这是一个创建于 197 天前的主题，其中的信息可能已经有所发展或是发生改变。
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？
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？
目前尚无回复
Select Language