Skrypt do ekstrakcji plików pdf, ustrukturyzowanie danych i export do pliku .csv .xls .xlsx

Zlecę napisanie skryptu który z katalogów z plikami pdf wyekstrahuje wszystkie powiązane ze sobą dane tj. dane teleadresowe, kontaktowe itp.

Pliki pdf mają złożoną strukturę (ponad 100 elementów per jedna firma, w pliku wiele firm) które trzeba wyciągnąć z jednego pliku pdf

Rezultat który nas interesuje to w pełni ustrukturyzowane dane w pliku .csv /.xls/.xlsx/

Jeżeli miałeś do czynienia z danymi typu CIDG / KRS/ Monitor Sądowy /

Jeżeli miałeś do czynienia z #NLP #pytnon #PyPDF #PyMuPDF ... to sobie poradzisz

link do 2ch przykładowych plików .pdf

https://wyszukiwarka-msig.ms.gov.pl/api/Monitor/Download?id=1943&fileId=true

https://wyszukiwarka-msig.ms.gov.pl/api/Monitor/Download?id=6969&fileId=true

Proces:

1) podpisujemy umowę zlecenia i umowę NDA

2) otrzymujesz testowe 30 plików

jak potwierdzisz że potrafisz je transformować

3) otrzymujesz katalog z przykładowymi 6000 plikami

4) podsyłasz wynik działania skryptu

sprawdzamy poprawność danych czy nie rozjeżdżają się w kolumnach

jak wszystko będzie ok

5) otrzymujesz przelew

6) podsyłasz skrypt z instrukcją instalacji / obsługi