Budżet: 1500 USD Termin: 2 dni
Cześć.
Dokładnie zapoznałem się z opisem zadania. Jeśli pliki PDF znajdują się na m113.com i mają strukturalną formę tabeli, optymalnym rozwiązaniem będzie nie ręczna konwersja, a zautomatyzowane parsowanie.
Zwykle rozwiązuję takie zadania za pomocą pipeline'u w Pythonie:
automatyczne pobieranie plików PDF
wyodrębnianie tabel z PDF
oczyszczanie struktury danych
tworzenie plików Excel.
Do wyodrębniania tabel można używać specjalistycznych narzędzi:
pdfplumber
camelot
tabula
To pozwala poprawnie wyodrębniać nawet skomplikowane tabele.
Najważniejsze, aby wyjaśnić kilka kwestii:
ile plików PDF należy przetworzyć
ile stron ma mniej więcej jeden dokument
czy struktura tabel jest taka sama we wszystkich PDF.
Jeśli struktura się powtarza, można całkowicie zautomatyzować proces i przetworzyć dużą ilość danych znacznie szybciej.
Mogę również przygotować skrypt, który pozwoli na automatyczne ponowne przetwarzanie nowych plików PDF.
Termin: 2 dni
Budżet: 1500 USD