convertire .pdf in xls o csv

[fermat]

Abbiamo esattamente uno script del genere che prende un PDF di fatture esportato dal gestionale (che contiene N fatture diverse), lo converte in testo, deduce con regex dove inizia e finisce ciascuna fattura e l'indirizzo e-mail del cliente, spezza il pdf e spedisce ogni fattura al cliente giusto. È un po' una tacconata ma il gestionale che usano in ufficio fa schifo e alla fine questa era la soluzione più semplice (in effetti non ho ancora mai visto un gestionale che non facesse schifo, ma questo è un altro discorso ).

L'estrazione del testo è fatta con pdftotext (con l'opzione -layout), il resto è in Python (con CherryPy per la parte di interfaccia web).

potrebbe interessarmi una cosa del genere.
ma non ho capito punto.
spezza il pdf e spedisce ogni fattura al cliente giusto: la spedisce in che formato?

[MySQL]

potrebbe interessarmi una cosa del genere.
ma non ho capito punto.
spezza il pdf e spedisce ogni fattura al cliente giusto: la spedisce in che formato?

Il formato che vuoi.
Devi fare un parser specifico PER OGNI tipo di documento (fattura).
Una volta convertito in testo, con -layout e/o -raw (talvolta servono entrambi!) devi caricare il testo, poi "in qualche modo" capire dove sono i documenti, e leggerne i dati.
Niente di fantascientifico, normalmente un'oretta per ogni tipo di documento

Se ti aspetti qualcosa di "magico" che, dato un qualsiasi PDF contenente un qualsiasi tipo di documenti, e "magicamente" ritorni non so che... mi spiace, ma ci vuole "olio di gomito"

[fermat]

Il formato che vuoi.
Devi fare un parser specifico PER OGNI tipo di documento (fattura).
Una volta convertito in testo, con -layout e/o -raw (talvolta servono entrambi!) devi caricare il testo, poi "in qualche modo" capire dove sono i documenti, e leggerne i dati.
Niente di fantascientifico, normalmente un'oretta per ogni tipo di documento

Se ti aspetti qualcosa di "magico" che, dato un qualsiasi PDF contenente un qualsiasi tipo di documenti, e "magicamente" ritorni non so che... mi spiace, ma ci vuole "olio di gomito"

quello nn deve mancare mai
cmq gli do un'occhiata, grazie!!

[MItaly]

potrebbe interessarmi una cosa del genere.
ma non ho capito punto.
spezza il pdf e spedisce ogni fattura al cliente giusto: la spedisce in che formato?

In PDF, nel mio caso; lo step precedente di spezzare le pagine in PDF singoli è per comodità di riconoscimento di inizio/fine fattura da parte del resto del programma (che alla fine è un accrochione di regex come sempre capita per queste vicende di simil-scraping); poi le pagine vengono ri-unite (o ri-spezzo l'originale ai boundary giusti? non ricordo...) con qualche altro tool delle poppler-utils/di GhostScript/di TexLive (non ricordo mai da dove vengano, me li ritrovo sempre installati sulle mie macchine Linux per vie traverse ).

Comunque, alla fine è come dice MySQL: non c'è nessun trucco segreto, ti ci devi semplicemente mettere lì un attimino armato di regex & co. e di un po' di file su cui fare le prove.