【UiPath】「PDFファイルからデータ抽出する関数」を理解する【初心者】

UiPathの学習追体験記事です。
※あくまで学習中の脳内を記事にしたものなので、この記事で書かれてあることが”正しい”とは限りません。

参考：学習効率本5巻　「知識の自作」

BOOTH - 創作物の総合マーケット

BOOTH（ブース）とは、pixivと連携した、創作物の総合マーケットです。無料で簡単にショップを作成でき、商品の保管・発送代行サービスも提供しています！

0.動機
1.座学
- 検索
- 吟味
2.実践
- PDFファイルからデータを抽出する
- 特定の要素を抽出する
  - ・「テキストを取得」アクティビティ
  - ・レコーディング機能
3.まとめ
4.参考文献

0.動機

「UiPath RPA アソシエイト資格試験」を受けたい！
と思い、練習問題のプラクティステストを受けてみたが、正答率は半分にも満たなかった。徹底的にプラクティステストの復習をするしかない！

ということで、本記事では、プラクティステストで間違えた問題の復習の様子を書きつらねていきます。

まずは、間違えた問題の紹介。

Native 画像スクレイピング（Native screen scraping）メソッドはどのように動作しますか。
引用元：https://www.pearsonvue.co.jp/uipath
UiPath RPA アソシエイト資格試験　プラクティステスト

解説部分には、この問題で求めている知識が紹介されていた。内容は以下。※答えは明示されてない

トピック：PDFファイル（.pdf）からデータを抽出するために使用する関数を説明する。（例:OCRの使用）
引用元：https://www.pearsonvue.co.jp/uipath
UiPath RPA アソシエイト資格試験　プラクティステスト

学習者

PDFファイル限定なのかな、他のファイルからもデータを抽出できると良いな。

では、以下から、「PDFファイルからデータの抽出」の復習をしていく。

1.座学

書籍やネットの情報をもとに学習

検索

理解する対象に関する情報を書籍やネットで調べる。

今回の理解の対象である「PDFファイルからデータの抽出」については、UiPathアカデミーの以下の階層にあった。

UiPathアカデミー＞PDF の自動化コース＞レッスン一覧＞PDFの自動化

UiPath Academy

This is an introduction to the process of analyzing, designing, deploying and maintaining Robotic Process Automation infrastructures

では、「PDF の自動化」コースの学習目標を見てみる。

「PDF の自動化」コースの学習目標

・PDF ドキュメント全体を抽出できる
・PDF ドキュメントから特定の要素を抽出できる
・状況に応じて最適な OCR エンジンを選択できる
・同じレイアウトの PDF から共通する要素を取得することができる
・[アンカーベース (Anchor Base)] を活用し、要素を適切に抽出できる
引用元：https://academy.uipath.com/jp/learningpath-viewer/2555/1/157379/16

学習者

PDFドキュメント全体を抽出する方法は簡単そうだけど、「特定の要素」のみを抽出する方法は難しそう。

吟味

「PDF の自動化」コースの学習目標を軸に考えを膨らませる。

データ抽出に着目

学習者

まず、「データの抽出」と聞くと、スクレイピング機能が思い浮かぶ。やはり、「PDFファイルのデータ抽出」もスクレイピング機能を使うのかな～。もし、使うとなれば、デスクトップスクレイピング、または、Webスクレイピングになる？

データ抽出方法を調べてみた。以下より。

UiPath Academy

This is an introduction to the process of analyzing, designing, deploying and maintaining Robotic Process Automation infrastructures

データ抽出方法は大きく3つらしい。

・「PDF のテキストを読み込み (Read PDF Text)」アクティビティ
・「OCR で PDF を読み込み (Read PDF With OCR)」アクティビティ
・「画面スクレイピング (Screen Scraping)」

学習者

ふむふむ、スクレイピング機能以外に、アクティビティによってデータを抽出することも可能なのね。でも、アクティビティによるデータ抽出で特定の要素のみを抽出できるイメージがわかない。そのあたりは、どうなんだろう。

調べてみた。以下より。

UiPath Academy

This is an introduction to the process of analyzing, designing, deploying and maintaining Robotic Process Automation infrastructures

文字情報を含む形式の PDF からテキストを取得するには、 [テキストを取得 (Get Text)] を使用した方法や、レコーディング機能を使用し、取得したい要素を指定する方法などがあります
引用：https://academy.uipath.com/jp/learningpath-viewer/2555/1/157379/16

学習者

「テキストを取得」アクティビティやレコーディング機能の使用が、特定の要素を取得する代表的な方法かな。

データ抽出の疑問に対する答えをまとめると、

データ抽出方法は大きく5つ
・「PDF のテキストを読み込み (Read PDF Text)」アクティビティ
・「OCR で PDF を読み込み (Read PDF With OCR)」アクティビティ
・「画面スクレイピング (Screen Scraping)」特定の要素のみを抽出する方法の代表2つ
・「テキストを取得」アクティビティ
・レコーディング機能の使用