Discussion :

[lubinfo]

Bonjour,

Auriez-vous qq conseil pour extraire des données d'un fichier pdf avec la fonction pdfverstexte() ?

C'est dans le but d'extraire les éléments de base de factures :
- type de pièce : facture, bon de commande, avoir, ...
- date
- n° de pièce
- montant total hors taxe, tva, ttc
- nom client
- n° tva ou siret client

Comment procéder pour avoir un maximum de résultat correct ?

On analyse ligne à ligne en cherchant des mots clé (date, montant ht, montant TTC, ....) et après, on suppose que la donnée est sur la même ligne et on essaye de l'extraire (c'est très souvent des chiffres)

On peut utiliser les propriétés des zone texte du pdf (x, y, largueur, hauteur, texte) pour chercher dans une zone particulière par exemple on présuppose que le nom client est dans la partie en haut à droite avec l'adresse ?

Comment procéder si par exemple les nom de champs et la valeur ne sont pas sur la même ligne ?

[lubinfo]

J'aurais bien aimé jeter un oeil à l'exemple WD Extraire contenu texte de PDF de la LST 135 mais hélas il est en version 2024 et je suis en version 28.

Mr PcSoft pourquoi tant de bloquages purement commercial ?

Un des plus stupide étant l'impossibilité d'installer une version Express sur une machine qui a une version avec licence et clé d'installée (sauf si cela à changé ?)

Ou bien la possibilité d'accéder à toutes les bases de données possibles et imaginables mais impossible de faire cohabiter simplement une analyse 5.5 et une analyse classique.

...

Désolé, c'est un mauvais week-end

[DevOcc]

Bonjour lubinfo,
La réponse n'est pas évidente.
Les factures ont-elles toutes la même origine?
Il est important de la savoir car si ce n'est pas le cas, ça complexifie d'avantage.
Pour une source unique, Il est possible d'espérer que les factures ont toutes la même structure (position d'une info, etc...)

S'agit-il toujours de facture créées numériquement (par une autre application) ou ces PDF peuvent-ils contenir une image de facture (scan de facture)?
Dans le cas d'images, il faudra opérer par OCR avec les risques d'erreurs supplémentaires induits par la méthode.

L'idéal serait effectivement un document FacturX contenant un XML structuré.

Pour une version Express sur un poste où est installé une version commerciale, il y a une possibilité : Installer sur une machine Virtuelle.
Cdlt

[Lo²]

Bonjour,

A mon avis, tu devrais regarder l'exemple OCR de Windev.
Et aussi côté ChatGPT 4, il est bluffant sur l'analyse de fichier.

[lubinfo]

Bonjour,

A mon avis, tu devrais regarder l'exemple OCR de Windev.
Et aussi côté ChatGPT 4, il est bluffant sur l'analyse de fichier.

J'avais essayé de poser le pb à chatgpt mais il a tendance à proposer du code windev avec des fonctions ... qui n'existent pas en windev !

Je peux moi aussi proposer un code avec l'appel à une fonction du genre RetourneLaSolutionAuProblème() !

Ok pour regarder les fonctions OCR (pour les documents scannés et pas pdf natifs) mais le pb ce n'est pas tellement de trouver un texte que de savoir à quoi il correspond.

[Lo²]

Pour chapgpt, ce n'est pas du code qu'il faut demander mais tu peux lui donner à manger un pdf et lui demander de t'extraire tel ou tel type d'infos au format json.