pdf_extractor

Extractor de datos PDF

Esta es una aplicación de transmisión diseñada para extraer datos de archivos PDF. Utiliza la tecnología Langchain para una extracción de datos eficiente y proporciona una interfaz fácil de usar para cargar archivos PDF, extraer información y convertir los datos extraídos en formatos CSV y JSON.

Características

• Cargue archivos PDF para la extracción de datos.
• Los datos extraídos se muestran de manera estructurada.
• Convierta datos extraídos en formatos CSV y JSON.
• Descargue los datos extraídos en formatos CSV o JSON.

Uso

1. Instale las bibliotecas requeridas: streamlit , pandas .
2. Ejecute la aplicación Streamlit usando streamlit run main.py
3. Cargue sus archivos PDF y haga clic en "Extraiga sus datos" para iniciar el proceso de extracción.
4. Descargue los datos extraídos en formatos CSV o JSON utilizando los botones proporcionados.

Cómo correr

Para comenzar, asegúrese de que Python esté instalado y siga estos pasos:

1. Instale las dependencias necesarias ejecutando el comando:

   pip install -r requirements.txt

2. Ejecute la aplicación Streamlit ejecutando:

   streamlit run main.py

Tecnología utilizada

La aplicación aprovecha la tecnología Langchain para extracción y procesamiento de datos eficientes.

Estructura de carpetas

El proyecto consta de los siguientes archivos principales:

• main.py : contiene el código de aplicación de transmisión.
• functions.py : incluye funciones diseñadas específicamente para la extracción de datos de los archivos PDF.