Discussion :

[queneau]

Bonjour,

Je viens de commencer à utiliser python pour mon travail pour extraire certaines data de fichier PDF, j'ai réussi a écrire un script qui fonctionne pour récupérer une info précise. Mais maintenant j'aimerai récupérer une adresse dans 300 fichiers mais l'adresse peut différer dans sa syntaxe. Pouvez-vous m'aider à créer le regex récupérer ces data ?
Merci beaucoup

Voici quelques exemples :
- DA COSTA DAVID
Appartement 15
- BAT 15-7480203
2 R DES BOUCHERS
36100 ISSOUDUN

- BLANCHARD SABINE
Appartement _
- BAT 1-7480197
4 R JULES MASSENET
36000 CHATEAUROUX

Mme MARIE AUDINEAU
Appartement _
- BAT 6-7480219
8 BIS RUE PASTEUR
36000 CHATEAUROUX

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
# importing required modules
from PyPDF2 import PdfReader
from sys import argv
import os
import re
 
# creating a pdf reader object
dossier = 'TEST DPE'
i = 1
# Pour chaque fichier du répertoire dossier
for f in os.listdir(dossier):
    # Compteur
    print(f"Fichier numéro {i}")
    i += 1
    # ouvre fichier resultat
    with open('results.csv', 'a') as file_r:
        # On essaye d'ouvrirle pdf
        try:
            reader = PdfReader(dossier + "/" + f)
        except:
            # Si jamais ca marche pas on ecrit dans le fichier resultat et on passe au pdf suivant
            file_r.write(f"{f}")
            continue
        # Extraction du texte (attention si pdf scanné ou image ceci ne fonctionne pas)
        text = ''
        for p in reader.pages:
            text += p.extract_text()
 
        #regex pour trouver le numéro ADEM
        res = re.findall('[0-9]{2}', text)  
        #Dedupliquer les resultats (set prend une liste et la rend unique)
        res = set(res)
        #ecrire le resultat dans le fichier resultat
        file_r.write(f"{f}")
        if res:
            for r in res:
                file_r.write(f",{r}")
        file_r.write('\n')

[wiztricks]

Salut,

Mais maintenant j'aimerai récupérer une adresse dans 300 fichiers mais l'adresse peut différer dans sa synthaxe

La structure semble identique première ligne le nom, les 3 suivantes: l'adresse et la dernière le code postal et la ville.

Après dire "récupérer une adresse dans 300 fichiers", c'est déjà dire quelles informations utiliser au départ pour "chercher" et dire ce qu'on attend à trouver (avec des exemples).

Si utiliser des regexp peut être plus performant, ce n'est pas indispensable: vous devriez savoir faire sans (pour illustrer ce que vous cherchez à faire par exemple) puis si ça fait du sens d'optimiser un peu avec des regexp pourquoi pas?
Mais "optimiser" suppose une base qui marche!

- W

[jurassic pork]

Hello,
est-ce que tes adresses sont "isolées" dans le texte où elles se trouvent : par exemple une ligne vide au-dessus, une ligne vide en dessous et se trouvent-elles toujours à peu près au même endroit dans le texte. Plusieurs par texte ? toujours un code postal sur la dernière ligne de l'adresse ?
Difficile de proposer une expression régulière sans avoir l'adresse dans son contexte réel.
Ami calmant, J.P