PDF-парсер

Описание

Программа, которая запускается из командной строки и извлекает данные из PDF-квитанций в Excel.

Иллюстрация работы программы

Задача

1. У меня есть файл для проверки квитанций за коммунальные услуги ([1] - в файлах ниже) - правильно ли мне начисляют суммы.

2. Для этого из каждой квитанции мне нужны одинаковые данные: объем потребления, тариф, сумма. НО: все квитанции приходят от разных компаний и имеют разный формат.

→ Как же сделать так, чтобы не обрабатывать каждую квитанцию вручную, а получить нужные значения одним списком?

Spoiler: Python.

Пожелания:

• Одновременное извлечение данных из всех PDF-квитанций в одной папке.
• Получить данные в готовом формате для вставки в таблицу проверки.

Полученные данные используются для проверки

---

Решение

Создание программы.
Реализация через код на Python.

Результат

• Единая структурированная таблица для дальнейшей проверки начислений
• Приятный трепет в груди - это ощущение, когда одной строкой кода на глазах происходит трансформация

---

Как это работает

Для пользователя

1. В одной папке сохраняются все квитанции за месяц.
2. В командной строке запускается программа.
3. Открывается Excel файл с объединенными данными.

Логика работы программы

1. Загружаются PDF-файлы из папки
2. Определяется тип поставщика (электроэнергия, вода, ТКО и т.д.)
3. Извлекаются ключевые значения:
   • объём потребления
   • тариф
   • сумма начислений
4. Данные приводятся к единому формату
5. Формируется итоговый файл:
   • CSV
   • Excel

Типы квитанций:

• Электроэнергия
• Водоснабжение
• ТКО (вывоз мусора)
• Капитальный ремонт
• Общедомовые услуги

Сложности и решения

Основная сложность — различие форматов PDF у разных поставщиков.
Т.е. решение пока не унифицировано - нельзя взять любую квитанцию и получить из нее данные. Под каждый новый вид квитанции код нужно адаптировать.

На будущее — Идеи развития

• автоматизировать сохранение квитанций в папку (через API сайтов поставщиков или приложения ЖКХ)
• соединить с файлом проверки (отправка полученных данных сразу в инструмент проверки напрямую, без выгрузки в отдельный файл Excel)

---

Инструменты

• Python — основная логика
• pdfplumber (библиотека) — извлечение данных из PDF
• pandas (библиотека) — обработка таблиц
• Excel

Файлы

---