pdf2csv/README.md

📄 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 du crédit mutuel, en appliquant des opérations de nettoyage et de fusion avant de produire un fichier CSV unique.

Ce fichier est parfaitement compatible pour de l'import d'écritures via l'outil rapprochement assisté de paheko outil de gestion d'association ou petites entreprises.

---

🚀 Fonctionnalités du script

Le script convert.py :

1. Extraction

   • Utilise tabula-py pour extraire les tableaux depuis tous les fichiers PDF du dossier /data.
   • Supporte les PDFs multi-pages.

2. 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 mouvements ainsi que toutes celles qui suivent.

3. 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).

4. Formatage des valeurs

   • Supprime tous les points . dans les deux dernières colonnes (pour nettoyer les séparateurs de milliers dans les montants).

5. 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 .

📪 Lancer le docker et Convertir

• créer un dossier

mkdir mondossier

• copier les fichiers .pdf à convertir dans ce même dossier.
• en ligne de commande, se placer dans le dossier.

cd mondossier

• lancer la commande suivante pour lancer le docker, et convertir tous les fichiers .pdf

docker run --rm -v "$(pwd)":/data pdf2csv:latest

Sortie attendue

Lors de la conversion, le script produit deux fichiers .csv par fichier .pdf dans le dossier.

*_brut.csv
*_final.csv

Puis tous les fichiers _final.csv sont concaténés en un seul fichier fusion_total.csv