Day 27
PDF 安全技術
密碼移除與文字解構
自動化作業訓練系列
課程大綱
- 1. 業務痛點：加密檔案的阻礙
- 2. 合規框架下的處理原則
- 3. 工具一：PDF 密碼移除實作
- 4. 工具二：PDF 轉文字檔實作
- 5. 流程整合：RPA 前置作業串聯
自動化的絆腳石：加密 PDF
在日常維運中，我們經常接收來自外部機構（如基金公司、券商）的交易確認單或對帳單。
痛點分析：
這些含有機敏資料的 PDF 檔案通常預設開啟密碼。傳統 RPA 或腳本無法直接讀取內容，導致人員必須手動介入輸入密碼、肉眼核對，形成了自動化流程中的「斷點」。
合規框架與資訊安全
要解決加密檔案，我們不能依賴外部的雲端解密服務，必須在內部環境 (Local) 進行，以符合資安規範。
- 資料不落地外網： 確保機敏資料（如帳號、金額）無外洩風險。
- 權限控管： 密碼解除工具僅限授權單位與特定排程使用。
- 軌跡留存： 處理過程需有紀錄，方便日後稽核追蹤。
核心解構策略
為達成端到端（End-to-End）自動化，我們將複雜任務拆解為兩個標準化階段，並搭配專屬內部工具：
交易確認單 PDF 密碼移除工具
利用內部開發的巨集工具（XLSM），在不依賴第三方軟體的情況下，批次或單筆解除已知密碼的 PDF 檔案。
檔案配置
附檔：
交易確認單PDF密碼移除工具.xlsm
- 支援自動記憶或查表帶入機構密碼
- 完全於本機記憶體執行
- 產出無保全設定之標準 PDF
密碼移除工具：操作步驟
Step 1
開啟 .xlsm 工具檔
啟用巨集功能
解密背後的機制探討
雖然操作僅有兩三個按鈕，但背後機制確保了自動化的順暢：
- Ghostscript / PDFtk 封裝： 底層可能呼叫本機端合規的命令列工具，進行重組與解密。
- 防呆機制： 密碼錯誤時的回報機制，避免 RPA 陷入無限等待 (Timeout)。
- 無損輸出： 解密過程不改變原有的排版座標，確保下一步驟的文字擷取精準度。
PDF 轉文字檔工具
解密後的 PDF 對人類肉眼友善，但對程式而言仍是「佈局描述」。我們需要將其轉換為純文字（TXT），才能進行正規表達式 (Regex) 解析。
核心概念：
捨棄視覺排版與圖片，專注於「字串流 (String Stream)」，為資料建檔、比對作業（如：基金編號、金額、日期）鋪路。
轉文字工具：操作步驟
-
開啟工具：
啟動 PDF轉文字檔工具.xlsm
-
指定轉檔：
點選「選擇來源檔案並轉檔」，指定剛剛解密後的來源 PDF 檔案。
-
取得資料：
系統秒速將內容解析為純文字檔或呈現在 Excel 工作表內。
文字解構的技術挑戰
原生 PDF 轉文字時，常遇到佈局錯位問題。本工具克服了以下難題：
- 多欄位 (Multi-column) 讀取： 避免將左右無關的文字接合在一起。
- 表格 (Table) 解構： 透過空白字元 (Spaces/Tabs) 盡可能保留表格的欄位對齊關係。
- 隱藏字元過濾： 自動剔除 PDF 轉碼過程產生的亂碼與不可見字元 (BOM, Null bytes)。
自動化前置作業整合
將「密碼移除」與「轉文字」串聯，這就是強大的 RPA 資料處理管線 (Pipeline)。
收到帶密碼確認單
密碼移除工具
轉文字檔工具
RPA/Regex 取值
實戰應用：交易確認單資料比對
運用解構後的文字，我們可以實作「交易確認單對照處理」：
[模擬純文字截取]
Trade Date: 2026-08-30
ISIN: LU0123456789
Amount: 1,000,000.00 USD
配合 VLOOKUP 或腳本，即可快速讀取 ISIN 編碼與帳務內容，免去人工逐筆 Key-in。
最佳實踐與工具限制
最佳實踐 (Best Practices)
- 建立機構密碼對照表，讓工具自動輪詢。
- 轉出文字後，使用正則表達式 (Regex) 鎖定關鍵字，避免排版微調導致取值失敗。
工具限制 (Limitations)
- 掃描檔無效： 此工具處理「原生產生」的 PDF。若是紙本掃描成 PDF（實為圖片），則需導入 OCR (光學字元辨識) 技術。
- 加密協定： 支援常見 128/256-bit AES，特殊 DRM 憑證保護則不適用。
總結：從非結構化到結構化
解密與轉文字，看似基礎，卻是打通自動化任督二脈的關鍵。
透過 密碼移除工具 與 PDF轉文字檔工具，我們成功將「非結構化」的外部文件，轉化為系統可精確讀取的「結構化」資料，奠定 RPA 穩固的基石。