Read PDF Files

Sie können den Inhalt von .pdf -Dateien lesen und separat extrahieren, indem Sie Aktivitäten verwenden, die alle im Dokument enthaltenen Zeichen lesen können.

Je nach Ihren Anforderungen können Sie eine einfache Aktivität verwenden, die die Zeichen erkennt, oder eine mit einem OCR-Modul verwenden. Die Vorteile der Verwendung einer OCR-Engine bestehen darin, dass das Lesen von Dokumenten sogar auf gescannte, signierte oder handschriftliche Dokumente angewendet werden kann.

Das folgende Beispiel zeigt zwei Situationen beim Lesen einer .pdf -Datei:

1. In der ersten wird erklärt, wie die .pdf-Datei gelesen wird, während die Aktivität Read PDF Text verwendet wird.
2. In der zweiten wird erklärt, wie die .pdf -Datei gelesen wird, während die Aktivität Read PDF With OCR verwendet wird. Der Hauptunterschied zwischen den beiden Szenarien besteht darin, dass das zweite Szenario auch OCR-Engines verwendet, was bedeutet, dass die Details der extrahierten Informationen genauer sind als im ersten Fall, wenn es sich bei der analysierten Datei um ein Bild oder gescannt handelt oder signierte oder handschriftliche Felder enthält. Beide Aktivitäten finden Sie im Paket UiPath.PDF.Activities .

Für beide Szenarien ist nur ein Workflow erforderlich, der bis zu dem Punkt gilt, an dem der Benutzer aufgefordert wird, die gewünschte Lesemethode auszuwählen.

Schritte

1. Öffnen Sie Studio und erstellen Sie einen neuen Prozess.
2. Fügen Sie einen Flowchart-Container zum Workflow-Designer hinzu.
   1. Erstellen Sie eine Variable namens chooseOption mit dem Typ GenericValue und ohne Standardwert.
      Hinweis:

      Add your .pdf files to the project directory in order to be able to run the entire process from the same place or download this example in order to use the given file.

3. Fügen Sie eine Input Dialog-Aktivität hinzu und verbinden Sie sie mit dem Startknoten.
   1. Fügen Sie im Eigenschaftenbereich den Ausdruck "Choose one option below:" in das Feld Bezeichnung ein.
   2. Add the expression {"Read PDF Text", "Read PDF With OCR"} in the Options field.
   3. Fügen Sie den Wert "Options" in das Feld Titel ein.
   4. Fügen Sie die Variable chooseOption in das Feld Ergebnis ein.
4. Fügen Sie eine Flow Decision-Aktivität nach der Aktivität Input Dialog hinzu, und verbinden Sie sie mit dieser.
   1. Fügen Sie im Eigenschaftenbereich den Ausdruck chooseOption = "Read PDF Text" in das Feld Bedingung ein.
5. Fügen Sie einen Sequence-Container hinzu und verbinden Sie ihn mit der Verzweigung True der Flow Decision-Aktivität. Der Name der Sequence muss Read PDF Text sein. Diese Aktivität extrahiert Informationen mithilfe regulärer Ausdrücke.

   1. Erstellen Sie die in der folgenden Tabelle gezeigten Variablen:

      Tabelle 1. Zu erstellende Variablen

      	Variablentyp	Standardwert
      extractedText	String	Keine Angabe
      arrayText	System.String[]	Keine Angabe
      address	GenericValue	Keine Angabe
      city	String	Keine Angabe
      phoneNumber	String	Keine Angabe
      invoiceNumber	String	Keine Angabe
      vendor	GenericValue	Keine Angabe
      bankName	String	Keine Angabe
      bankAccount	String	Keine Angabe
      ibanCode	String	Keine Angabe

6. Fügen Sie einen Sequence-Container hinzu und verbinden Sie ihn mit der Verzweigung False der Flow Decision-Aktivität. Der Name der Sequence muss Read PDF With OCR sein. Diese Aktivität extrahiert Informationen mithilfe eines OCR-Moduls (Microsoft OCR und Tesseract OCR).

   1. Erstellen Sie die in der folgenden Tabelle gezeigten Variablen:

      Tabelle 2. Zu erstellende Variablen

      	Variablentyp	Standardwert
      extractedTextTesseract	String	Keine Angabe
      extractedTextMicrosoft	String	Keine Angabe

      Abbildung 1. Übersicht über den Beginn des Workflows

      

7. Lesen Sie eine PDF-Datei mit der Aktivität Read PDF Text:
   1. Öffnen Sie den Sequence-Container PDF-Text lesen, indem Sie darauf doppelklicken.
   2. Fügen Sie eine Read PDF Text-Aktivität in die Sequence ein.
      1. In the Properties panel, add the expression "NPO Invoice.pdf" in the FileName field.
      2. Add the value "All" in the Range field.
      3. Fügen Sie die Variable extractedText in das Feld Text ein.
8. Fügen Sie eine Assign-Aktivität nach der Aktivität Read PDF Text hinzu.
   1. Fügen Sie die Variable arrayText im Feld An hinzu.
   2. Fügen Sie den Ausdruck extractedText.Split(Environment.NewLine.ToArray, StringSplitOptions.RemoveEmptyEntries) in das Feld Wert ein.
9. Fügen Sie eine If-Aktivität unter der Assign-Aktivität hinzu.
   1. Fügen Sie den Ausdruck arrayText(0).Equals("Tiefland Glass AG") in das Feld Bedingung ein.
10. Fügen Sie eine Assign-Aktivität innerhalb des Sequence-Containers hinzu.
    1. Fügen Sie die Variable address im Feld An hinzu.
    2. Fügen Sie den Ausdruck arrayText(2) in das Feld Wert ein.
11. Ziehen Sie eine weitere Assign-Aktivität unter die vorherige.
    1. Fügen Sie die Variable city im Feld An hinzu.
    2. Fügen Sie den Ausdruck arrayText(3).Split(","c)(0) in das Feld Wert ein.
12. Ziehen Sie eine weitere Assign-Aktivität unter die vorherige.
    1. Fügen Sie die Variable phoneNumber im Feld An hinzu.
    2. Fügen Sie den Ausdruck arrayText(4).Split(":"c)(1).Split({"INVOICE"},StringSplitOptions.None)(0) in das Feld Wert ein.
13. Ziehen Sie eine weitere Assign-Aktivität unter die vorherige.
    1. Fügen Sie die Variable invoiceNumber im Feld An hinzu.
    2. Fügen Sie den Ausdruck arrayText(4).Split(":"c)(1).Split({"INVOICE"},StringSplitOptions.None)(1).Split("#"c)(1) in das Feld Wert ein.
14. Ziehen Sie eine weitere Assign-Aktivität unter die vorherige.
    1. Fügen Sie die Variable vendor im Feld An hinzu.
    2. Fügen Sie den Ausdruck arrayText(arrayText.Count-5) in das Feld Wert ein.
15. Fügen Sie eine Assign-Aktivität in das Feld Else ein.
    1. Fügen Sie die Variable address im Feld An hinzu.
    2. Fügen Sie den Ausdruck arrayText(1) in das Feld Wert ein.
16. Ziehen Sie eine weitere Assign-Aktivität unter die vorherige.
    1. Fügen Sie die Variable city im Feld An hinzu.
    2. Fügen Sie den Ausdruck arrayText(2).Split(","c)(0) in das Feld Wert ein.
17. Ziehen Sie eine weitere Assign-Aktivität unter die vorherige.
    1. Fügen Sie die Variable phoneNumber im Feld An hinzu.
    2. Fügen Sie den Ausdruck arrayText(3).Split(":"c)(1).Split({"INVOICE"},StringSplitOptions.None)(0) in das Feld Wert ein.
18. Ziehen Sie eine weitere Assign-Aktivität unter die vorherige.
    1. Fügen Sie die Variable invoiceNumber im Feld An hinzu.
    2. Fügen Sie den Ausdruck arrayText(3).Split(":"c)(1).Split({"INVOICE"},StringSplitOptions.None)(1).Split("#"c)(1) in das Feld Wert ein.
19. Ziehen Sie eine weitere Assign-Aktivität unter die vorherige.

    1. Fügen Sie die Variable vendor im Feld An hinzu.

    2. Fügen Sie den Ausdruck arrayText(arrayText.Count-5) in das Feld Wert ein.

       Abbildung 2. Übersicht über die Sequence mit den Assign- Aktivitäten

       

20. Setzen Sie eine For Each-Aktivität hinter den If-Container.
    1. Fügen Sie die Variable arrayText im Feld Wert hinzu.
21. Fügen Sie eine If-Aktivität in den Textkörper-Container der Aktivität For Each ein.
    1. Fügen Sie den Ausdruck item.Contains("Bank Name:") in das Feld Bedingung ein.
22. Fügen Sie eine Assign-Aktivität in das Feld Then ein.
    1. Fügen Sie die Variable bankName im Feld An hinzu.
    2. Fügen Sie den Ausdruck item.Split(":"c)(1) in das Feld Wert ein.
23. Fügen Sie eine If-Aktivität nach der vorherigen hinzu.
    1. Fügen Sie den Ausdruck item.Contains("Bank Account:") in das Feld Bedingung ein.
24. Fügen Sie eine Assign-Aktivität in das Feld Then ein.
    1. Fügen Sie die Variable bankName im Feld An hinzu.
    2. Fügen Sie den Ausdruck item.Split(":"c)(1) in das Feld Wert ein.
25. Fügen Sie eine If-Aktivität nach der vorherigen hinzu.
    1. Fügen Sie den Ausdruck item.contains("IBAN Code:") in das Feld Bedingung ein.
26. Fügen Sie eine Assign-Aktivität in das Feld Then ein.

    1. Fügen Sie die Variable ibanCode im Feld An hinzu.

    2. Fügen Sie den Ausdruck item.Split(":"c)(1) in das Feld Wert ein.

       Abbildung 3. Übersicht über die For Each- Aktivität

       

27. Kehren Sie zur Sequence PDF-Text lesen zurück und fügen Sie eine Write Text File-Aktivität unter der Aktivität For Each hinzu.

    1. Add the value"InvoiceDetails.txt" in the FileName field.

    2. Fügen Sie den Ausdruck "Invoice details"+Environment.NewLine+Environment.NewLine+"Vendor: "+vendor+Environment.NewLine+"Vendor address: "+address+Environment.NewLine+"City: "+city+Environment.NewLine+"Phone number:"+phoneNumber+Environment.NewLine+"Invoice number:"+invoiceNumber+Environment.NewLine+"Bank name:"+bankName+Environment.NewLine+"Bank account:"+bankAccount+Environment.NewLine+"IBAN Code:"+ibanCode in das Feld Text ein.

       Abbildung 4. Übersicht über die For Each- Aktivität

       

28. Return to the Main workflow working area.
29. Lesen Sie eine PDF-Datei mit der Aktivität Read PDF With OCR.
    1. Öffnen Sie den Sequence-Container PDF mit OCR lesen.
    2. Drag a Read PDF With OCR activity inside the sequence.
       1. Add the value "Invoice02.pdf" in the FileName field.
       2. In the Properties panel, add the value 1 in the DegreeOfParallelism field.
    3. Drag the Google OCR engine inside the Read PDF With OCR activity.
       1. Fügen Sie im Eigenschaftenbereich die Variable extractedTextTesseract im Feld Text hinzu.
    4. Ziehen Sie eine weitere Read PDF With OCR-Aktivität unter die vorherige.
       1. Add the value "Invoice02.pdf" in the FileName field.
       2. In the Properties panel, add the value 1 in the DegreeOfParallelism field.
    5. Drag the Microsoft OCR engine inside the Read PDF With OCR activity.
       1. In the Properties panel add the variable extractedTextMicrosoft in the Text field.
    6. Drag a Write Text File activity below the Read PDF With OCR activity.
       1. Add the value "OCRMicrosoft.txt" in the FileName field.
       2. Fügen Sie die Variable extractedTextMicrosoft in das Feld Text ein.
    7. Drag a Write Text File activity below the previous Write Text File activity.

       1. Add the value "OCRTesseract.txt" in the FileName field.

       2. Fügen Sie die Variable extractedTextTesseract in das Feld Text ein.

          Abbildung 5. Übersicht über die Aktivität Read PDF With OCR

          

30. Führen Sie den Prozess aus. Der Roboter extrahiert die Daten mit dem angegebenen Prozess und speichert die Ausgabe in einer .txt -Datei.

Besuchen Sie den folgenden Link, um das Beispiel im ZIP -Format herunterzuladen: Beispiel.