c/c++读取txt文件中指定行的内容_云扩RPA流程开发课堂 | 如何批量获取PDF文档中的指定信息并存入数据表？...

大家好，这节课我们接 循环下载钉钉出差审批单(PDF文件)场景，继续讲解该场景接下来的操作 - 循环从PDF文件中获取指定信息：日期及出差理由，并把对应信息存入数据表中。

我们在RPA获取PDF文档的数据中讲过表格类型的PDF文档可以转换为Excel操作，如果不是纯表格的PDF文档可以转换为Word文档操作，那么这节课我们再讲讲将PDF文档转换为txt文件并从中获取指定信息的方案。接下来，一起看看如何操作。

准备工作：

• 准备开发流程的电脑，请打开云扩学院链接查看云扩RPA编辑器运行的硬件&软件要求。

• 打开云扩官网下载编辑器并安装(本节课使用编辑器版本为：1.1.2009.10)。

• 已下载钉钉出差审批单-PDF文档。

流程操作步骤：

• 搭建数据表

1. 创建项目并打开项目。

2. 拖入“搭建数据表”组件，定义列名“日期”与“出差事由”并创建数据表变量：

• PDF文档转TXT文档

1. PDF格式转换工具组件在组件市场中，所以我们需要先把需要的对应组件从组件市场从下载下来：

2.  因为我们需要循环处理PDF文件，所以先拖入“遍历文件夹”组件，并定义含有PDF文件的文件夹路径：

3. 拖入“PDF转Text”组件，定义PDF文件路径与转换后的txt文件路径：

a) PDF文件路径：filePath

b) 转换后Text文件路径：filePath.Split('.')[0] + ".txt" 

• 读取文件内容

1. 拖入“读取文件”组件并输入文件路径与定义输出变量，用以读取上步操作中转换后的txt文件数据，如下图所示：

• 获取指定信息

1. 拖入“截取文本”组件获取所需数据。首先我们打开PDF文件查看数据的位置 

从上图可见，需要获取的数据为：

a)出差事由(内容在关键字“出差事由”与“出差天数”之间)；

b)时间(内容在关键字“时间”与“考勤”之间)

首先获取出差事由：输入“开始位置”(用text.IndexOf("出差事由"))与“结束位置”(text.IndexOf("出差天数"))，定义截取结果变量，并拖入“确认框”组件验证获取的内容：

运行流程查看获取数据：

从上面的图可见，获取的数据除了可用数据外还多出前面的“出差事由”与后面的“出”，那么，我们需要做索引偏移，设置开始位置与结束位置如下图所示：

2. 同样方法获取出差时间，如下图所示：

• 将获取的数据添加到数据表中

1.  拖入“添加数据行”组件，并把上步操作获取的时间与出差事由内容写入数据表行数组中：new Object[]{dateText.Trim(),businessReason.Trim()}：

• 预览数据表及天数txt文件

至此，流程已开发完成，为了展示获取数据是否正确添加到数据表中，我们拖入“预览数据表”组件进行预览数据。再拖入“删除文件/文件夹”组件删除生成的txt文件：

如果需要把数据存入Excel文件，则用“打开/新建”组件与“写入区域”组件将数据写入Excel文件中，保存流程并运行，下面视频供参考：

好了各位，今天的课程就到此结束。我们可以用这种方法获取很多种PDF文档中的数据，比如pdf格式的发票，用OCR需要另外收费，那么我们何不用这种方式免费获取呢？免费还好用的东西谁不值得拥有呢？祝各位流程开发顺利~

快来点击阅读原文，申请下载云扩RPA社区版吧！

往期精彩课程推荐

-END- 上海云扩信息科技有限公司是全球RPA领域的创新领军者。公司以自研的云扩RPA平台为核心，致力于为各行业客户提供智能的RPA机器人产品与解决方案，通过RPA赋能，持续为客户创造价值，助力企业推进数字化转型。