Différences

Ci-dessous, les différences entre deux révisions de la page.

--- projet_docwizon:docraw [2023/01/31 17:06] – supadmin
+++ projet_docwizon:docraw [2023/01/31 18:05] (Version actuelle) – supadmin
@@ Ligne 8: / Ligne 8: @@
 ## Exemple
-Dans le cas d'un profil "brut" vous pouvez fournir ce que vous voulez, par exemple si vous voulez extraire des données du résultat du marathon de Paris 2003 (fichier https://www.athle.fr/pdf/resultat2003/MDP2003.pdf) ...
+Dans le cas d'un profil "brut" vous pouvez fournir ce que vous voulez, par exemple si vous voulez extraire des données du résultat du marathon de Paris 2003 (fichier https://www.athle.fr/pdf/resultat2003/MDP2003.pdf) ... le document fait plus de 400 pages, pour notre exemple je vous propose de découper le PDF pour n'en garder que la première !
+[{{:projet_docwizon:pasted:20230131-170534.png?direct=400|Exemple du fichier PDF dont on veut extraire les données}}]
+Création du fichier de masque d'extraction de données pour extraire les lignes du Classement Handisport:
+```
+issuer: marathon-paris.eric
+fields:
+  title: MARATHON DE (\w+)\s
+lines:
+  lines_start: Classement Handisport
+  lines_end: Classement Scratch
+  lines_line_tsv_before: (\d+)\.\s+(\d{2}:\d{2}:\d{2})\s+(.+)\s(\(\w+\))?\s+(\w+)\s+(\w)\s
+  lines_line_tsv_after: ^\s+\n$
+  lines_line_tsv_line1r: "(?<rang>\\d+)\\.\\s+(?<temps>\\d{2}:\\d{2}:\\d{2})\\s+(?<nom>.+)\\s(?<tag>\\w+)\\s+(?<sexe>\\w)\\s"
+  lines_line_tsv_line1f: rang,temps,nom,tag,sexe
+  extractor_engine: pdftotext
+keywords:
+- MARATHON
+options:
+  decimal_separator: .
+```
+Lancement de l'extraction de données, résultat retourné par le serveur :
+```
+{
+    "error": "",
+    "json": {
+        "success": null,
+        "message": null,
+        "ocrID": "S3mYl6KKnJvx4IvbvQYrvOnSn9GDeRrcyIncn9ZE",
+        "jpeg": null,
+        "jpegBase64": null,
+        "pdfBase64": null,
+        "meta": {
+            "template_name": "S3mYl6KKnJvx4IvbvQYrvOnSn9GDeRrcyIncn9ZE.yml",
+            "title": "PARIS",
+            "decimal_separator": "",
+            "lines": [
+                {
+                    "rang": "1",
+                    "temps": "01:28:05",
+                    "nom": "JEANNOT Jo\u00ebl              ",
+                    "tag": "SE",
+                    "sexe": "H"
+                },
+                {
+                    "rang": "2",
+                    "temps": "01:37:37",
+                    "nom": "HIROMICHI Jun (Japan)     ",
+                    "tag": "SE",
+                    "sexe": "H"
+                },
+.../...
+```
-{{:projet_docwizon:pasted:20230131-170534.png}}