【前沿技术RPA】 一文学会用UiPath实现PDF自动化

🐋作者简介：博主是一位.Net开发者，同时也是RPA和低代码平台的践行者。
🐬个人主页：会敲键盘的肘子
🐰系列专栏：UiPath
🦀专栏简介： UiPath在传统的RPA（Robotic process automation）的基础上，增加了See（AI通过计算机视觉阅读用户的计算机屏幕）和Think（通过机器学习来发现平台能够为用户构建什么自动化流程）从而不断帮助用户自动化构建流程，而不仅仅是用户自主发现，自主构建。并且在构建的过程当中，做到了Low-code甚至是No-code的程度，让每一位员工都可以自主使用。
🐶座右铭：总有一天你所坚持的会反过来拥抱你。

🌈写在前面：
PDF 是一种广泛使用的文档共享格式。在本课程中，我们将了解 PDF 文档的类型以及从 PDF 文档中 提取数据时可以使用的方法。我们还将研究处理不稳定选取器时使用的 锚点基准功能。

👉本文关键字：RPA、UiPath、Low-code、No-code、PDF自动化、提取数据、锚点基准功能、.Net

文章目录

*
–
+ 1️⃣ 背景
+
* ♈ 什么是RPA
* ♉ 什么是UiPath
* ♊ 为什么使用UiPath
* ♋ 为什么要用PDF自动化
+ 2️⃣ 概述
+
* ♈ 环境
* ♉ 摘要
* ♊ 您将学到的内容
+ 3️⃣ PDF自动化
+
* ♈ 前置知识
* ♉ 安装 UiPath PDF 活动包
* ♊ 从 PDF 提取文本块或整个文档
*
– ⭐ 背景
– ⭐方法一：读取 PDF 文本
– ⭐方法二：使用 OCR 读取 PDF
– ⭐方法三：屏幕抓取工具
* ♋ 从 PDF 提取单个数据段
*
– ⭐ 背景
– ⭐ 获取文本活动——Get Text Activity
– ⭐ 录制器
– ⭐ 从多个文件中获取
* ♌ 锚点基准活动
*
– ⭐ 背景
– ⭐ 锚点基准活动
– ⭐ Modern Design Experience activity
+ 4️⃣ 总结
+ 5️⃣ 参考资料

; 1️⃣ 背景

♈ 什么是RPA

RPA（Robotic process automation） 代表 机器人过程自动化。

它是一种软件程序，可在与计算机应用程序交互时模仿人类行为并实现重复的、基于规则的流程的自动化。

♉ 什么是UiPath

UiPath 是一种 机器人流程自动化工具，用于自动化枯燥和重复的任务。它由罗马尼亚企业家 Daniel Dines 和 Marius Trica 于 2005 年创立。它还消除了自动化无聊任务的人工干预，并为所有活动提供了拖放功能，它是最简单的 RPA 工具。

♊ 为什么使用UiPath

UiPath在传统的RPA的基础上，增加了 See（AI通过计算机视觉阅读用户的计算机屏幕）和Think（通过机器学习来发现平台能够为用户构建什么自动化流程）从而不断 帮助用户自动化构建流程，而不仅仅是用户自主发现，自主构建。并且在构建的过程当中，做到了 Low-code甚至是 No-code的程度，让每一位员工都可以自主使用。

♋ 为什么要用PDF自动化

• 获取原生PDF中 某一部分的获取文本写入到另一个文件中（比如研究员可以 批量处理包含某些关键字的文本文档而 不是靠人工肉眼去筛选）；
• 从扫描中得到的PDF 获取文本和图像（比如由扫描机获取的发票，财务人员可以运行RPA 批量处理这些 电子发票）；
• 精准的从获取PDF某个位置的文本并 批量处理这些PDF， 解放双手的同时降低了错误率；

原生PDF：由电子文本转换而来的PDF，比如从Word转换成的PDF
扫描PDF：由扫描图像组成的PDF，比如扫描件中的发票

2️⃣ 概述

♈ 环境

• UiPath Studio Community 2022.4.3
• Windows 10
• .Net

♉ 摘要

PDF 是一种广泛使用的文档共享格式。在本课程中，我们将了解 PDF 文档的类型以及从 PDF 文档中提取数据时可以使用的方法。我们还将研究处理不稳定选取器时使用的锚点基准功能。

♊ 您将学到的内容

• 安装 UiPath PDF 活动包；
• 使用 读取 PDF 文本活动、使用 OCR 读取 PDF活动和 屏幕抓取向导，从 PDF 中提取大文本段；
• 从 PDF 文档中 提取单段信息；
• 使用 选取器从具有相同布局的 多个文件中 提取可变值；
• 使用 锚点基准活动从 一系列具有相同结构的 PDF 文件中 提取可变值。

3️⃣ PDF自动化

♈ 前置知识

无论是原生PDF还是扫描PDF，UiPath 都允许您根据需要 导航、识别和使用 PDF 数据。在我们继续之前，您应该已经 熟悉了 提取数据，以及 如何使用和编辑选取器。对于这两个主题，都有单独的博文进行详细介绍，所以一定要观看这些博文，避免您在学习过程中未能完全理解其中的某些内容。

♉ 安装 UiPath PDF 活动包

首先，确保安装了处理 PDF 文件所需的所有活动和依赖项。如果活动面板中的搜索PDF结果为空，则意味着您必须安装它们。只需 转到包管理器， 搜索 PDF，然后 安装 UiPath PDF 活动包。单击 安装之后，务必单击 保存，以便实际安装活动集，并更新项目依赖项。

我们可以看到，要使用的最低Studio版本是2018.4.4或2019.2。在以前的Studio版本上安装包可能会导致问题。

接下来，您可能已经意识到这样一个事实：PDF 文件可以包含 文本、图像，有时还可以包含实际上是秘密图像的文本。一种基本的识别方法是直接选择您感兴趣的元素。如您所见，选择文本很方便，而图像会作为块立即显现出来。稍后我们将了解 如何处理这两种情况。
UiPath 有各种各样的活动和方法来满足您所有的 PDF 需求，并且我们根据它们的预期用途将它们分为两类： 第一类，用于更大的文本块或整个文档； 第二类，用于从 PDF 文件中提取特定的文本项，如名称、产品、发票值等。我们将从第一类开始，因为这是最简单的。

; ♊ 从 PDF 提取文本块或整个文档

⭐ 背景

我们要读取下图PDF，上部分是文本，下部分是图像。

; ⭐方法一：读取 PDF 文本

要读取整个 PDF 文档或页面，可以使用 读取 PDF 文本活动。这非常简单：选择要读取的文件，操作将输出一个包含文件内容的文本变量。我们将结果保存为文本文件，并在消息框中显示，但您可以使用其他字符串操作修改生成的文本或从中提取信息。如下图：

Range 参数很重要，因为它定义了实际要读取的内容。可以将它设置为所有的页面，设置为 All，或者设置为一个特定的页面，比如第 5 页或第 12 页，或者一系列页面，比如从第 3 页到第 7 页。我们有一个单页文档，因此可以将其设置为”全部”或 1。如下图：

我们希望把文本写入到一个txt文件中，并通过弹窗显示出文本。如下图：

让我们运行项目，获取如下结果。

当我们查看 读取 PDF 文本操作的结果时，我们发现 只有文档的文本部分被转换。文本的前两列存在，但 下半部分是一个图像，系统已将其完全忽略。

⭐方法二：使用 OCR 读取 PDF

因此我们需要一个活动读取 PDF 中的图像，该操作名为 使用 OCR 读取 PDF。顾名思义，它会使用光学字符识别来 扫描PDF 文档中的图像，并将所有文本作为变量输出。它与非 OCR 同级操作略有不同，因为它需要 OCR 引擎。

我们只需在 活动窗格中搜索 OCR 即可找到可用的引擎。Studio 集成了 Google、Microsoft 和 Abbyy 的 OCR 引擎。引擎本身具有在整个应用程序中遇到的常见 OCR 参数：如允许的字符、拒绝的字符、语言、缩放比例等。不同的引擎可能有不同的参数，因此，如果您需要关于其工作方式的详细说明，请务必观看高级用户界面交互视频。这里使用 Tesseract OCR 引擎运行。另外，我们删除 读取 PDF 文本活动。

接下来， 配置OCR引擎，

您可以直接看到下半部分，也就是 PDF 的图像部分，现在它也 被转换成了文本，这没有问题。但是，如果仔细观察，您会发现文档的 文本和图像部分的两列交织在一起。这是因为大多数 OCR 引擎还不够智能， 无法自动识别文档中的 2 列布局。实际上，ABBY 是个例外，因为它保留了文档结构。所以，在与本例类似的特定情况下，ABBY 能够分离列。

一般来说，对于 OCR 技术，值得注意的一点是，它的 质量会随着源图像的质量降低而迅速下降。正如您在本例中看到的，最终结果在很大程度上取决于字体大小、字体风格和图像分辨率，这些因素不一定始终在您的控制范围内。因此，只要有可能，就不要使用 OCR 读取 PDF操作。需要注意的是， 这两种读取 PDF 的操作是独立的：它们不需要打开其他应用程序，因此可以在后台运行。今天您将看到的大多数其他 PDF 方法都不具备这种特性，因此，如果后台操作对您很重要。

; ⭐方法三：屏幕抓取工具

抓取大文本块和小文本块的 另一种方法是使用方便的 屏幕抓取工具。在主工具栏中可以访问这种工具，它实际上是一个交互式向导，会为您生成所需的操作。点击下图按钮，打开屏幕抓取工具，

只需指定需要抓取的文本元素，UiPath 就会显示这个预览窗口，并提供一些选项。如果这是您第一次遇到，下面会说明它的工作原理：这是一个 预览区域，显示在您刚才的选择中识别的文本元素。这是当前使用的抓取方法，如果单击此处的 下拉列表，可以看到其他可用方法。而这个按钮用于在屏幕上指定另一个要抓取的元素。通常 UiPath 会检测出适合您的情况的最佳方法。

当我们通过在右侧的下拉菜单中选择抓取方法名称，并单击刷新来更改它时，预览会相应地更新。我们将 使用默认的全文方法，并单击 完成。在 UiPath 中，将新创建的序列连接到起始节点，并查看其内部。

如果在上一步中，我们选择了一种不同的抓取方法，比如 OCR，我们就会得到这些操作。

在本例中，这三种方法都有很好的效果，就像我们之前看到的： 只有 OCR 方法可以读取图像和文本。

因此，这 3 种技术可以用来提取更大的文本段。现在，我们回顾一下！我们分析了从 PDF 文件中提取文本的方法，并使用了 三种不同的方法进行该操作。

♋ 从 PDF 提取单个数据段

⭐ 背景

以一家中型公司为例，它面临着从 一个月内生成的所有发票中 提取特定数据的艰巨任务。PDF文件中所需的数据是信用额、到期余额和发票号。要 手动提取此数据，将需要大量工时，但我们可以自动化此过程。让我们看看PDF自动化后，从PDF文件中提取特定数据是多么容易。

发票如下图，我们要获取总额。

; ⭐ 获取文本活动——Get Text Activity

对于普通 PDF 来说，有几个获取数据的选项，第一个是众所周知的 获取文本操作。现在，此操作将只从这一特定文件中获取该特定文本元素的值。如下图，

Step1

Step2

Step3

Step4

结果

⭐ 录制器

获取文本也可以在录制器中访问，就在这里。只需指向您感兴趣的元素，UiPath 就会为您生成 获取文本操作及其输出变量，无需其他操作，我们将在消息框中显示它。

Step1

Step2

Step3

Step4

Step5

录制器获得的结果与Get Text 活动一致，再此不过多赘述。

; ⭐ 从多个文件中获取

但是，假设您 实际上想要 从一系列类似的 PDF 发票中提取总值，而 不是仅仅从一个文件中提取，应该怎么办？像大多数用户界面交互一样， 获取文本操作使用选取器来识别正确的元素并获取其值。因此，正如您可能已经猜到的，我们需要对其进行一些调整，以扩展其作用域。

自动执行此操作的方法是 使用修复功能。因为我们关闭了第一个 PDF 文件，所以选取器编辑器 以红色显示验证，这意味着选取器无效，如下图。

出现如下界面，

但是，我们可以 直接单击修复并指向另一个类似的元素，该元素也应该与当前选取器匹配，并且 UiPath 将尝试为您修复选取器，如下图。

在本例中，它是有效的，但由于情况并非总是如此，我们 还可以手动修改它，看看具体结果如何。但是，这里要提醒一下：我们将不会讨论选取器的一般方面，而只是解释这个具体的示例。但我强烈建议您观看”选取器”视频，里面详细介绍了它们如何工作，如何编辑和调试它们。它们是用户界面自动化的核心部分，因而更好地理解它们会在其他情况下也有用。

因此，我们将取消这个操作，不保存更改，然后再次打开选取器。这一次两个 PDF 文件都打开了，并且初始的选取器是有效的。我们将选择在 用户界面探测器中打开它，以便获得更好的视图，如下图。

选中的容器是实际组成选取器的容器，因此，我们将重点讨论这些容器。

重新选择文本，

此时用户界面探测器改变，如下图，

我们还将删除 Title 参数以使用其他文件，方法是单击 Explorer 中的顶层选取器并取消选中右侧的标题，如下图。

最后一个元素存在实际值，所以我们需要删除它，使它也适用于其他值，如下图。

通过 反复试验，我们发现最好对此项使用更独特的行名称属性。然后，我们只需单击 保存，通过单击 验证来验证选择器，然后单击 确定。现在，它对这两个文件都有效。它从这张发票和另一张发票中都提取到了正确的值。

♌ 锚点基准活动

⭐ 背景

我们可能希望从PDF发票中获取值。但是这个值UI元素具有不稳定的选择器，而标签元素是稳定的。也就是说， 我们要获取的文本的位置是不固定的，我们需要找一处固定的元素（锚点），以此来获得我们需要的文本内容。

⭐ 锚点基准活动

锚点基准活动由两个操作组成，因为它执行的操作与另一个固定元素或锚点有关，如下图。

典型的锚点是 查找元素操作。我们将使用它来 精确定位一个固定元素，接近我们的目标元素；通常是它的名称，这里的 Credit。

接下来，我们要执行的操作是 获取文本。

虽然这两个操作都有关联的选取器，但您会注意到它们更简单一些。

接下来对于锚点元素，用 *替换文件名部分，如下图。

锚点基准还有一个可选参数，锚点位置。它用于更清楚地定义在何处查找数据。我们可以让它保持原样，或者把它改成 左侧，因为这就是我们的 锚点与文本关联的位置。

我们放上MessageBox活动之后运行，可以看到准备获取到了我们需要的值，并且两个文档都有效。

锚点基准活动非常灵活，这意味着您可以在其中使用各种操作。例如，可以将 查找元素操作替换为查找图像，如下图。

优点是现在 PDF 文档的结构不再那么重要，重要的是它在可见文档的任何地方都包含特定指定图像。此外，您不必再处理这么多的选择器；而且由于 PDF 文件在所有系统上看起来都一样，因此可以使用查找图像而不存在其常见的缺点。

注意
在指定要查找的图像之前，最好 将文档的缩放比例设置为实际大小，以确保图像完整并且准确。只需进入”视图”、”缩放”和”实际大小”。

然后回到 UiPath，单击以指定一个图像，在本例中是 Credit，并在其周围选择锚点。这样就行了，如下图。

这个方法有时比其他方法更可靠，因为只要图像和数据存在并且彼此之间的关系相同，它甚至可以处理文档中的重大结构更改。特别是因为”查找图像”操作可以处理合理的比例变化量，还有其他一些原因，PDF 文档非常稳定。

注意
另外需要注意的重要一点是，介绍的最后这两种方法要求打开 PDF 文档，并且您尝试与之交互的数据必须可见，否则将失败。所以在构建最终的自动化系统时一定要考虑到这点，如下图。

; ⭐ Modern Design Experience activity

打开Modern Design Experience activity，如下图，

拖拽 Use Application活动并点击

此时在要获取文本的PDF上点击，获取如下结果，

我们点击选择器，修改文件名为”*”，如下图，

拖拽Get Text,

设置要获取的文本和锚点，

最后序列的效果，

最后，我们运行序列，得到的结果与之前的一致。

4️⃣ 总结

关键点：

• 从PDF文件中的元素提取文本，我们可以使用Anchor Base activity或Get Text Activity。
• Anchor Base activity只支持在锚块中查找元素和查找图像。
• 图像自动化不处理选择器，但其可靠性也要低得多。
• Modern activities 在其目标定位方法中集成了锚。

5️⃣ 参考资料

PDF Activities Pack
Read PDF Text
Read PDF with OCR
Anchor Base

⭐写在结尾：
文章中出现的任何错误请大家批评指出，一定及时修改。
希望写在这里的小伙伴能给个 三连支持！

Original: https://blog.csdn.net/baidu_33146219/article/details/126451813
Author: 会敲键盘的肘子
Title: 【前沿技术RPA】 一文学会用UiPath实现PDF自动化