第一页有报告编号、供应商信息、样品信息、时间、检测要求等信息;
第二页为检测依据,是一个表格的格式,有测试项目(一些化学成份,如铅、汞、红磷等)、测试方法、测试仪器,一共三列,行数不固定,取决于检测要求,这一页的数据不需要抓取;
从第三页开始为检测结果,也是表格的形式,有多个表格,从上往下排列,所以会有多页,表格有测试项目、结果、方法检出限,每个表格一共三列,行数不固定,这些数据需要抓取。
检测结果列举完毕,后面有检测流程之类不需要的信息。
需求是自动审核这些报告,所以需要抓取第一页及第三页开始的数据,然后加工成 K:V 的形式,将测试结果和数据库里的数据比较,来判断报告内容是否合规,达到自动审核的目的。
困难点是需要精确抓取数据,这种需求能否实现?