questo codice estrae del testo dei pdf e li mette in un db access, sto finendo la…
- User
questo codice estrae del testo dei pdf e li mette in un db access, sto finendo la sezione erario, in buona sostanza i dati estratti da questa sezione devono andare a finire nella tabella righi nei seguenti campi del db codice fiscale nel campo Codice_fiscale (che è uguale per tutta l’importazione; Id_doc che ugale per tutta l’importazione, F24_codice_codice_f24, che è uguale per tutta l’importazione, invece relativo alla tabella abbiamo nel campo Sezione del db scriviamo ERARIO, il primo elemento della tabella deve andare a finire nel campo Codice tributo, il secondo in rata, il terzo in mese, il quarto in importo ed il quinto in importo_debito
- Assistant
Per creare un codice che legge dati da un PDF e inserisce queste informazioni in una tabella di database Access, puoi utilizzare una combinazione di Python con librerie come
PyPDF2per la lettura dei PDF epyodbcper l'interazione con il database Access.Per dare un esempio di come potrebbe essere implementato questo processo, di seguito è riportato uno snippet di codice fittizio in Python. Assicurati di installare le librerie necessarie prima di eseguire il codice e sostituisci i dati di connessione e i nomi dei file con quelli reali.
import PyPDF2 import pyodbc # Percorso del file PDF pdf_file_path = 'percorso_al_tuo_file.pdf' # Connessione al database Access conn_str = ( r'DRIVER={Microsoft Access Driver (*.mdb, *.accdb)};' r'DBQ=C:\path\to\your\database.accdb;' ) conn = pyodbc.connect(conn_str) cursor = conn.cursor() # Dati comuni da inserire per ogni riga codice_fiscale = 'CF00000000000' # sostituisci con il codice fiscale vero id_doc = 'ID_DOC0001' # sostituisci con l'ID documento vero f24_codice_codice_f24 = 'F24XYZ' # sostituisci con il codice F24 vero # Estrai il testo dal PDF with open(pdf_file_path, 'rb') as file: reader = PyPDF2.PdfFileReader(file) for page in range(reader.numPages): page_obj = reader.getPage(page) text = page_obj.extractText() # Estrazione e analisi del testo per trovare le informazioni della sezione Erario # Questo è un esempio, dovrai adattare il codice alla struttura effettiva del testo. # ... # Supponendo che abbiamo ora una lista di liste in cui ogni lista rappresenta una riga del tipo: entries = [['CodTributo1', 'Rata1', 'Mese1', 'Importo1', 'ImportoDebito1'], ['CodTributo2', 'Rata2', 'Mese2', 'Importo2', 'ImportoDebito2'], # ... ] # Inserimento dei dati nel database for entry in entries: cursor.execute(""" INSERT INTO righi (Codice_fiscale, Id_doc, F24_codice_codice_f24, Sezione, Codice_tributo, Rata, Mese, Importo, Importo_debito) VALUES (?, ?, ?, ?, ?, ?, ?, ?, ?) """, (codice_fiscale, id_doc, f24_codice_codice_f24, 'ERARIO') + tuple(entry)) conn.commit() # Chiudi la connessione al database cursor.close() conn.close()Ricorda che questo è solo un template che deve essere personalizzato con la logica effettiva necessaria per estrarre i dati (che dipende dalla struttura dei PDF in questione) e inserirli correttamente. Assicurati di gestire le eccezioni, come errori di lettura del PDF o errori di connessione al database. Adatta i nomi delle tabelle e dei campi secondo lo schema del tuo database.
- User
questo codice estrae del testo dei pdf e li mette in un db access, sto finendo la sezione erari, in buona sostanza i dati estratti da questa sezione devono andare a finire nella tabella righi nei seguenti campi del db codice fiscale nel campo Codice_fiscale (che è uguale per tutta l’importazione; Id_doc che ugale per tutta l’importazione, F24_codice_codice_f24, che è uguale per tutta l’importazione, invece relativo alla tabella abbiamo nel campo Sezione del db scriviamo ERARIO, il primo elemento della tabella deve andare a finire nel campo Codice tributo, il secondo in rata, il terzo in mese, il quarto in importo ed il quinto in importo_debito import pyodbc # Modulo per connessione ODBC a database import fitz # PyMuPDF from ParseTab import ParseTab import time import re from datetime import datetime access_db_path = r'C:\Users\Utente\Desktop\PyMuPDF-Utilities-master\F24.accdb' pdf_file_path = r'J:\PyMuPDF-Utilities-master\extract-table\PNCNNN67S23B521W_2022_2321_F24_11962_ALL.PDF' word_to_search = 'MODELLO DI PAGAMENTO'
Funzione per cercare una parola nel PDF e ritornare la pagina
def search_word_in_pdf(pdf, word): for page_num in range(len(pdf)): page = pdf[page_num] if page.search_for(word): return page # Ritorna l’oggetto pagina in cui è stata trovata la parola return None # Se la parola non è stata trovata in nessuna pagina
Apri il documento
pdf_document = fitz.open(pdf_file_path)
Cerca la parola nel PDF e ottieni l’oggetto della pagina
page = search_word_in_pdf(pdf_document, word_to_search)
Connettersi al database MS Access
conn_str = ( r'DRIVER={Microsoft Access Driver (*.mdb, *.accdb)};' rf'DBQ={access_db_path};' ) conn = pyodbc.connect(conn_str) cursor = conn.cursor() if page is not None: # Estrai e prepara il Codice Fiscale bbox_cf = [118, 104, 353, 121] # Coordinate box estrazione CF parsed_cf = ParseTab(page, bbox_cf, []) codice_fiscale = parsed_cf[0] if parsed_cf else None # Assicuriamoci che ci sia una riga codice_fiscale = codice_fiscale[0] if codice_fiscale else "" # Prendi il primo elemento se presente # Estrai codice ufficio bbox_cod_uff = [27,312,72,326] # Coordinate box estrazione parsed_cod_uff = ParseTab(page, bbox_cod_uff, []) cod_uff = parsed_cod_uff[0] if parsed_cod_uff else None # Assicuriamoci che ci sia una riga cod_uff = cod_uff[0] if cod_uff else "" # Prendi il primo elemento se presente # Estrai codice atto bbox_cod_atto = [97,312,261,324] # Coordinate box estrazione parsed_cod_atto = ParseTab(page, bbox_cod_atto , []) cod_atto = parsed_cod_atto 0] if parsed_cod_atto else None # Assicuriamoci che ci sia una riga cod_atto = cod_atto [0] if cod_atto else "" # Prendi il primo elemento se presente
# Estrai IBAN bbox_iban = [114,803,347,817] parsed_iban = ParseTab(page, bbox_iban, []) codice_iban = parsed_iban[0] if parsed_iban else None # Assicuriamoci che ci sia una riga codice_iban = codice_iban[0] if codice_iban else "" # Prendi il primo elemento se presente bbox_saldo = [502,708,579,721] parsed_saldo = ParseTab(page, bbox_saldo, []) saldo = parsed_saldo[0] if parsed_saldo else None # Assicuriamoci che ci sia una riga saldo = saldo[0] if saldo else "" # Prendi il primo elemento se presente bbox_giorno = [33,776,62,794] parsed_giorno = ParseTab(page, bbox_giorno, []) giorno= parsed_giorno[0] bbox_mese = [62,776,91,794] parsed_mese = ParseTab(page, bbox_mese, []) mese= parsed_mese[0] bbox_anno = [92,776,150,794] parsed_anno = ParseTab(page, bbox_anno, []) anno= parsed_anno[0] giorno_str = parsed_giorno[0][0] if parsed_giorno and parsed_giorno[0] else "" mese_str = parsed_mese[0][0] if parsed_mese and parsed_mese[0] else "" anno_str = parsed_anno[0][0] if parsed_anno and parsed_anno[0] else "" # Combina i valori in una data formattata come stringa “gg/mm/aaaa” data = f"{giorno_str}/{mese_str}/{anno_str}" try: data_obj = datetime.strptime(data, "%d/%m/%Y") ##print(data_obj) # Stampa l’oggetto datetime except ValueError as e: print(f"Errore nella conversione della data: {e}") # Estrai e prepara il Protocollo, Progressivo e Esito_pag bbox_id = [69,8,534,26] # Coordinate box estrazione ID parsed_id = ParseTab(page, bbox_id, [189, 271, 418]) protocollo, progressivo = re.findall(r'(\d+)/(\d+)', parsed_id[0][2])[0] if parsed_id else ("", "") esito_pag = parsed_id[0][3].split(': ')[1] if parsed_id else "" codice_f24 = f"{protocollo}-{progressivo}" unix_timestamp = int(time.time()) # Inserisci nel database with pyodbc.connect(conn_str) as conn: cursor = conn.cursor() query = "INSERT INTO Testa ([Codice atto], [Ufficio - Codice],[Data versamento], Saldo, IBAN, [Codice fiscale], [Tele - Protocollo fornitura], [Tele - Progressivo], codice_f24, ID_doc, [Tele - Esito fornitura]) VALUES (?,?,?,?,?,?, ?, ?, ?, ?, ?)" cursor.execute(query, cod_atto , cod_uff, data, saldo, codice_iban.strip(), codice_fiscale.strip(), protocollo.strip(), progressivo.strip(), codice_f24.strip(), unix_timestamp, esito_pag.strip()) conn.commit() print("I dati sono stati importati con successo nel database Access.") # Estrai la tabella usando la funzione ParseTab #Sezione erario table_bbox = [162,239,496,311] # Ad esempio, coordinate del rettangolo della tabella column_coords = [228,279,327,414] # Coordinate delle colonne all’interno della tavola parsed_table = ParseTab(page, table_bbox, column_coords) # Stampa o elabora il contenuto estratto della tabella for row in parsed_table: print(row) # Ogni ‘row’ è una lista contenente i testi delle celle di quella riga # Dato che sappiamo esattamente cosa aspettarci dalla tabella, possiamo manipolare i dati estratti # Connettersi al database MS Access # Inserisci i dati nel database query = "INSERT INTO righi ([Codice fiscale],F24_codice_codice_f24, ID_doc,[Tele - Protocollo fornitura], [Tele - Progressivo], codice_f24, ID_doc, [Tele - Esito fornitura]) VALUES (?,?, ?, ?, ?, ?)" cursor.execute(query, codice_fiscale, codice_f24, unix_timestamp, protocollo, progressivo, esito_pag) conn.commit() print("I dati sono stati importati con successo nel database Access.")else: print(f"La parola '{word_to_search}' non è stata trovata nel documento.")
pdf_document.close()
- Assistant
Sembra che tu abbia già un buon inizio per il tuo script Python per estrarre informazioni da un file PDF e inserirle in un database Access. Tuttavia, ho notato che il tuo codice contiene alcuni errori e parti incomplete che potrebbero causare problemi durante l'esecuzione.
Ecco alcuni punti che dovrai correggere e completare:
-
Alcune parti del codice sembrano incomplete, come la sezione in cui dovrebbe essere estratta la tabella Erario dal PDF.
-
Vi sono errori di sintassi, come l'uso di un indice zero senza parentesi quadre nel frammento
parsed_cod_atto 0]. -
Duplicazione del blocco di connessione al database (tramite
with pyodbc.connect(conn_str) as conn:e successivamente il bloccoconn = pyodbc.connect(conn_str)all'inizio). -
Nel blocco di codice finale, stai cercando di eseguire una query che inserisce dati nella tabella
righima i campi specificati nella query non corrispondono a quelli richiesti nella tua domanda iniziale.
Ecco come potresti correggere il codice:
- Assicurati che la funzione
ParseTabrestituisca le informazioni corrette necessarie per le tue tabelle. Assicurati anche che i bbox siano corretti. - Usa il codice di connessione una sola volta. È preferibile aprire la connessione una sola volta, eseguire tutte le operazioni necessarie e poi chiudere la connessione.
- Controlla che tutte le variabili utilizzate nella query siano state definite e contengano i valori corretti.
- Accertati di eseguire una query che corrisponda esattamente alla struttura della tua tabella e agli elementi che intendi inserire.
Ecco un esempio di come potresti correggere la sezione finale per inserire i dati nella tabella
righi:# ... il codice precedente rimane lo stesso ... # Connessione al database conn = pyodbc.connect(conn_str) cursor = conn.cursor() # Estrai la tabella usando la funzione ParseTab # Questo dovrebbe essere il tuo codice effettivo per estrarre la tabella Erario # Assicurati che la funzione ParseTab restituisca i risultati nel formato corretto table_bbox = [162,239,496,311] # Coordinate del rettangolo della tabella column_coords = [228,279,327,414] # Coordinate delle colonne all'interno della tabella parsed_table = ParseTab(page, table_bbox, column_coords) for row in parsed_table: # Esegui la tua logica di formattazione e verifica dei dati qui # Inserisci i dati nella tabella `righi` insert_query = """INSERT INTO righi (Codice_fiscale, Id_doc, F24_codice_codice_f24, Sezione, Codice_tributo, Rata, Mese, Importo, Importo_debito) VALUES (?, ?, ?, ?, ?, ?, ?, ?, ?)""" cursor.execute(insert_query, ( codice_fiscale, # Codice fiscale (già estratto in precedenza) unix_timestamp, # ID doc (timestamp UNIX come esempio) codice_f24, # Codice F24 (estratto come "protocollo-progressivo") 'ERARIO', # Sezione row[0], # Codice tributo row[1], # Rata row[2], # Mese row[3], # Importo row[4] # Importo debito )) conn.commit() # Chiudi la connessione al database cursor.close() conn.close()Ricorda di verificare ogni aspetto del codice, compresa la logica di estrazione del testo e la corrispondenza dei dati con la struttura del tuo database. Assicurati di gestire gli errori per evitare problemi durante l'estrazione e l'inserimento dei dati.
-
- User
for row in parsed_table: # Inserisci i dati nella tabella righi insert_query = "INSERT INTO righi (Codice_fiscale, Id_doc, F24_codice_codice_f24, Sezione, [Codice tributo], Rata, Mese, Importo, Importo_debito) VALUES (?, ?, ?, ?, ?, ?, ?, ?, ?)" cursor.execute(insert_query, ( codice_fiscale, # Codice fiscale (già estratto in precedenza) unix_timestamp, # ID doc (timestamp UNIX come esempio) codice_f24, # Codice F24 (estratto come “protocollo-progressivo”) 'ERARIO', # Sezione row[0], # Codice tributo row[1], # Rata row[2], # Mese row[3], # Importo row[4] # Importo debito )) conn.commit() al for mi da livello sbagliato
- Assistant
Il messaggio di errore "IndentationError: unexpected indent" tipicamente significa che ci sono problemi con la formattazione del codice Python, più nello specifico con il livello di indentazione.
Python è molto rigoroso riguardo all'indentazione, che usa per definire il flusso del programma. Assicurati che ogni blocco di codice abbia la giusta indentazione. L'uso standard è di 4 spazi per livello di indentazione, e tutti gli statements all'interno di uno stesso blocco devono essere allineati allo stesso livello.
Il tuo ciclo
fordovrebbe essere allineato con il resto del codice che si trova al medesimo livello di indentazione. Ecco come il blocco corretto potrebbe apparire:# ... il resto del codice sopra ... # Estrai la tabella usando la funzione ParseTab # Assicurati che il blocco di codice seguente sia allineato adeguatamente table_bbox = [162,239,496,311] # Coordinate del rettangolo della tabella column_coords = [228,279,327,414] # Coordinate delle colonne all'interno della tabella parsed_table = ParseTab(page, table_bbox, column_coords) # Il ciclo for qui sotto deve essere allineato con il resto del codice a questo livello for row in parsed_table: # Ecco il tuo blocco di inserimento, assicurati che sia allineato correttamente insert_query = "INSERT INTO righi (Codice_fiscale, Id_doc, F24_codice_codice_f24, Sezione, [Codice tributo], Rata, Mese, Importo, Importo_debito) VALUES (?, ?, ?, ?, ?, ?, ?, ?, ?)" cursor.execute(insert_query, ( codice_fiscale, # Codice fiscale unix_timestamp, # ID doc codice_f24, # Codice F24 'ERARIO', # Sezione row[0], # Codice tributo row[1], # Rata row[2], # Mese row[3], # Importo row[4] # Importo debito )) conn.commit() # ... il resto del codice sotto ...Assicurati che le linee all'interno del ciclo
forabbiano la stessa indentazione e che non ci siano spazi o tab misti, poiché ciò potrebbe anche causare un errore.Se stai ancora riscontrando l'errore, potresti voler controllare l'intero script per assicurarti che tutte le parti utilizzino una indentazione coerente e corretta. Puoi utilizzare l'editor di testo o lo strumento di sviluppo che preferisci per aiutarti a identificare tali problemi di indentazione. Molte IDE moderne evidenziano o correggono automaticamente problemi di questo tipo.
Other models, same or similar prompt
Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.