endi-split-pdf 1.0.10

许可证

这是一个免费软件（GPLv3），有关许可信息请参阅LICENCE.txt。

它做什么

提供一个包含所有工资表的PDF文件（或其他类型）。在每一页上，您提供一个安码和一个名称（员工的“名称”和特定的“安码”）。此程序将PDF分割成单独的工资表。

它允许负责工资表分发的人员从他们的会计软件生成文件，并获得具有结构化目录结构的输出。

enDI通过其界面匹配该目录结构以通过其界面分发工资表。

通过扩展，可以配置对多种类型数据的分割。

安装

apt-get install poppler-utils virtualenvwrapper

mkvirtualenv splitpdf
pip install endi-split-pdf

mkvirtualenv splitpdf
pip install -r requirements.txt
pip install -e

pip install -e .[dev]

配置

主要配置文件

默认为 ~/.endi_split_pdf_config.yaml 可通过使用 -c <configfile> 指定

格式为yaml。

配置

• 文件类型

• 对于每种文件类型，一个解析策略，描述要提取的数据类型，提取方式以及要生成的文件名。（可以提供多个解析器，这里我们有三个解析器用于安码和两个用于名称）

示例

salaire:
    filename_template: {data1}_{data2}_{data3}.pdf
    datatypes:
       data1:
          - type: regex
            regex: '[\s]{30,80}(?P<ancode>[A-Z]{4,12})\s+'
            from_line: 11
            to_line: 14
            strict: True
            regex_group_name: ancode

          - type: coordinates
            line: 12
            column: 40
            prefix: "     "
          - type: coordinates
            line: 13
            column: 40
            prefix: "     "

        data2:
          - type: regex
            regex: '\s+(M|Mme|Mlle)\s+(?P<name>[\w\s]+)(\n|$)'
            from_line: 6
            to_line: 9
            regex_group_name: name
            strict: True

          - type: coordinates
            line: 8
            column: 50

        data3:
          - type: coordinates
            line: 2
            column: 60
            prefix: "Section :"

在此，我们配置了名为salaire_<year>_<month>.pdf的文件的解析

对于每一页，我们将提取三个数据，并按匹配的data1/data2/data3三元组对页面进行分组。页面将按filename_template命名的文件分组。

verbosity: DEBUG

use_syslog: true

log_to_mail: true
mail:
    host: localhost
    from: admin@host.fr
    to: contact@example.net
    subject: '[%(hostname)s] Log of the pdf splitter'

示例

完整运行

endi-split-pdf-run -c myconfig.yaml playground/salaires_2013_07.pdf

测试文件的前5页是否可解析

endi-split-pdf-run  -c myconfig.yaml playground/salaires_2013_07.pdf -r 5

使用-v以获取调试消息。

使用-h以获得选项的完整概述。

已知问题

• 针对工资单

  无法处理某些PDF文件，尤其是如果没有大纲且字符集为“二进制”时。请使用以下方式检查

  file -i $filename.pdf

已知问题

当日志返回类似以下的消息时

CRITICAL - 无输出页面！

如果最终用户使用Sage“Édition pilotée”生成其文件，则问题可能是最终用户使用了“打印到PDF”导出而不是“保存为PDF”。