按照分欄順序顯示。下半部分的圖片文本顯示為“Sample Text & Image PDF”。
Read PDF With OCR活動的運行結果：能夠顯示PDF下半部分的圖片文本。上半部分的可選取文本雖然也能顯示，但是不能按照分欄順序顯示。
*目前大部分OCR Engine還不夠智能，不能識別出文本中的分欄布局。但Abby是個例外，它可以保留文本的結構。因此在上面的PDF里，使用Abby可以按照正確的順序顯示文本。
*OCR讀取數據的准確率和PDF原圖的質量有很大關系。當圖片質量較低時，OCR的准確率也會在很大程度上下降。
注意：上述兩種PDF活動都是內部活動，可以在后台運行，且不需要打開其他的應用程序（比如閱讀PDF的應用Adobe）。
4) Screen Scraping工具
在工具欄里選擇Screen Scraping工具，在PDF中指定想要抓取的文本元素，UiPath會顯示一個預覽界面。
在下圖中，紅色部分是預覽區域，從元素里識別出的文本信息會在這個區域中顯示；藍色部分表示當前使用的Scraping方法；黃色部分表示其他可使用的Scraping方法；點擊綠色部分中的UI Element可以重新指定元素。
*使用Screen Scraping工具的Full Text方法，最終生成的活動是一個Attach Window容器和一個Get Full Text活動。
*使用Screen Scraping工具必須先打開PDF文件，且不能在后台運行。
3. 提取某個特定文本
PDF數據類型：Native Text (本地文本)。這種文本元素可以直接被UiPath識別和選中。與之對應的是掃描版的PDF，文本是圖片型的文本。
1) 提取這份PDF上的Grand Total的值。
使用Get Text活動（或者直接使用Recording工具錄制），選擇PDF文件里的Grand Total的值。
2) 假設有很多份類似的PDF，提取每一份PDF上的Grand Total。
思路：修改Get Text活動的Selector，以擴大它的識別范圍。
方法1：UiPath自動修改。在Get Text活動的參數面板里編輯Selector，在Selector Editor里點擊右上角的Attach to Live Element，再選擇另一個PDF文件里的Grand Total。
方法2：手動修改（修改方法僅限此例，更多詳情參見Lesson 6 - Selectors）。
在Get Text活動的參數面板里編輯Selector，在Selector Editor里點擊左下角的Open in UiExplorer。
在Current UI面板中勾選上的元素即該Selector的組成部分。查看每一個勾選的元素，並在Selector Attributes面板中查看/修改屬性。
- text | $40.00 USD：去掉name屬性。
- AcroRd32.exe | Samplee Invoice A.pdf - Adobe Reader：去掉title屬性。
- row：添加rowName屬性。
把 最終得到的Selector復制到之前的Selector Editor中。
4. 使用錨點提取特定文本
1) 添加一個Anchor Base活動。
2) 最典型的Anchor (錨點) 就是Find Element活動。添加該活動，用它來定位某一個固定的元素。在此例中，指定的錨點是PDF上的"Grand Total"。
3) 使用錨點的目的是提取Grand Total的值，因此在Anchor Base活動的右邊添加Get Text活動，並指定PDF上Grand Total的值。
4) 不論是Find Element活動還有Get Text活動，它們都有自己的Selector參數。
Get Text活動的Selector：$40.00 USD數值過於具體，可以使用通配符*進行替換，即<ctrl name='$ * USD ' role='text'/>
*由於Get Text活動的Selector根據錨點元素進行定位，這里只顯示了完整的Selector的最后一行，即它是一個Partial Selector。
Find Element活動的Selector：
修改前：
修改后：標題的部分用通配符*替換；刪除第三行，因為它不包含任何唯一的識別標識。
*Anchor Base活動有一個Anchor Position參數，可以設定錨點相對於數據的位置。在此例中，我們可以設定該參數為Left。
5) 使用Find Image活動作為錨點，替換Find Element活動。
優點：使用Find Element活動作為錨點，只能在相同結構的PDF文檔中准確的提取數據。但使用Find Image活動作為錨點，可以不考慮PDF文檔的結構，只需要在PDF可見部分的任一位置包含有指定的特定圖像即可。另外，使用Find Image活動也不需要花時間去修改和調試Selectors。
- 首先將PDF文檔調整為實際大小，以確保獲取圖片的完整性和准確性：View → Zoom → Actual Size。
- 添加Find Image活動，選取圖像。
*Find Image活動能適應一定范圍內的尺寸變化。
*使用Anchor Base活動，特別是配合Find Image活動一起使用，常比使用其他方法更加可靠。因為就算PDF文檔的主要結構發生變化，只要文字或圖片能顯示出來，並且和數據的對應關系不變，UiPath就可以提取出數據。
*使用Anchor Base活動必須先打開PDF文檔，並且操作的數據必須是可見的（如果數據不在當前頁面上，UiPath無法操作該數據）。
5. 其他方法
1) Find Relative Element活動
2) Scrape Relative工具
3) 對於掃描版的PDF，請參閱Lesson 7 - Image and Text Automation學習如何使用UiPath處理圖像。
6. 練習
要求：假定每個PDF文檔中的數據內容都是不同的，使用錨點來獲取Date和Bill To的信息。
思路：添加Anchor Base活動；用Find Element活動確定Date和Bill To的文字標簽的位置；用Get Text活動讀取數據。注意調整Selector以適應可變的數據。
*本課使用過的新活動、方法、函數等：
Read PDF Text
Read PDF With OCR
Find Relative Element