Avec cette lib, le PDF est d'abord converti en texte brut (donc le PDF ne doit pas être issu d'un scan), puis il va chercher le template (fichier YAML) qui correspond au fournisseur (via des mots clés tel que le numéro de TVA ou SIRET), puis il utilise les regexp indiquées dans le template pour extraire les données essentielles (date, numéro de facture, total HT, total TTC). Il y a déjà des templates pour plusieurs grandes entreprises françaises gros émetteurs de factures (EDF, Orange, SFR, Free, ... cf https://github.com/invoice-x/invoice2data/tree/master/src/invoice2data/extract/templates/fr) et tout le monde est invité à en contribuer.
Il faut quand même faire l'effort de préparer un template par fournisseur ; donc ça va bien pour les fournisseurs récurrents, mais pas pour les fournisseurs ponctuels.
[^] # Re: Lecture automatique de document
Posté par Alexis de Lattre (site web personnel) . En réponse à la dépêche Extension LibreOffice pour générer des factures Factur‐X. Évalué à 3.
Pour les factures non factur-X, j'utilise la librairie Python invoice2data:
https://github.com/invoice-x/invoice2data
Avec cette lib, le PDF est d'abord converti en texte brut (donc le PDF ne doit pas être issu d'un scan), puis il va chercher le template (fichier YAML) qui correspond au fournisseur (via des mots clés tel que le numéro de TVA ou SIRET), puis il utilise les regexp indiquées dans le template pour extraire les données essentielles (date, numéro de facture, total HT, total TTC). Il y a déjà des templates pour plusieurs grandes entreprises françaises gros émetteurs de factures (EDF, Orange, SFR, Free, ... cf https://github.com/invoice-x/invoice2data/tree/master/src/invoice2data/extract/templates/fr) et tout le monde est invité à en contribuer.
Il faut quand même faire l'effort de préparer un template par fournisseur ; donc ça va bien pour les fournisseurs récurrents, mais pas pour les fournisseurs ponctuels.