Selenium 可以验证浏览器加载的 PDF 中的文本吗？

Question

我的网络应用程序在浏览器中加载 pdf 文件。我已经弄清楚如何使用以下命令检查 pdf 是否已正确加载：

verifyAttribute xpath=//嵌入/@src {此处显示 PDF 的 URL}

如果能够使用 Selenium 检查 pdf 的内容，那就太好了 - 例如验证是否存在某些文本。有什么办法可以做到这一点吗？

Answer 1

虽然本机不支持，但我找到了几种使用 java 驱动程序的方法。一种方法是在浏览器中打开 pdf（已安装 adobe acrobat），然后使用键盘快捷键选择所有文本 (CTRL+A)，然后将其复制到剪贴板 (CTRL+C)，然后您可以验证剪贴板中的文本。例如：

protected String getLastWindow() {
    return session().getEval("var windowId; for(var x in selenium.browserbot.openedWindows ){windowId=x;} ");
}

@Test
public void testTextInPDF() {
    session().click("link=View PDF");
    String popupName = getLastWindow();
    session().waitForPopUp(popupName, PAGE_LOAD_TIMEOUT);
    session().selectWindow(popupName);

    session().windowMaximize();
    session().windowFocus();
    Thread.sleep(3000);

    session().keyDownNative("17"); // Stands for CTRL key
    session().keyPressNative("65"); // Stands for A "ascii code for A"
    session().keyUpNative("17"); //Releases CTRL key
    Thread.sleep(1000);

    session().keyDownNative("17"); // Stands for CTRL key
    session().keyPressNative("67"); // Stands for C "ascii code for C"
    session().keyUpNative("17"); //Releases CTRL key

    TextTransfer textTransfer = new TextTransfer();
    assertTrue(textTransfer.getClipboardContents().contains("Some text in my pdf"));
}

另一种方法，仍然是在java中，是下载pdf，然后使用PDFBox将pdf转换为文本，请参见http://www.prasannatech.net/2009/01/convert-pdf-text-parser-java-api-pdfbox.html 的有关如何执行此操作的示例。

Answer 2

您无法使用本机 WebDriver 来执行此操作。然而，这里可以使用PDFBox API来读取PDF文件的内容。您必须首先将焦点转移到打开 PDF 文件的浏览器窗口。然后，您可以解析 PDF 文件的所有内容并搜索所需的文本字符串。

这里是使用 PDFBox API 在 PDF 文档中进行搜索的代码。

Answer 3

不幸的是你根本不能用 Selenium 来做到这一点

Answer 4

import java.io.File;
import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.IOException;
import java.io.PrintWriter;
import org.pdfbox.cos.COSDocument;
import org.pdfbox.pdfparser.PDFParser;
import org.pdfbox.pdmodel.PDDocument;
import org.pdfbox.util.PDFTextStripper;

public class pdfToTextConverter {

public static void pdfToText(String path_to_PDF_file, String Path_to_output_text_file) throws FileNotFoundException, IOException{
     //Parse text from a PDF into a string variable
     File f = new File("path_to_PDF_file");

     PDFParser parser = new PDFParser(new FileInputStream(f));
     parser.parse();

     COSDocument cosDoc = parser.getDocument();
     PDDocument pdDoc = new PDDocument(cosDoc);

     PDFTextStripper pdfStripper = new PDFTextStripper();
     String parsedText = pdfStripper.getText(pdDoc);

     System.out.println(parsedText);

     //Write parsed text into a file
     PrintWriter pw = new PrintWriter("Path_to_output_text_file");
     pw.print(parsedText);
     pw.close(); 

}

}


JAR Source
http://sourceforge.net/projects/pdfbox/files/latest/download?source=files

Answer 5

有一个办法。

1. 在点击链接之前您可以获取href值
   element.FindElement(By.TagName("href")).Text
2. 然后在 PDF 加载后您可以获取 Url
   驱动程序.GetUrl();
3. 然后你可以检查 url 是否包含 href。

这不是最好的，但总比没有好。