干货丨RPA+OCR如何提取电子合同信息

基于电子合同信息的提取，根据文件类型，分为两大类：Word和PDF。

Word类的，会直接用RPA机器人UiBot从信息里面根据字符规则提取出关键信息，生成结构化数据，当然，也会遇见有些Word文档是补充协议等，没有相关要提取的信息，这类会根据业务规则直接在流程里面，根据模板判断划分出来。

PDF类的，会根据里面信息分为两类，

一类是文字型，一类是图片型。

文字的可以使用UiBot的窗口元素中的预制组件 获取元素文本 或者 文本中的获取文本 来提取关键信息。

(需要注意的是使用Acrobat的时候，需要在编辑中选择辅助工具来做如下图操作)

图片类的，就必须要使用OCR来进行识别，然后进行信息提取。因为上面有盖章等不同因素的影响，正确率并不能保证百分之百，甚至也没有关键性可以回流验证的信息，所以生成的结构化数据仍需要人工二次校验，才可以录入系统。

所以基于图片类的电子合同，并没有为业务人员节省多少时间，无非是图片类的电子合同占比并不高，所以影响不大。

当然此类电子合同都是使用公司固定的统一模板，所以总体业务并不复杂，但如果合同模板不能统一，各有特色，可能就需要根据各个模板的类型来做归类划分和业务异常处理。

另一方面，就技术上来说，也可以直接用源码模式来引用Office（Word，PDF文字类）的对象直接后台处理，相比较而言，处理速度会比较快一些。