文本型PDF文件中数据导入成数据表

时　间:2017-04-21 16:10:02
作　者:健利宝   ID：4396  城市：无锡
摘　要:报关单PDF文件格式解析输出数据表格式。
正　文:

      我是做关务工作，经常会接触到报关单，而对于关务来说，报关单数据非常重要，在以前没有大型关务软件时，报关单的每条数据都是人工输入到EXCEL表里的，其工作量非常大。

一张报关单是这样的：

最终要的得到的数据是这样的:

报关行使用的QP系统可以导出套打版的PDF文件，都是文本字符， 所以思路就是采用第三方PDF TO TXT软件转成TXT文件，然后TXT导入到临时表里，根据规律分割字段，提取字段写入到最终的数据表里。

其中碰到的主要问题时: 找一个合适的PDF TO TXT非常困难，我试过好几十种，才找到了一个合适的。但由于报关单的格式经常变，字符的上下左右位置稍有不同，解析出来的格式经常会不一样，导致后期经常要增加逻辑分析。最近海关改版很大，原先的PDF转换软件彻底乱了，不得不重新找了一款，分析下来，索性直接提去PDF TEXT RAW 数据，自己解析正常有规律的文本，现在基本转化率基本到了100%了，不过这个工具需要收费的。

界面截屏如下：

也支持报关单PDF文件的批量解析导入。

下一步的打算：目前采用SHELL方式调用 第三方程序将PDF 转换成TXT的，后面打算学习API调用的方式。