求助!这种需求应该如何实现?

查看 64|回复 4
作者:iyiluo   
需要从检测报告中抓取数据,检测报告为 pdf 格式,每月有几千份,报告的具体内容格式为:
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?

检测, 表格, 报告, 测试

hhjswf   
有很多第三方 pdf 解析工具,直接调用就行,固定格式固定位置的文件很好解析。java 有免费的 pdfBox 和收费的 itext
rzdCG   
做过类似的,感觉挺傻 X,不知道什么人拍脑袋想出来的
hhjswf   
@iyiluo 问题在于非固定非结构文件,如发票这种固定的文件我就不会来问了
rzdCG   
spire.pdf
您需要登录后才可以回帖 登录 | 立即注册

返回顶部