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)