# | Automatikkan pengekstrakan data PDF: Ujian Penerimaan Pengguna

Gambaran keseluruhan

Sebelum setiap keluaran ciri, saya melakukan Ujian Penerimaan Pengguna ("UAT") untuk memunculkan pepijat dan memastikan logik perniagaan diterjemahkan dengan betul kepada kod.

Saya hanya mengosongkan ciri untuk keluaran selepas UAT berjaya 100%.

Alasan saya mudah: anda hanya mendapat satu peluang untuk membuat kesan pertama yang baik kepada pengguna akhir anda, dan keluaran yang kurang baik menjadikannya dua kali ganda sukar untuk berbuat demikian.

Walaupun ini adalah ciri MVP yang tidak dimaksudkan untuk keluaran pengeluaran, saya fikir adalah baik untuk melakukan beberapa UAT untuk memastikan kemahiran saya sentiasa segar.

Keputusan

Daripada 19 senario UAT yang saya hasilkan, satu gagal kerana perubahan dalam Penyata Penjaga templat PDF.

Saya menjangkakan risiko ini semasa Discovery, tetapi sejujurnya, saya tidak menjangkakan isu itu akan timbul secepat ini.

Saya akan pergi ke butiran pembetulan pepijat kemudian dalam artikel.

Metodologi

Proses UAT saya melibatkan penggunaan logik perniagaan atau keperluan ciri sebagai rujukan untuk mencipta senario ujian dan hasil yang dijangkakan.

Senario ujian tidak perlu rumit. Ia boleh semudah : "Ciri ini menghasilkan fail CSV dalam masa 30 saat".

Untuk UAT, saya memproses 71 halaman dokumen daripada 10 PDF Penyata Kustodian. Ini mestilah set sampel yang cukup besar.

Keluaran yang dijangkakan ialah tiga fail CSV yang mengandungi titik data khusus daripada bahagian Pegangan Dana, Pegangan Sekuriti dan Pegangan Tunai dalam Penyata Penjagaan PDF.

Saya menghasilkan kes ujian berikut:

CSV 1: Pegangan Dana

CSV 2: Pegangan Sekuriti

CSV 3: Pegangan Tunai

Pembetulan Pepijat

Ujian yang gagal adalah kerana templat PDF Penyata Kustodian berubah sedikit pada bulan November. Lebih khusus lagi, nilai dalam lajur "Nilai Semasa# 1. Mata Wang Asing 2. Setara RM" pada jadual Pegangan Dana kini mempunyai awalan "-n" tambahan.

Sebagai contoh, daripada membaca "USD 10,000" dalam PDF sebelumnya, nilainya kini berbunyi "- USD10,000".

Perubahan kecil ini mengakibatkan isu berikut:

Saya berunding dengan ChatGPT tentang pembetulan, dan ia mengesyorkan logik penyental berikut ditambahkan untuk mengalih keluar awalan "-/n" yang salah.

# Scrub error prefix
df['Currency'] = df['Currency'].str.replace('[-\n]', '', regex=True)

Penggosokan berjaya dan keluaran Fund Holdings CSV kini keluar seperti yang dijangkakan.

Apa Seterusnya?

Saya kini selesa bahawa kod untuk mengekstrak data PDF berfungsi. Walaupun begitu, saya tidak fikir fail CSV adalah tempat terbaik untuk menyimpan semua data ini.

Walaupun CSV mesra pengguna (bagi saya), menyimpan data dalam pangkalan data menjadikannya lebih mudah untuk mendapatkan dan memanipulasi data mengikut keperluan pengguna akhir.

Saya mempunyai pengalaman yang sangat terhad dalam pangkalan data. Jadi apa yang saya akan lakukan seterusnya ialah Discovery pada aplikasi pangkalan data yang boleh saya sediakan dengan cepat.

--Tamat

Atas ialah kandungan terperinci # | Automatikkan pengekstrakan data PDF: Ujian Penerimaan Pengguna. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!