[Python-es] Analizar cadena y extraer valores

[Manuel A. Estevez Fernandez]

Muchas gracias, los voy a revisar.

Saludos.

by:

ISC. Manuel Alejandro Estévez Fernández



El 3 de junio de 2014, 5:50, Luis Iglesias <luis.iglesias en vigo.org>
escribió:

>
> ----- Mensaje original -----
> De: "Manuel A. Estevez Fernandez" <stvzito en gmail.com>
> Para: "La lista de python en castellano" <python-es en python.org>
> Enviados: Lunes, 2 de Junio 2014 17:50:02
> Asunto: Re: [Python-es] Analizar cadena y extraer valores
>
> Muchas gracias por tu aportación Luis, si me pudieras compartir tu código
> te lo agradecería mucho. Porque de momento estoy jugando todavía a prueba y
> error con la interpretación del texto extraído.
>
> ------------
> No sé si la lista admite adjuntos.
> Envío el módulo principal y un ejemplo de uso. Ten en cuenta que este
> módulo trabaja con el fichero html que se genera con pdftotext a partir del
> pdf.
> Yo lo estoy empleando para leer facturas y generar un json con los datos
>
> El código de uso sería algo así:
>
> from ocr.utilspdf import PdfTextInfo
> from extra import debug, fechas
> import json
> import os.path
>
>         hInfo = PdfTextInfo(ficheroHtml)
>         self.json = {}
>         j = self.json
>         j['002.pdf.pagDesde'] = 1
>         j['002.pdf.pagHasta'] = hInfo.totalPaginas
>         j['010.factura'] = hInfo.getTextoEnXY(1, 70.8, 216.352)
>         j['021.fIniFact'] =
> fechas.YMD(fechas.dd_mm_aa2date(hInfo.getTextoEnXY(1, 70.8, 317.632)))
>         p = hInfo.getNumpag(70.8, 126.416, 'ENDEREZO')
>         j['040.direccion'] = hInfo.getTextoEnRegion(p, (70.8, 134.032,
> 300, 142.888))
>
> La clase PdfTextInfo está definida en el módulo utilspdf que adjunto.
> El método getTextoEnXY devuelve la palabra que tiene exactamente esas
> coordenadas en la esquina superior izquierda.
> El método getTextoEnRegion recoge el texto que se encuentra en las
> esquinas que se le pasen.
> Hay algunos métodos que quizá no te hagan falta, como obtener el total de
> páginas o preguntar en qué página se encuentra tal texto en tal posición.
>
> Si tienes alguna pregunta no tendré problema en contestar: por aquí (si la
> lista está de acuerdo) o por el correo privado.
>
> _______________________________________________
> Python-es mailing list
> Python-es en python.org
> https://mail.python.org/mailman/listinfo/python-es
> FAQ: http://python-es-faq.wikidot.com/
>
>
------------ próxima parte ------------
Se ha borrado un adjunto en formato HTML...
URL: <http://mail.python.org/pipermail/python-es/attachments/20140603/7a9dadfa/attachment.html>