• [^] # Re: Comment faire sans déterminer les zones

    Posté par . En réponse au message Extraction de données de factures fournisseurs. Évalué à 2.

    Je me suis remis à bosser sur l'import de factures pdf (pour le crm Dolibarr).
    En résume :

    J'ai testé invoice2data indiqué par Ricks dans un précédent post.
    L'outils est vraiment sympa, plein de fournisseur français sont déjà présent (ovh, ldlc ...) mais le problème c'est que ça ne récupére que les infos générales de la facture (numéro, montant total, titre ...) mais rien concernant le détail de la facture (les lignes produits).
    Tout est à base d'expression régulière, les lignes sont capturés une à une en chaine sans distinction de colonne. Je ne suis pas arrivé à obtenir quelque chose de correct.

    Je me suis donc penché sur Tabula qui gère vraiment très bien les tableaux. J'utilise tabula-java (https://github.com/tabulapdf/tabula-java) qui me permet de l'appeler directement depuis ma page web.
    Comme toi je définis pour chaque fournisseur un template :
    - définition des zones à analyser
    - map des colonnes du produit
    - map des champs généraux
    ....

    A l'arrivé ça marche plutôt bien, il me récupére toutes les infos, les produits et le code derrière n'est pas trop compliqué.

    ps: tabula détecte automatiquement les tableaux mais c'est vraiment très aléatoire