pdf_to_csv.ipynb

{
  "nbformat": 4,
  "nbformat_minor": 0,
  "metadata": {
    "colab": {
      "name": "pdf_to_csv.ipynb",
      "provenance": [],
      "collapsed_sections": [],
      "include_colab_link": true
    },
    "kernelspec": {
      "name": "python3",
      "display_name": "Python 3"
    }
  },
  "cells": [
    {
      "cell_type": "markdown",
      "metadata": {
        "id": "view-in-github",
        "colab_type": "text"
      },
      "source": [
        "<a href=\"https://colab.research.google.com/github/damian-bit/pdftocsv/blob/master/pdf_to_csv.ipynb\" target=\"_parent\"><img src=\"https://colab.research.google.com/assets/colab-badge.svg\" alt=\"Open In Colab\"/></a>"
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "mYjnYnTJhwB8"
      },
      "source": [
        "\n",
        "# To add a new cell, type '# %%'\n",
        "# To add a new markdown cell, type '# %% [markdown]'\n",
        "from collections import namedtuple\n",
        "import re\n",
        "#import pdfplumber\n",
        "import pandas as pd\n",
        "\n",
        "\n",
        "\n",
        "\n"
      ],
      "execution_count": 1,
      "outputs": []
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "-3w-O7PzRYvz",
        "outputId": "faa68d60-89d2-4c76-f775-e06e0081ec8d",
        "colab": {
          "base_uri": "https://localhost:8080/"
        }
      },
      "source": [
        "\n",
        "2\n",
        "3\n",
        "from google.colab import drive\n",
        " \n",
        "drive.mount('/content/drive') "
      ],
      "execution_count": 2,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "Mounted at /content/drive\n"
          ],
          "name": "stdout"
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "d6MseW7pij_k",
        "outputId": "48dcd672-5952-4103-9b86-f6410edd859d",
        "colab": {
          "base_uri": "https://localhost:8080/"
        }
      },
      "source": [
        "!pip install pdfplumber"
      ],
      "execution_count": 9,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "Requirement already satisfied: pdfplumber in /usr/local/lib/python3.6/dist-packages (0.5.24)\n",
            "Requirement already satisfied: pdfminer.six==20200517 in /usr/local/lib/python3.6/dist-packages (from pdfplumber) (20200517)\n",
            "Requirement already satisfied: Wand in /usr/local/lib/python3.6/dist-packages (from pdfplumber) (0.6.3)\n",
            "Requirement already satisfied: Pillow>=7.0.0 in /usr/local/lib/python3.6/dist-packages (from pdfplumber) (7.0.0)\n",
            "Requirement already satisfied: chardet; python_version > \"3.0\" in /usr/local/lib/python3.6/dist-packages (from pdfminer.six==20200517->pdfplumber) (3.0.4)\n",
            "Requirement already satisfied: pycryptodome in /usr/local/lib/python3.6/dist-packages (from pdfminer.six==20200517->pdfplumber) (3.9.9)\n",
            "Requirement already satisfied: sortedcontainers in /usr/local/lib/python3.6/dist-packages (from pdfminer.six==20200517->pdfplumber) (2.2.2)\n"
          ],
          "name": "stdout"
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "S1JaLwKDS6oT",
        "outputId": "a9abc3b1-25d5-4031-8289-ad9c4bdd91fd",
        "colab": {
          "base_uri": "https://localhost:8080/"
        }
      },
      "source": [
        "#import glob, os\n",
        "#os.chdir(\"/content/drive/My Drive/guarderia\")\n",
        "#for file in glob.glob(\"*.pdf\"):\n",
        "#    print(file)\n",
        "\n",
        "import os\n",
        "files = []\n",
        "for file in os.listdir(\"/content/drive/My Drive/guarderia/Entrada\"):\n",
        "    if file.endswith(\".pdf\") or file.endswith(\".PDF\") :\n",
        "        print(file)\n",
        "        files.append(file)\n",
        "        #print(os.path.join(\"/content/drive/My Drive/guarderia\", file))"
      ],
      "execution_count": 44,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "categoria5.pdf\n",
            "92652_FacturaComplemento Jardín _Noviembre.pdf\n",
            "1080 - PABLO MATIAS DI GREGORIO - Octubre.pdf\n",
            "967 - ALEX ARONSON NOVIEMBRE 2.pdf\n",
            "967 - ALEX ARONSON NOVIEMBRE 1.pdf\n",
            "967 - ALEX ARONSON COTUBRE.pdf\n",
            "803 - ANDREA VERONICA SACCULLO OCTUBRE.pdf\n",
            "6223_FacturaComplemento Jardín _Noviembre.pdf\n",
            "6221_FacturaComplemento Jardín _Noviembre.pdf\n",
            "707 - NOELIA ESTELA CORONEL OCTUBRE.pdf\n",
            "707 - NOELIA ESTELA CORONEL AGOSTO.pdf\n",
            "707 - NOELIA ESTELA CORONEL SEPTIEMBRE.pdf\n",
            "1245 - MELINA BOLARDI - Octubre.pdf\n",
            "6219_FacturaComplemento Jardín _Noviembre.pdf\n",
            "610 - PABLO LEONEL POSE OCTUBRE.pdf\n",
            "6156_FacturaComplemento Jardín _Noviembre.pdf\n",
            "6169_FacturaComplemento Jardín _Noviembre.PDF\n",
            "6045_FacturaComplemento Jardín _Noviembre.pdf\n",
            "6038_FacturaComplemento Jardín _Noviembre.pdf\n",
            "6040_FacturaComplemento Jardín _Noviembre.pdf\n",
            "6219 - SEBASTIAN ANDRES HENZENN.pdf\n",
            "6215 - - JOSE LUIS DURANDO.pdf\n",
            "6210 - JUAN PABLO FIORI.pdf\n",
            "6210 - JUAN PABLO FIORI 2.pdf\n",
            "6210 - JUAN PABLO FIORI 1.pdf\n",
            "6040_FacturaComplemento Jardín _Octubre.pdf\n",
            "6169 - - LUIS GONZALO SAYAGO.pdf\n",
            "6064 - RODOLFO ENRIQUE EDELMANN OCTUBRE.pdf\n",
            "6198 - ALFREDO CISTERNA Octubre 1.pdf\n",
            "6198 - ALFREDO CISTERNA Octubre 2.pdf\n",
            "6002 - MARCELO JAVIER PICH - Octubre.pdf\n",
            "3404_FacturaComplemento Jardín _Noviembre.pdf\n",
            "3248_FacturaComplemento Jardín _Noviembre.pdf\n",
            "3121 - PATRICIO ANDERSON 1.pdf\n",
            "3096 - MARIANA FLORENCIA COPPA OCTUBRE.pdf\n",
            "3121 - PATRICIO ANDERSON 2.pdf\n",
            "3091 - ROCÍO AYELÉN RUIZ PREROVSKY OCTUBRE.pdf\n",
            "2991_FacturaComplemento Jardín _Noviembre.pdf\n",
            "3226 - NICOLAS CRAIG NOVIEMBRE.pdf\n",
            "3113 - DANIEL ROMÁN LARRÉGOLA OCTUBRE.pdf\n",
            "3235_FacturaComplemento Jardín _Noviembre.pdf\n",
            "3210 - ZAIRA FILIPPELLI NOVIEMBRE.pdf\n",
            "2978_FacturaApoyo Guardería _Noviembre.pdf\n",
            "2991 - HERNAN IGNACIO IBAÑEZ - octubre.pdf\n",
            "2624_FacturaComplemento Jardín _Noviembre.pdf\n",
            "2978_FacturaApoyo Guardería _Octubre.pdf\n",
            "3060 - ANA ANDREA CABALIER.pdf\n",
            "2668_FacturaComplemento Jardín _Noviembre.pdf\n",
            "2571_FacturaComplemento Jardín _Noviembre.pdf\n",
            "2523_FacturaComplemento Jardín _Octubre.pdf\n",
            "2523_FacturaComplemento Jardín _Noviembre.pdf\n",
            "2965 - MARIA LAURA MANZIONE OCTUBRE.pdf\n",
            "2889_FacturaComplemento Jardín _Noviembre.pdf\n",
            "2874_FacturaComplemento Jardín _Octubre.pdf\n",
            "2505_FacturaComplemento Jardín _Noviembre.pdf\n",
            "2874_FacturaComplemento Jardín _Noviembre.pdf\n",
            "2421_FacturaComplemento Jardín _Noviembre.pdf\n",
            "2282_FacturaComplemento Jardín _Noviembre.pdf\n",
            "2300_FacturaComplemento Jardín _Noviembre.pdf\n",
            "2145_FacturaComplemento Jardín _Septiembre.pdf\n",
            "2040_FacturaComplemento Jardín _Noviembre.pdf\n",
            "2145_FacturaComplemento Jardín _Octubre.pdf\n",
            "2145_FacturaComplemento Jardín _Noviembre.pdf\n",
            "1976_FacturaComplemento Jardín _Septiembre.pdf\n",
            "1974_FacturaComplemento Jardín _Noviembre.pdf\n",
            "1949_FacturaComplemento Jardín _Octubre.pdf\n",
            "1976_FacturaComplemento Jardín _Octubre.pdf\n",
            "1949_FacturaComplemento Jardín _Noviembre.pdf\n",
            "1858_FacturaComplemento Jardín _Noviembre.pdf\n",
            "2571 - FEDERICO JORGE BISIGNANI NOVIEMBRE.pdf\n",
            "2267 - - EZEQUIEL DOMENICO.pdf\n",
            "2509 - MAURICIO SOLIGO 5.pdf\n",
            "2503 - MATIAS CASANOVA - Octubre.pdf\n",
            "2446 - JORGE ALBERTO LOPEZ SENES OCTUBRE.pdf\n",
            "2828 - TOMAS PEREZ COLMAN - Octubre.pdf\n",
            "2145 - ODOLFO CHRISTOPHERSEN OCTUBRE.pdf\n",
            "2145 - RODOLFO CHRISTOPHERSEN SEPTIEMBRE.pdf\n",
            "2119 - SANTIAGO HERNAN LEOPARDO 3.pdf\n",
            "2755 - GUSTAVO ANDRES RODRIGUEZ OCTUBRE.pdf\n",
            "2578 - MERCEDES MENDEZ.pdf\n",
            "2147 - LUCIANA DE NICOLA OCTUBRE.pdf\n",
            "1642 - CLARA CIUFFOLI OCTUBRE.pdf\n",
            "1622 - DANIEL GERARDO BELLINI - Octubre.pdf\n",
            "2119 - SANTIAGO HERNAN LEOPARDO 2.pdf\n",
            "1980 - TOMAS HORACIO SANCHEZ OCTUBRE.pdf\n",
            "1858 - VALERIA MORAN OCTUBRE.pdf\n",
            "1596_FacturaComplemento Jardín _Noviembre.pdf\n",
            "1642_FacturaComplemento Jardín _Noviembre.pdf\n",
            "1508 - SEBASTIAN MENEL.pdf\n",
            "1245_FacturaComplemento Jardín _Noviembre.pdf\n",
            "1482_FacturaComplemento Jardín _Noviembre.pdf\n",
            "1327_FacturaComplemento Jardín _Noviembre.pdf\n",
            "1254_FacturaComplemento Jardín _Noviembre.pdf\n",
            "1180_FacturaComplemento Jardín _Noviembre.pdf\n",
            "1642 - CLARA CIUFFOLI SEPTIEMBRE.pdf\n",
            "993_FacturaComplemento Jardín _Noviembre.PDF\n",
            "769_FacturaComplemento Jardín _Noviembre.pdf\n",
            "993_FacturaApoyo Guardería _Noviembre.pdf\n",
            "4829 - ANA DE LORENZI - Octubre.pdf\n",
            "4352_FacturaComplemento Jardín _Noviembre.pdf\n",
            "4432_FacturaComplemento Jardín _Agosto.pdf\n",
            "4824 - RODRIGO BARILLARO - Octubre.pdf\n",
            "4119_FacturaComplemento Jardín _Octubre.pdf\n",
            "4340_FacturaComplemento Jardín _Noviembre.pdf\n",
            "3918 - MATIAS LIWSKI NOVIEMBRE.pdf\n",
            "4119_FacturaComplemento Jardín _Noviembre.pdf\n",
            "4214_FacturaComplemento Jardín _Noviembre.pdf\n",
            "4311 - BRAIAN GABRIEL MARQUEZ CHESKO - Septiembre.pdf\n",
            "4178 - FACUNDO DAMIAN CAPUTO - Septiembre.pdf\n",
            "4178 - FACUNDO DAMIAN CAPUTO - Octubre.pdf\n",
            "4202 - FACUNDO BAIOCCO - Octubre.pdf\n",
            "4311 - BRAIAN GABRIEL MARQUEZ CHESKO - octubre.pdf\n",
            "4053_FacturaComplemento Jardín _Noviembre.pdf\n",
            "4074_FacturaComplemento Jardín _Noviembre.pdf\n",
            "4155 - DIEGO LUIS GHERSI OCTUBRE.pdf\n",
            "4405 - MARIA VICTORIA LIBANO OCTUBRE.pdf\n",
            "3663 - AGUSTIN SCARRAMBERG OCTUBRE.pdf\n",
            "3917_FacturaComplemento Jardín _Noviembre.pdf\n",
            "3558_FacturaComplemento Jardín _Noviembre.pdf\n",
            "3782_FacturaComplemento Jardín _Noviembre.pdf\n",
            "3558_Factura_Complemento Jardín_Noviembre.pdf\n",
            "3599_FacturaComplemento Jardín _Noviembre.pdf\n",
            "3887 - RICARDO MONTERO SEPTIEMBRE.pdf\n",
            "3887 - RICARDO MONTERO OCTUBRE.pdf\n",
            "3887 - RICARDO MONTERO NOVIEMBRE.pdf\n",
            "3613 - Manuel Kenar.pdf\n",
            "3347_FacturaComplemento Jardín _Noviembre.pdf\n",
            "3332_FacturaComplemento Jardín _Noviembre.pdf\n",
            "3389_FacturaComplemento Jardín _Noviembre.pdf\n",
            "3383 - GONZALO DE VEGA - Octubre.pdf\n",
            "3260_FacturaApoyo Guardería _Noviembre.pdf\n",
            "3553 - AGUSTINA ARANGO OCTUBRE.pdf\n",
            "3451_FacturaComplemento Jardín _Noviembre.pdf\n",
            "3450_FacturaComplemento Jardín _Noviembre.pdf\n",
            "3404_FacturaComplemento Jardín _Octubre.pdf\n",
            "3539 - MARIA PILAR CAMACHO.pdf\n",
            "5935_FacturaComplemento Jardín _Noviembre.pdf\n",
            "5986_FacturaComplemento Jardín _Noviembre.pdf\n",
            "5536_FacturaComplemento Jardín _Noviembre.pdf\n",
            "5977_FacturaComplemento Jardín _Noviembre.pdf\n",
            "5583_FacturaComplemento Jardín _Noviembre.pdf\n",
            "5900_FacturaComplemento Jardín _Noviembre.pdf\n",
            "5861_FacturaComplemento Jardín _Noviembre.pdf\n",
            "5774_FacturaComplemento Jardín _Noviembre.pdf\n",
            "5609 - MARCELO AGUSTÍN ACOSTA ESCAÑUELA 1.pdf\n",
            "5857_FacturaComplemento Jardín _Noviembre.pdf\n",
            "5928 - -MARIANO DELLA VEDOVA.pdf\n",
            "5706_FacturaComplemento Jardín _Noviembre.pdf\n",
            "5609_FacturaComplemento Jardín _Noviembre.pdf\n",
            "5852_FacturaComplemento Jardín _Noviembre.pdf\n",
            "5609 - MARCELO AGUSTÍN ACOSTA ESCAÑUELA 2.pdf\n",
            "5928 - MARIANO DELLA VEDOVA.pdf\n",
            "5609 - MARCELO AGUSTÍN ACOSTA ESCAÑUELA.pdf\n",
            "5790 - ANDRES JORGE CORALLO.pdf\n",
            "5909 - ESTEFANIA BACHER OCTUBRE.pdf\n",
            "5842 - ENRIQUE YUSTE OCTUBRE.pdf\n",
            "5710 - EMANUEL IGNACIO ARIAS OCTUBRE.pdf\n",
            "5692 - AGUSTINA PALUMBO OCTUBRE.pdf\n",
            "5302_FacturaComplemento Jardín _Noviembre.pdf\n",
            "5636 - LUIS STUBBIA OCTUBRE.pdf\n",
            "5416 - DIEGO MARTIN MUSERI OCTUBRE.pdf\n",
            "5400_FacturaComplemento Jardín _Noviembre.pdf\n",
            "5302_Factura_Complemento Jardín_Noviembre (2).pdf\n",
            "5302_Factura_Complemento Jardín_Noviembre (1).pdf\n",
            "5553 - DIEGO MANUEL COMESAÑA OCTUBRE.pdf\n",
            "5302_Factura_Complemento Jardín_Noviembre.pdf\n",
            "5170_FacturaApoyo Guardería _Noviembre.pdf\n",
            "5466 - CAROLINA VAJLIS OCTUBRE.pdf\n",
            "5170_Factura_Apoyo Guardería_Noviembre.pdf\n",
            "5170_Factura_Apoyo Guardería_Noviembre (1).pdf\n",
            "5169_FacturaComplemento Jardín _Noviembre.pdf\n",
            "4824_FacturaComplemento Jardín _Noviembre.PDF\n",
            "4714_FacturaComplemento Jardín _Noviembre.pdf\n",
            "4714_FacturaComplemento Jardín _Octubre.pdf\n",
            "4644_FacturaComplemento Jardín _Noviembre.pdf\n",
            "5167_FacturaComplemento Jardín _Noviembre.pdf\n",
            "4824_FacturaApoyo Guardería _Octubre.pdf\n",
            "4824_Factura_Complemento Jardín_Noviembre.PDF\n",
            "4642_FacturaComplemento Jardín _Septiembre.pdf\n",
            "4824_Factura_Apoyo Guardería_Octubre.pdf\n",
            "4824_FacturaApoyo Guardería _Noviembre.pdf\n",
            "4642_FacturaComplemento Jardín _Noviembre.pdf\n",
            "4642_FacturaComplemento Jardín _Octubre.pdf\n",
            "4705 - GUIDO BRUNO NOVIEMBRE.pdf\n",
            "4551 - IVAN GABRIEL MOSTEIKIS - Octubre.pdf\n",
            "4432_FacturaComplemento Jardín _Noviembre.pdf\n",
            "4787 - MARTÍN MIGUEL GARAY - Octubre.pdf\n",
            "4633_FacturaApoyo Guardería _Noviembre.pdf\n",
            "4432_FacturaComplemento Jardín _Octubre.pdf\n",
            "4432_FacturaComplemento Jardín _Septiembre.pdf\n",
            "5067- Kuzner Octubre.pdf\n",
            "4115_Factura_Complemento Jardín_Noviembre.pdf\n",
            "4115_Factura_Complemento Jardín_Noviembre (1).pdf\n",
            "4460_FacturaComplemento Jardín _Noviembre.pdf\n",
            "5294 - LUCAS MANERO.pdf\n",
            "4115_FacturaComplemento Jardín _Noviembre.pdf\n",
            "5563_FacturaComplemento Jardín _Noviembre.pdf\n"
          ],
          "name": "stdout"
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "xroGEQ6ZiAvX",
        "outputId": "7e3488dd-a9e6-4819-a540-6025fabaeb88",
        "colab": {
          "base_uri": "https://localhost:8080/"
        }
      },
      "source": [
        "import pdfplumber\n",
        "data = []\n",
        "Line = namedtuple('Line', 'Tipo_Comprobante Periodo Nombre_empleador CUIL_empleador Categoria_profesional Total Archivo')\n",
        "\n",
        "line_re = re.compile(r'\\d \\d{2,}')\n",
        "\n",
        "def numbify(num):\n",
        "    return float(num.replace('$', '').replace(',', ''))\n",
        "\n",
        "#with pdfplumber.open(\"/content/invoice5_test.pdf\") as pdf:\n",
        "#with pdfplumber.open(\"/content/drive/My Drive/guarderia/*\") as pdf:\n",
        "#    page = pdf.pages[0]\n",
        "#    text = page.extract_text(x_tolerance=2, y_tolerance=0)\n",
        "#print(text)\n",
        "#data = []\n",
        "data = []\n",
        "print(len(data))\n",
        "print(len(files))\n",
        "for file in files:\n",
        "  #print(file)\n",
        "  with pdfplumber.open(\"/content/drive/My Drive/guarderia/Entrada/\"+file) as pdf:\n",
        "    page = pdf.pages[0]\n",
        "    text = page.extract_text(x_tolerance=2, y_tolerance=0)\n",
        "    count=0\n",
        "    if text:\n",
        "      lines = text.split('\\n')\n",
        "    \n",
        "      for line in lines:\n",
        "        count+=1\n",
        "       #plantilla 1 Recbio de sueldo AFIP personal.\n",
        "        if line.startswith('RECIBO DE SUELDO'):\n",
        "           \n",
        "           Tipo_Comprobante = line\n",
        "           #print(line)\n",
        "        elif line.startswith('LIQUIDACIÓN CORRESPONDIENTE AL PERÍODO:'):\n",
        "\n",
        "            Periodo = line.split()[-1]\n",
        "            #print(Periodo)\n",
        "        elif line.startswith('Datos del Empleador'):\n",
        "            #print(lines[count])\n",
        "            if lines[count].startswith('Apellido y Nombre'):\n",
        "                 ap_y_cuit = lines[count].split(\":\")\n",
        "                 #print(lines[count].split(\":\"))\n",
        "                 CUIL_empleador = ap_y_cuit[len(ap_y_cuit)-1]\n",
        "                 #print(CUIL_empleador)\n",
        "                 Nombre_empleador =  ap_y_cuit[1].replace(\"CUIL/CUIT\",\"\")\n",
        "                 #print(Nombre_empleador)\n",
        "        elif line.startswith('Categoría Profesional:'):\n",
        "            #print(line)\n",
        "            Categoria_profesional  = line.split(\":\")[1].replace(\"Condicion\",\"\")\n",
        "            #print(Categoria_profesional)        \n",
        "        elif line.startswith('Total $'):\n",
        "            Total = line.split()[-1]\n",
        "            #print(Total)\n",
        "            Archivo = file\n",
        "            line_info = Line(Tipo_Comprobante, Periodo, Nombre_empleador, CUIL_empleador, Categoria_profesional, Total, Archivo)\n",
        "            print(file)\n",
        "            data.append(line_info)\n",
        "            break\n",
        "#  finaliza plantilla 1.\n",
        "         \n",
        "\n",
        "\n",
        "#from datetime import datetime\n",
        "#start=datetime.now()\n",
        "#print(start)\n",
        "df = pd.DataFrame(data)\n",
        "df\n",
        "print(\"finalice\")\n",
        "print(len(data))\n",
        "df.to_csv('/content/drive/My Drive/guarderia/Salida/Sueldo_AFIP_personal_dom.csv', index=False)"
      ],
      "execution_count": 48,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "0\n",
            "197\n",
            "categoria5.pdf\n",
            "1080 - PABLO MATIAS DI GREGORIO - Octubre.pdf\n",
            "967 - ALEX ARONSON COTUBRE.pdf\n",
            "803 - ANDREA VERONICA SACCULLO OCTUBRE.pdf\n",
            "707 - NOELIA ESTELA CORONEL OCTUBRE.pdf\n",
            "707 - NOELIA ESTELA CORONEL AGOSTO.pdf\n",
            "707 - NOELIA ESTELA CORONEL SEPTIEMBRE.pdf\n",
            "1245 - MELINA BOLARDI - Octubre.pdf\n",
            "610 - PABLO LEONEL POSE OCTUBRE.pdf\n",
            "6219 - SEBASTIAN ANDRES HENZENN.pdf\n",
            "6210 - JUAN PABLO FIORI.pdf\n",
            "6169 - - LUIS GONZALO SAYAGO.pdf\n",
            "6064 - RODOLFO ENRIQUE EDELMANN OCTUBRE.pdf\n",
            "6198 - ALFREDO CISTERNA Octubre 1.pdf\n",
            "6198 - ALFREDO CISTERNA Octubre 2.pdf\n",
            "6002 - MARCELO JAVIER PICH - Octubre.pdf\n",
            "3404_FacturaComplemento Jardín _Noviembre.pdf\n",
            "3121 - PATRICIO ANDERSON 1.pdf\n",
            "3096 - MARIANA FLORENCIA COPPA OCTUBRE.pdf\n",
            "3121 - PATRICIO ANDERSON 2.pdf\n",
            "3091 - ROCÍO AYELÉN RUIZ PREROVSKY OCTUBRE.pdf\n",
            "3226 - NICOLAS CRAIG NOVIEMBRE.pdf\n",
            "3113 - DANIEL ROMÁN LARRÉGOLA OCTUBRE.pdf\n",
            "3210 - ZAIRA FILIPPELLI NOVIEMBRE.pdf\n",
            "2991 - HERNAN IGNACIO IBAÑEZ - octubre.pdf\n",
            "3060 - ANA ANDREA CABALIER.pdf\n",
            "2965 - MARIA LAURA MANZIONE OCTUBRE.pdf\n",
            "1858_FacturaComplemento Jardín _Noviembre.pdf\n",
            "2267 - - EZEQUIEL DOMENICO.pdf\n",
            "2509 - MAURICIO SOLIGO 5.pdf\n",
            "2503 - MATIAS CASANOVA - Octubre.pdf\n",
            "2446 - JORGE ALBERTO LOPEZ SENES OCTUBRE.pdf\n",
            "2828 - TOMAS PEREZ COLMAN - Octubre.pdf\n",
            "2145 - ODOLFO CHRISTOPHERSEN OCTUBRE.pdf\n",
            "2145 - RODOLFO CHRISTOPHERSEN SEPTIEMBRE.pdf\n",
            "2119 - SANTIAGO HERNAN LEOPARDO 3.pdf\n",
            "2755 - GUSTAVO ANDRES RODRIGUEZ OCTUBRE.pdf\n",
            "2578 - MERCEDES MENDEZ.pdf\n",
            "2147 - LUCIANA DE NICOLA OCTUBRE.pdf\n",
            "1642 - CLARA CIUFFOLI OCTUBRE.pdf\n",
            "1622 - DANIEL GERARDO BELLINI - Octubre.pdf\n",
            "2119 - SANTIAGO HERNAN LEOPARDO 2.pdf\n",
            "1980 - TOMAS HORACIO SANCHEZ OCTUBRE.pdf\n",
            "1858 - VALERIA MORAN OCTUBRE.pdf\n",
            "1508 - SEBASTIAN MENEL.pdf\n",
            "1482_FacturaComplemento Jardín _Noviembre.pdf\n",
            "1642 - CLARA CIUFFOLI SEPTIEMBRE.pdf\n",
            "769_FacturaComplemento Jardín _Noviembre.pdf\n",
            "4829 - ANA DE LORENZI - Octubre.pdf\n",
            "4824 - RODRIGO BARILLARO - Octubre.pdf\n",
            "3918 - MATIAS LIWSKI NOVIEMBRE.pdf\n",
            "4178 - FACUNDO DAMIAN CAPUTO - Septiembre.pdf\n",
            "4178 - FACUNDO DAMIAN CAPUTO - Octubre.pdf\n",
            "4202 - FACUNDO BAIOCCO - Octubre.pdf\n",
            "4155 - DIEGO LUIS GHERSI OCTUBRE.pdf\n",
            "4405 - MARIA VICTORIA LIBANO OCTUBRE.pdf\n",
            "3663 - AGUSTIN SCARRAMBERG OCTUBRE.pdf\n",
            "3887 - RICARDO MONTERO SEPTIEMBRE.pdf\n",
            "3887 - RICARDO MONTERO OCTUBRE.pdf\n",
            "3887 - RICARDO MONTERO NOVIEMBRE.pdf\n",
            "3613 - Manuel Kenar.pdf\n",
            "3383 - GONZALO DE VEGA - Octubre.pdf\n",
            "3553 - AGUSTINA ARANGO OCTUBRE.pdf\n",
            "3404_FacturaComplemento Jardín _Octubre.pdf\n",
            "5609 - MARCELO AGUSTÍN ACOSTA ESCAÑUELA.pdf\n",
            "5790 - ANDRES JORGE CORALLO.pdf\n",
            "5909 - ESTEFANIA BACHER OCTUBRE.pdf\n",
            "5842 - ENRIQUE YUSTE OCTUBRE.pdf\n",
            "5710 - EMANUEL IGNACIO ARIAS OCTUBRE.pdf\n",
            "5692 - AGUSTINA PALUMBO OCTUBRE.pdf\n",
            "5636 - LUIS STUBBIA OCTUBRE.pdf\n",
            "5416 - DIEGO MARTIN MUSERI OCTUBRE.pdf\n",
            "5553 - DIEGO MANUEL COMESAÑA OCTUBRE.pdf\n",
            "5466 - CAROLINA VAJLIS OCTUBRE.pdf\n",
            "5167_FacturaComplemento Jardín _Noviembre.pdf\n",
            "4824_FacturaApoyo Guardería _Octubre.pdf\n",
            "4824_Factura_Apoyo Guardería_Octubre.pdf\n",
            "4824_FacturaApoyo Guardería _Noviembre.pdf\n",
            "4705 - GUIDO BRUNO NOVIEMBRE.pdf\n",
            "4551 - IVAN GABRIEL MOSTEIKIS - Octubre.pdf\n",
            "4787 - MARTÍN MIGUEL GARAY - Octubre.pdf\n",
            "5067- Kuzner Octubre.pdf\n",
            "finalice\n",
            "82\n"
          ],
          "name": "stdout"
        }
      ]
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "vgozzbHulqRy"
      },
      "source": [
        ""
      ],
      "execution_count": null,
      "outputs": []
    },
    {
      "cell_type": "code",
      "metadata": {
        "id": "5bv51x5OlXDY",
        "outputId": "a185c2b8-8ca4-4147-f6ca-2c3e88db42d5",
        "colab": {
          "base_uri": "https://localhost:8080/"
        }
      },
      "source": [
        "#with pdfplumber.open(\"samp.pdf\") as pdf:\n",
        "#data = []\n",
        "with pdfplumber.open(\"/content/invoice5_test.pdf\") as pdf:\n",
        "    page = pdf.pages[0]\n",
        "\n",
        "    text = page.extract_text(x_tolerance=2, y_tolerance=0)\n",
        "    count=0\n",
        "    lines = text.split('\\n')\n",
        "    data = []\n",
        "    for line in lines:\n",
        "        count+=1\n",
        "        if line.startswith('RECIBO DE SUELDO'):\n",
        "           Tipo_Comprobante = line\n",
        "           print(line)\n",
        "        elif line.startswith('LIQUIDACIÓN CORRESPONDIENTE AL PERÍODO:'):\n",
        "            Periodo = line.split()[-1]\n",
        "            print(Periodo)\n",
        "        elif line.startswith('Datos del Empleador'):\n",
        "            print(lines[count])\n",
        "            if lines[count].startswith('Apellido y Nombre'):\n",
        "                 ap_y_cuit = lines[count].split(\":\")\n",
        "                 #print(lines[count].split(\":\"))\n",
        "                 CUIL_empleador = ap_y_cuit[len(ap_y_cuit)-1]\n",
        "                 print(CUIL_empleador)\n",
        "                 Nombre_empleador =  ap_y_cuit[1].replace(\"CUIL/CUIT\",\"\")\n",
        "                 print(Nombre_empleador)\n",
        "        elif line.startswith('Categoría Profesional:'):\n",
        "            print(line)\n",
        "            Categoria_profesional  = line.split(\":\")[1].replace(\"Condicion\",\"\")\n",
        "            print(Categoria_profesional)        \n",
        "        elif line.startswith('Total $'):\n",
        "            Total = line.split()[-1]\n",
        "            print(Total)\n",
        "            Archivo = \"archivo\"\n",
        "            line_info = Line(Tipo_Comprobante, Periodo, Nombre_empleador, CUIL_empleador, Categoria_profesional, Total, Archivo)\n",
        "            data.append(line_info)\n",
        "            break\n",
        "\n",
        "with pdfplumber.open(\"/content/Recibo de suedo correcto - Categoria 4 - Asistencia y cuidado de personas.pdf\") as pdf:\n",
        "    page = pdf.pages[0]\n",
        "\n",
        "    text = page.extract_text(x_tolerance=2, y_tolerance=0)\n",
        "    count=0\n",
        "    lines = text.split('\\n')\n",
        "\n",
        "    for line in lines:\n",
        "        count+=1\n",
        "        if line.startswith('RECIBO DE SUELDO'):\n",
        "           Tipo_Comprobante = line\n",
        "           print(line)\n",
        "        elif line.startswith('LIQUIDACIÓN CORRESPONDIENTE AL PERÍODO:'):\n",
        "            Periodo = line.split()[-1]\n",
        "            print(Periodo)\n",
        "        elif line.startswith('Datos del Empleador'):\n",
        "            print(lines[count])\n",
        "            if lines[count].startswith('Apellido y Nombre'):\n",
        "                 ap_y_cuit = lines[count].split(\":\")\n",
        "                 #print(lines[count].split(\":\"))\n",
        "                 CUIL_empleador = ap_y_cuit[len(ap_y_cuit)-1]\n",
        "                 print(CUIL_empleador)\n",
        "                 Nombre_empleador =  ap_y_cuit[1].replace(\"CUIL/CUIT\",\"\")\n",
        "                 print(Nombre_empleador)\n",
        "        elif line.startswith('Categoría Profesional:'):\n",
        "            print(line)\n",
        "            Categoria_profesional  = line.split(\":\")[1].replace(\"Condicion\",\"\")\n",
        "            print(Categoria_profesional)        \n",
        "        elif line.startswith('Total $'):\n",
        "            Total = line.split()[-1]\n",
        "            print(Total)\n",
        "            Archivo = \"archivo\"\n",
        "            line_info = Line(Tipo_Comprobante, Periodo, Nombre_empleador, CUIL_empleador, Categoria_profesional, Total, Archivo)\n",
        "            data.append(line_info)\n",
        "            break\n",
        "\n",
        "df = pd.DataFrame(data)\n",
        "df\n",
        "\n",
        "df.to_csv('file.csv', index=False)"
      ],
      "execution_count": null,
      "outputs": [
        {
          "output_type": "stream",
          "text": [
            "RECIBO DE SUELDO\n",
            "2020\n",
            "Apellido y Nombre: COSENTINO ANDRES MARTIN CUIL/CUIT: 20-26411867-1\n",
            " 20-26411867-1\n",
            " COSENTINO ANDRES MARTIN \n",
            "Categoría Profesional: Personal para tareas generales Condicion: Jubilado\n",
            " Personal para tareas generales Condicion\n",
            "8.000,00\n",
            "RECIBO DE SUELDO\n",
            "2020\n",
            "Apellido y Nombre: SORTINO PABLO DANIEL CUIL/CUIT: 20-30226328-1\n",
            " 20-30226328-1\n",
            " SORTINO PABLO DANIEL \n",
            "Categoría Profesional: Asistencia y cuidado de personas Condicion: Activo\n",
            " Asistencia y cuidado de personas \n",
            "14.000,00\n"
          ],
          "name": "stdout"
        }
      ]
    }
  ]
}