#|自動擷取 PDF 資料:使用者驗收測試
概述
在每個功能發布之前,我都會進行用戶驗收測試(“UAT”)以發現錯誤並確保業務邏輯正確轉換為代碼。
我只在 UAT 100% 成功後才清除發布功能。
我的推理很簡單:你只有一次機會給最終用戶留下良好的第一印象,而糟糕的發布會讓它加倍困難。
雖然這是一個 MVP 功能,並不適合生產發布,但我認為做一些 UAT 來保持我的技能新鮮會很好。
結果
在我提出的 19 個 UAT 場景中,有一個因 託管人聲明 PDF 模板的更改而失敗。
我在 Discovery 期間就預見到了這種風險,但說實話,我沒想到這個問題會這麼快出現。
我將在本文後面詳細介紹錯誤修復細節。
方法論
我的 UAT 流程涉及使用業務邏輯或功能需求作為參考來建立測試場景和預期結果。
測試場景不需要很複雜。它們可以很簡單:「該功能會在 30 秒內產生 CSV 檔案」。
對於 UAT,我處理了來自 10 個託管人聲明 PDF 的 71 頁 文件。這應該是一個足夠大的樣本集。
預期輸出是三個CSV 文件,其中包含託管人聲明PDF 的基金持有、證券持有 和現金持有 部分的特定數據點。
我想出了以下測試案例:
CSV 1:基金持有量
CSV 2:證券持有
CSV 3:現金持有
錯誤修復
測試失敗是因為託管人聲明 PDF 的範本在 11 月發生了輕微變化。更具體地說,基金持有表的「當前值#1.外幣2.RM等值」欄位中的值現在有一個額外的「-n」前綴。
例如,先前的 PDF 中的值為“USD 10,000”,現在的值為“- USD10,000”。
這個小變化導致了以下問題:
我諮詢了 ChatGPT 進行修復,它建議添加以下清理邏輯以刪除不正確的“-/n”前綴。
清理工作成功了,基金控股 CSV 輸出現在如預期般輸出。
接下來做什麼?
我現在很滿意提取 PDF 資料的程式碼可以正常運作。也就是說,我認為 CSV 檔案不是儲存所有這些資料的最佳位置。
雖然 CSV 對我來說是用戶友好的,但將資料儲存在資料庫中可以更輕鬆地根據最終用戶的要求檢索和操作資料。
我在資料庫方面的經驗非常有限。因此,我接下來要做的是在資料庫應用程式上進行 Discovery,我可以快速上手。
--結束
以上是#|自動擷取 PDF 資料:使用者驗收測試的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

Python更易學且易用,C 則更強大但複雜。 1.Python語法簡潔,適合初學者,動態類型和自動內存管理使其易用,但可能導致運行時錯誤。 2.C 提供低級控制和高級特性,適合高性能應用,但學習門檻高,需手動管理內存和類型安全。

每天學習Python兩個小時是否足夠?這取決於你的目標和學習方法。 1)制定清晰的學習計劃,2)選擇合適的學習資源和方法,3)動手實踐和復習鞏固,可以在這段時間內逐步掌握Python的基本知識和高級功能。

Python在開發效率上優於C ,但C 在執行性能上更高。 1.Python的簡潔語法和豐富庫提高開發效率。 2.C 的編譯型特性和硬件控制提升執行性能。選擇時需根據項目需求權衡開發速度與執行效率。

Python和C 各有優勢,選擇應基於項目需求。 1)Python適合快速開發和數據處理,因其簡潔語法和動態類型。 2)C 適用於高性能和系統編程,因其靜態類型和手動內存管理。

pythonlistsarepartofthestAndArdLibrary,herilearRaysarenot.listsarebuilt-In,多功能,和Rused ForStoringCollections,而EasaraySaraySaraySaraysaraySaraySaraysaraySaraysarrayModuleandleandleandlesscommonlyusedDduetolimitedFunctionalityFunctionalityFunctionality。

Python在自動化、腳本編寫和任務管理中表現出色。 1)自動化:通過標準庫如os、shutil實現文件備份。 2)腳本編寫:使用psutil庫監控系統資源。 3)任務管理:利用schedule庫調度任務。 Python的易用性和豐富庫支持使其在這些領域中成為首選工具。

Python在科學計算中的應用包括數據分析、機器學習、數值模擬和可視化。 1.Numpy提供高效的多維數組和數學函數。 2.SciPy擴展Numpy功能,提供優化和線性代數工具。 3.Pandas用於數據處理和分析。 4.Matplotlib用於生成各種圖表和可視化結果。

Python在Web開發中的關鍵應用包括使用Django和Flask框架、API開發、數據分析與可視化、機器學習與AI、以及性能優化。 1.Django和Flask框架:Django適合快速開發複雜應用,Flask適用於小型或高度自定義項目。 2.API開發:使用Flask或DjangoRESTFramework構建RESTfulAPI。 3.數據分析與可視化:利用Python處理數據並通過Web界面展示。 4.機器學習與AI:Python用於構建智能Web應用。 5.性能優化:通過異步編程、緩存和代碼優
