Dans invoice2data, il y a plusieurs modules d'entrée possible ; par défaut, c'est le module pdftotext qui est utilisé (texte brut extrait du PDF), mais il existe aussi un module d'entrée tesseract (OCR opensource, utile quand le PDF est issu du scan d'une facture papier... mais ce sera évidemment moins fiable que l'extraction de texte brut) et un autre basé sur Google Vision (service en ligne de Google qui fait du machine learning/IA, cf https://cloud.google.com/vision/?hl=fr)
[^] # 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.
Dans invoice2data, il y a plusieurs modules d'entrée possible ; par défaut, c'est le module pdftotext qui est utilisé (texte brut extrait du PDF), mais il existe aussi un module d'entrée tesseract (OCR opensource, utile quand le PDF est issu du scan d'une facture papier... mais ce sera évidemment moins fiable que l'extraction de texte brut) et un autre basé sur Google Vision (service en ligne de Google qui fait du machine learning/IA, cf https://cloud.google.com/vision/?hl=fr)
La liste des modules d'entrée d'invoice2data se trouve dans ce morceau de code:
cf https://github.com/invoice-x/invoice2data/blob/master/src/invoice2data/main.py#L25