1.6 KiB
1.6 KiB
📄 pdf2csv
Convertisseur de fichiers PDF en CSV basé sur tabula-py et pandas, empaqueté dans une image Docker légère.
Il est conçu pour traiter automatiquement les relevés bancaires PDF (ou autres tableaux PDF similaires) en appliquant des opérations de nettoyage et de fusion avant de produire un fichier CSV unique.
🚀 Fonctionnalités du script
Le script convert.py :
-
Extraction
- Utilise
tabula-pypour extraire les tableaux depuis tous les fichiers PDF du dossier/data. - Supporte les PDFs multi-pages.
- Utilise
-
Nettoyage des données
- Supprime les 3 premières lignes de chaque extrait, jusqu’à la ligne contenant
SOLDE. - Supprime toute ligne dont la première colonne contient
date(ligne d’entête répétée). - Supprime la ligne contenant
Total des mouvementsainsi que toutes celles qui suivent.
- Supprime les 3 premières lignes de chaque extrait, jusqu’à la ligne contenant
-
Fusion des documents
- Fusionne tous les CSV générés en un seul fichier final.
- Ajoute en première ligne du fichier final l’en-tête
date(récupéré du premier tableau traité).
-
Formatage des valeurs
- Supprime tous les points
.dans les deux dernières colonnes (pour nettoyer les séparateurs de milliers dans les montants).
- Supprime tous les points
-
Export
- Produit un fichier CSV unique propre, prêt à être utilisé dans un tableur ou un outil de gestion de budget.
📦 Construction de l'image
Clonez ce dépôt puis construisez l'image :
git clone https://gitea.example.org/monuser/pdf2csv.git
cd pdf2csv
docker build -t pdf2csv:latest .