PDF相關測試一直都是手動進行，自動化測試介入的很少。我們項目，PDF是很重要的一塊，客戶經常需要將報表導出到PDF。導出的可能是表格，也可能是餅圖，條圖，線圖。表格的話，有flat grid，有tree grid。圖的話，花樣就更多了，圖例，座標軸…
最近的迭代有個story，是想要自動化測試能夠判斷表格導出到PDF格式是否正確，看看現在項目用的iTextSharp能否實現這個需求。
iTextSharp是C#的PDF庫，人們經常用它來生成PDF，這個庫裏面有一小塊是解析PDF，這一小塊就是我需要用到的。一番探索之後發現，其實PDF沒有任何結構信息，純粹就是畫圖一般畫出來的。我們項目的PDF，就是先獲取數據，然後根據數據節點，層級結構，生成相應的html文件，最後從html生成PDF。PDF裏面的表格看起來是有結構的，就是一張表，實際上解析之後讀出來的信息毫無結構可言。現有的庫最多可以一行一行把PDF裏面的文字讀出來，離我的預期還很遠。
比如我有如下兩個PDF報表：
用現有的iTextSharp讀出來結果如下：
Tree Grid
Fund Asset Class NPV VaR
Fund_A 1234 (2345)
Fixed Income 1234 (2345)
Fund_B 3456 (1234)
Equity 3456 (1234)
Flat Grid
Fund Asset Class NPV VaR
Fund_A 1234 (2345)
Fund_A Fixed Income 1234 (2345)
Fund_B 3456 (1234)
Fund_B Equity 3456 (1234)
每一行的文字，它默認用空格分隔，這樣的話我無從判斷這一行到底導出來幾個單元格，因爲單元格自己的內容就可能有空格。
一開始我認爲這個應該有個string參數，用戶可以設置，然後解析PDF的時候用這個string作爲分隔。google了很久都沒有找到，去stackoverflow上提問了，也沒有人回答。
還好這個工具是開源的，我在github上找到了源代碼：github iTextSharp
原來根本沒有這麼個參數，程序寫死了用空格分隔，詳見SimpleTextExtractionStrategy.cs 的line 145和LocationTextExtractionStrategy.cs的line 193
接下來，把源代碼下下來，在類SimpleTextExtractionStrategy和LocationTextExtractionStrategy裏面添加屬性字段：string separator，賦默認值爲空格符，用戶可以在新建類實例時傳入任何他想要的string來爲它賦值。讀PDF內容的方法增加一個參數，就是類的separator字段。
比如我在新建SimpleTextExtractionStrategy類實例時，傳入參數將separator設置爲++，那麼最後我解析出來的PDF內容如下：
Tree Grid
Fund++Asset Class++NPV++VaR
Fund_A++1234++(2345)
Fixed Income++1234++(2345)
Fund_B++3456++(1234)
Equity++3456++(1234)
Flat Grid
Fund++Asset Class++NPV++VaR
Fund_A++1234++(2345)
Fund_A++Fixed Income++1234++(2345)
Fund_B++3456++(1234)
Fund_B++Equity++3456++(1234)
這樣一來，我就可以以++爲splitter來split每一行內容，繼而判斷PDF格式是否正確。
客戶化開源工具確實能解決自己的問題，但是，後續如果該工具更新了，那麼merge起來也是蠻困難的…只能後續不用這個工具的新版本了…
後話：問題解決了，我去stackoverflow上回答了自己的提問，社區管理員看到之後，也覺得這個不應該寫死，應該expose出來，讓用戶自己設置值，他@了iTextSharp工具的作者。但是不知道作者是否會採納我的建議，並在下一次更新時涵蓋我的改動