Title: How to read the MS Word documents by LabVIEW
前不久，有一个测试软件所产生的测试报告全部是PDF格式。嗯，这已经不是第一次遇到PDF格式的测试报告了。客户紧急需要统计测试报告的数据，做一个数据分布图出来。而且还是下班后收到的请求，这事儿搞的有点大，至少有几百个PDF文件的数据要统计吧，如果纯人工抄录，然后再统计，这活可不容易啊――纯体力活啊。
通常的话，无论是数据库还是Excel，文本txt或者Word格式的文档，都是可以通过软件写个脚本来实现自动化的，但是对于PDF来讲，还是有点困难的。PDF格式既是一种通用格式，但是又不具备可编辑性。短时间内完成这个脚本还是不容易的。目测了这个PDF格式的内容，有表格有图片有文字有数字，还是比较丰富的。而对于数据统计有意义的就是文字与数字。所以确定了方向：PDF先转化成Word，然后Word再转化为text，最后读取数据统计分析。
PDF转Word，网络上有很多工具与服务，也收集了很多工具，有收费的也有免费的。这次选择了国产办公软件金山WPS，免费，而且支持批量转化，速度与质量都不错。
图1、就是这个工具，来自WPS，好歹也出自名门
图2、支持多文件一次性导入，操作方便，转换速度也不错，值得推荐
几百个文件，几分钟就转换成一个个独立的同名Word文档，剩下的任务就是用LabVIEW来读取Word文档的内容了。
整体上来讲，是使用了Microsoft ActiveX API函数。这里有一点惊喜的是，电脑没有安装微软的Office套件，只安装了金山WPS套件，还以为没有这些API函数，结果是WPS也兼容了MS的API，不需要安装MS的Office套件也能找到这些函数。（此处存疑，电脑确实没有安装MS Office，以前也没有安装过MS Office，但是API确实是可以用的。）
使用LabVIEW的automation open打开MS的Word应用的引用，这里就是一个惊喜：并没有安装MS家的Office套件，只安装了WPS套件，居然也是完全兼容的。
使用Documents属性节点访问文件，然后再通过Open方法节点打开指定的文件，这里有很多参数可选，比如编码、格式、密码等等，根据具体需要来设置。对于目前这个简单的文档，只需要设定好文件路径即可。
通过文件属性节点访问内容Content （MSDN的描述：Returns a Range object that represents the main document story），当然当你用鼠标下拉后会发现，这里可以访问的东西很多很多哦，比如密码、打印设置、标题、表格、读写权限。。。多达几十项。我们这里只需要读取文本，就选择了Content属性节点。
通过Range属性节点去访问文本text，就可以得到全部的文本内容。当然，这里也有很多其他节点可以尝试，可以读取到其他内容与参数。MSDN的描述：The Text property returns the plain, unformatted text of the range. When you set this property, the existing text in the range is replaced.
在代码的最后面，就是对读取的文本进行了一些简单的处理，再进一步就可以导出到Excel里面做数据统计分析了。
有几点说明：PDF转Word不是万能的，因为PDF本身是一种非常广泛的万能格式，不是所有的PDF都可以转化成有用的Word格式。另外，如果Word格式过于复杂，在使用API读取的时候需要格外小心，以免数据读取错误或丢失。
延伸两点：LabVIEW也是可以生成丰富多彩的PDF格式报告的；也可以生成丰富多彩的Word/Excel格式报告的，也就是使用报告生成工具包RGT。
API参考资料：https://msdn.microsoft.com/en-us/VBA/Word-VBA/articles/document-object-word
有疑问可以联系support@itestgroup.com
Any question for this post, please contact support@itestgroup.com more information click here
No comments:
Post a Comment