简介：
PDF是一种广泛使用的文档格式，在本课中我们将学习从PDF文档中提取数据的方法，包括当Selector不稳定时如何使用锚点功能。
学习大纲：
如何使用Read PDF活动
如何使用Read PDF with OCR活动
如何使用锚点(anchor)从PDF的某个字段里获取数据
1. 关于PDF文档
1) 安装PDF扩展活动包
在Activities面板的搜索栏中搜索"pdf"，如搜索无结果，说明没有安装PDF的活动包。
安装方法：打开Package Manager，搜索pdf，在搜索结果(UiPath.PDF.Activities)中点击Install。
2) PDF的文本类型
PDF中可以包含文本和图片。有时文本也可能以图片的形式出现。
判断PDF中的某段文字是文本还是图片，可以直接在文件里选中这段文字。如果是可以选中的，就是文本型；如果选择文字时，显示的是一块整的区域（如下图），则是图片型。
2. 提取大段文字（三种方法）
1) Read PDF Text活动
FileName参数：选择PDF文件的路径。
Range参数：选择要读取的页码。如"All"，"3"，"3-5"。
Text参数：输出变量。
读取到文本后可以使用Write Text File活动把它写入一个txt文档里，或者进行其他的文本操作。
Read PDF Text活动只能读取可选取的文本，要读取PDF上的图片，可以使用Read PDF With OCR活动。
2) Read PDF With OCR活动
OCR: Optical Character Recognition
首先要在Read PDF With OCR活动中添加一个OCR Engine。目前UiPath有三种OCR Engine：Google，Microsoft和Abbyy FineReader。
还需要在活动的Output参数里设置一个变量，用来存储读取到的文本。
我们可以按需设置OCR Engine的参数（注意：不是Read PDF With OCR活动的参数）。不同的OCR Engine的参数项目可能略有不同。
3) 比较Read PDF Text活动和Read PDF With OCR活动
使用Message Box活动显示Read PDF Text活动和Read PDF With OCR活动读取的PDF数据。
Read PDF Text活动的运行结果：PDF上半部分的可选取文本正常显示，且按照分栏顺序显示。下半部分的图片文本显示为“Sample Text & Image PDF”。
Read PDF With OCR活动的运行结果：能够显示PDF下半部分的图片文本。上半部分的可选取文本虽然也能显示，但是不能按照分栏顺序显示。
*目前大部分OCR Engine还不够智能，不能识别出文本中的分栏布局。但Abby是个例外，它可以保留文本的结构。因此在上面的PDF里，使用Abby可以按照正确的顺序显示文本。
*OCR读取数据的准确率和PDF原图的质量有很大关系。当图片质量较低时，OCR的准确率也会在很大程度上下降。
注意：上述两种PDF活动都是内部活动，可以在后台运行，且不需要打开其他的应用程序（比如阅读PDF的应用Adobe）。
4) Screen Scraping工具
在工具栏里选择Screen Scraping工具，在PDF中指定想要抓取的文本元素，UiPath会显示一个预览界面。
在下图中，红色部分是预览区域，从元素里识别出的文本信息会在这个区域中显示；蓝色部分表示当前使用的Scraping方法；黄色部分表示其他可使用的Scraping方法；点击绿色部分中的UI Element可以重新指定元素。
*使用Screen Scraping工具的Full Text方法，最终生成的活动是一个Attach Window容器和一个Get Full Text活动。
*使用Screen Scraping工具必须先打开PDF文件，且不能在后台运行。
3. 提取某个特定文本
PDF数据类型：Native Text (本地文本)。这种文本元素可以直接被UiPath识别和选中。与之对应的是扫描版的PDF，文本是图片型的文本。
1) 提取这份PDF上的Grand Total的值。
使用Get Text活动（或者直接使用Recording工具录制），选择PDF文件里的Grand Total的值。
2) 假设有很多份类似的PDF，提取每一份PDF上的Grand Total。
思路：修改Get Text活动的Selector，以扩大它的识别范围。
方法1：UiPath自动修改。在Get Text活动的参数面板里编辑Selector，在Selector Editor里点击右上角的Attach to Live Element，再选择另一个PDF文件里的Grand Total。
方法2：手动修改（修改方法仅限此例，更多详情参见Lesson 6 - Selectors）。
在Get Text活动的参数面板里编辑Selector，在Selector Editor里点击左下角的Open in UiExplorer。
在Current UI面板中勾选上的元素即该Selector的组成部分。查看每一个勾选的元素，并在Selector Attributes面板中查看/修改属性。
- text | $40.00 USD：去掉name属性。
- AcroRd32.exe | Samplee Invoice A.pdf - Adobe Reader：去掉title属性。
- row：添加rowName属性。
把 最终得到的Selector复制到之前的Selector Editor中。
4. 使用锚点提取特定文本
1) 添加一个Anchor Base活动。
2) 最典型的Anchor (锚点) 就是Find Element活动。添加该活动，用它来定位某一个固定的元素。在此例中，指定的锚点是PDF上的"Grand Total"。
3) 使用锚点的目的是提取Grand Total的值，因此在Anchor Base活动的右边添加Get Text活动，并指定PDF上Grand Total的值。
4) 不论是Find Element活动还有Get Text活动，它们都有自己的Selector参数。
Get Text活动的Selector：$40.00 USD数值过于具体，可以使用通配符*进行替换，即<ctrl name='$ * USD ' role='text'/>
*由于Get Text活动的Selector根据锚点元素进行定位，这里只显示了完整的Selector的最后一行，即它是一个Partial Selector。
Find Element活动的Selector：
修改前：
修改后：标题的部分用通配符*替换；删除第三行，因为它不包含任何唯一的识别标识。
*Anchor Base活动有一个Anchor Position参数，可以设定锚点相对于数据的位置。在此例中，我们可以设定该参数为Left。
5) 使用Find Image活动作为锚点，替换Find Element活动。
优点：使用Find Element活动作为锚点，只能在相同结构的PDF文档中准确的提取数据。但使用Find Image活动作为锚点，可以不考虑PDF文档的结构，只需要在PDF可见部分的任一位置包含有指定的特定图像即可。另外，使用Find Image活动也不需要花时间去修改和调试Selectors。
- 首先将PDF文档调整为实际大小，以确保获取图片的完整性和准确性：View → Zoom → Actual Size。
- 添加Find Image活动，选取图像。
*Find Image活动能适应一定范围内的尺寸变化。
*使用Anchor Base活动，特别是配合Find Image活动一起使用，常比使用其他方法更加可靠。因为就算PDF文档的主要结构发生变化，只要文字或图片能显示出来，并且和数据的对应关系不变，UiPath就可以提取出数据。
*使用Anchor Base活动必须先打开PDF文档，并且操作的数据必须是可见的（如果数据不在当前页面上，UiPath无法操作该数据）。
5. 其他方法
1) Find Relative Element活动
2) Scrape Relative工具
3) 对于扫描版的PDF，请参阅Lesson 7 - Image and Text Automation学习如何使用UiPath处理图像。
6. 练习
要求：假定每个PDF文档中的数据内容都是不同的，使用锚点来获取Date和Bill To的信息。
思路：添加Anchor Base活动；用Find Element活动确定Date和Bill To的文字标签的位置；用Get Text活动读取数据。注意调整Selector以适应可变的数据。
*本课使用过的新活动、方法、函数等：
Read PDF Text
Read PDF With OCR
Find Relative Element