Spaces:
Sleeping
Sleeping
File size: 2,930 Bytes
d7829af |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 |
import spacy
import shutil
import os
import pdfplumber
# Carica il modello linguistico italiano di spaCy
nlp = spacy.load('it_core_news_sm')
nlp.max_length = 1500000
# Mappatura delle categorie e delle relative parole chiave
categorie_keywords = {
"Fatture": ["fattura", "invoice", "parcella"],
"Visure": ["visura"],
"Contratti": ["contratto", "accordo", "incarico"],
"Bilanci": ["bilancio", "bilanci", "bilancio di esercizio", "ricavi", "costi"],
"Spese di Personale": ["cedolino", "paga"],
"Pagamenti": ["bonifico", "transazione", "pagamento", "disposizione", "cro", "ordinante", "beneficiario"],
"Preventivi": ["preventivo", "offerta", "proposta"],
"DSAN": ["dichiarazione", "dsan", "dichiarazione sostitutiva", "dichiara"],
"E.C.": ["estratto conto", "movimenti"]
}
def estrai_testo_da_pdf_con_pdfplumber(file_path):
text = ''
try:
with pdfplumber.open(file_path) as pdf:
for page in pdf.pages:
try:
page_text = page.extract_text()
if page_text:
text += page_text
except Exception as e:
print(f"Errore nell'estrazione del testo dalla pagina PDF: {e}")
except Exception as e:
print(f"Errore nell'apertura o elaborazione del file PDF: {e}")
return text.lower()
def assegna_categoria_con_spacy(testo):
doc = nlp(testo)
for token in doc:
for categoria, keywords in categorie_keywords.items():
if token.text.lower() in keywords:
return categoria
return None
def classifica_e_sposta_documenti(cartella_origine, file_name):
file_path = os.path.join(cartella_origine, file_name)
testo = ''
# Determina il tipo di file e estrai il testo appropriatamente
if file_path.endswith('.pdf'):
testo = estrai_testo_da_pdf_con_pdfplumber(file_path)
else:
print(f"Il formato del file {file_path} non è supportato.")
return
# Assegna la categoria con spaCy
categoria = assegna_categoria_con_spacy(testo)
if categoria:
destination = os.path.join(cartella_origine, categoria, file_name)
destination_folder = os.path.join(cartella_origine, categoria)
if not os.path.exists(destination_folder):
os.makedirs(destination_folder)
# Controlla se il file esiste già e gestiscilo come preferisci
if not os.path.exists(destination):
shutil.move(file_path, destination)
else:
print(f"Il file {destination} esiste già.")
# Qui puoi decidere di sovrascriverlo, rinominarlo, o ignorarlo.
# Ad esempio, per rinominarlo:
# new_destination = os.path.join(destination_folder, "new_" + file_name)
# shutil.move(file_path, new_destination)
else:
print("Nessuna categoria trovata per il documento.")
|