Forum Debian Users Gang

Jacekalex · 2014-05-08 00:46:42

Cześć

Mam trochę wyciągów z banku, które chciałbym w miarę bezstresowo zapakować do bazy SQL, a same wyciągi są w PeDOFilach.

Kształt dosyć standardowy, mniej więcej taki, jak w Mbanku.

Kłopot polega na tym, ze po potraktowaniu takiego wyciągu pdftotext robi się kaszanka, której parsowanie, to horror, tabelka w PDF - na wyjściu każda nazwa, data i kwota w osobnej linii.

Dlatego fajnie byłby konwertować bezpośrednio do XML albo csv, te formaty są znacznie łatwiejsze do obróbki.

winnetou · 2014-05-08 01:22:22

może po prostu [url=http://sourceforge.net/projects/pdf2xml/]pdf2xml[/url]
albo pdf2html i potem perl do obróbki (całkiem nieźle sobie radzi z html)

Jacekalex · 2014-05-08 01:36:21

Z html'em próbowałem, i mam jedno wielkie pole BODY, w nim cały wyciąg, tabelka rozsypana, tylko znaczniki nowych wierszy <br>.
Sytuacja taka sama, jak z pdftotext.

Ciekawe, czy ten pdf2xml coś pomoże.

ethanak · 2014-06-15 14:51:18

jeszcze aktualne? bo mam zrobiony systemik (cs co prawda ale na parę funkcji można przymknąć oko) do parsowania wyciągów z mbanku, pdf2html plus parę linijek w pythonie... daj znać na prv bo rzadko tu zaglądam.

Jacekalex · 2014-06-15 16:11:22

Niezbyt aktualne, poradziłem sobie na piechotę, nie było tego aż tyle, żeby to było niewykonalne.

Ale jak masz jakiegoś gotowca do Mbanku, to możesz go wrzucić,
nie twierdzę że konkretnie mnie, ale setce innych pacjentów się pewnie przyda. ;)
Mbank po pdf2html jest czytelny i ma prostą strukturę dokumentu, gdzie bez kłopotu się wyczesuje odpowiednie zmienne.

Tu miałem o całe piekło trudniejszy przypadek z jednego francuskiego banku, który na swojej stronie z serwisem online był jeszcze niedawno na etapie ActiveX, a wyciągi wyglądają nie lepiej. ;P

Pozdro
;-)

Ostatnio edytowany przez Jacekalex (2014-06-15 16:18:21)

Time (s)	Query
0.00012	SET CHARSET latin2
0.00006	SET NAMES latin2
0.00072	SELECT u., g., o.logged FROM punbb_users AS u INNER JOIN punbb_groups AS g ON u.group_id=g.g_id LEFT JOIN punbb_online AS o ON o.ident='18.223.196.171' WHERE u.id=1
0.00111	UPDATE punbb_online SET logged=1716028278 WHERE ident='18.223.196.171'
0.00034	SELECT * FROM punbb_online WHERE logged<1716027978
0.00028	SELECT topic_id FROM punbb_posts WHERE id=269680
0.00134	SELECT id FROM punbb_posts WHERE topic_id=25771 ORDER BY posted
0.00047	SELECT t.subject, t.closed, t.num_replies, t.sticky, f.id AS forum_id, f.forum_name, f.moderators, fp.post_replies, 0 FROM punbb_topics AS t INNER JOIN punbb_forums AS f ON f.id=t.forum_id LEFT JOIN punbb_forum_perms AS fp ON (fp.forum_id=f.id AND fp.group_id=3) WHERE (fp.read_forum IS NULL OR fp.read_forum=1) AND t.id=25771 AND t.moved_to IS NULL
0.00028	SELECT search_for, replace_with FROM punbb_censoring
0.00060	SELECT u.email, u.title, u.url, u.location, u.use_avatar, u.signature, u.email_setting, u.num_posts, u.registered, u.admin_note, p.id, p.poster AS username, p.poster_id, p.poster_ip, p.poster_email, p.message, p.hide_smilies, p.posted, p.edited, p.edited_by, g.g_id, g.g_user_title, o.user_id AS is_online FROM punbb_posts AS p INNER JOIN punbb_users AS u ON u.id=p.poster_id INNER JOIN punbb_groups AS g ON g.g_id=u.group_id LEFT JOIN punbb_online AS o ON (o.user_id=u.id AND o.user_id!=1 AND o.idle=0) WHERE p.topic_id=25771 ORDER BY p.id LIMIT 0,25
0.00140	UPDATE punbb_topics SET num_views=num_views+1 WHERE id=25771
Total query time: 0.00672 s

Forum Debian Users Gang

Ogłoszenie

#1 2014-05-08 00:46:42

Jacekalex - Podobno człowiek...;)

Czym konwertować PDF do XML?

#2 2014-05-08 01:22:22

winnetou - złodziej wirków ]:->

Re: Czym konwertować PDF do XML?

#3 2014-05-08 01:36:21

Jacekalex - Podobno człowiek...;)

Re: Czym konwertować PDF do XML?

#4 2014-06-15 14:51:18

ethanak - Użytkownik

Re: Czym konwertować PDF do XML?

#5 2014-06-15 16:11:22

Jacekalex - Podobno człowiek...;)

Re: Czym konwertować PDF do XML?

Stopka forum

Informacje debugowania