Извлечь данные из PDF

Описание

Блок извлекает из PDF структурированные данные: базовую текстовую информацию по разделителю и таблицы. Таблицы сохраняются в Excel-файл (каждая на отдельный лист), имена листов соответствуют именам таблиц.

Описание параметров

Блок имеет несколько параметров:

Путь к файлу PDF — исходный документ.

Тип данных: str (Строка)

Пример: C:\Users\User\Desktop\test.pdf
Путь к файлу Excel (запись таблиц) — куда сохранить извлечённые таблицы.

Тип данных: str (Строка)

Пример: C:\Users\User\Desktop\test.xlsx
Разделитель (базовая информация) — символ для разбора текстовых пар «реквизит — значение»: двоеточие или тире.

Тип данных: str (Строка)

Пример: :
Брать название таблицы из первой ячейки — использовать первую ячейку таблицы как имя.

Тип данных: checkbox (Чекбокс)

Пример: ✔

Возвращаемое значение

Массив словарей:

словарь с базовой информацией: ключ — реквизит, значение — извлечённое значение;
словари с табличными данными: ключ — имя таблицы, значение — таблица данных (датафрейм).

Если включён чекбокс Брать название таблицы из первой ячейки, имя таблицы берётся из первой ячейки; при совпадении имён они индексируются.

Тип данных: list (Список)

Пример: [{"Итого к оплате": "10 000.00 руб"}, {"Товары (работы, услуги)": "DataFrame"}]

Пример использования

Блок извлекает таблицы из счёта на оплату и пары «ключ: значение» в базовой части документа.

Результат выводится на экран и каждая таблица записывается в отдельный лист Excel-файла.