crm.clientright.ru/crm_extensions/README_pdf_parser.md

# PDF Парсер судебных документов

Скрипт для извлечения структурированных данных из PDF файлов судебных документов.

## Файлы

- `pdf_court_parser.py` - основной скрипт для парсинга PDF
- `court_document_parser.py` - парсер текста (используется внутри)

## Установка зависимостей

```bash
# Установка poppler-utils (рекомендуется)
sudo apt-get install poppler-utils

# Установка Python библиотек
pip3 install pdfplumber
```

## Использование

### 1. Прямой вызов скрипта

```bash
# Парсинг PDF файла
python3 pdf_court_parser.py "/path/to/document.pdf"
```

### 2. Вызов из n8n через SSH

```bash
# Команда для SSH node в n8n:
python3 /var/www/fastuser/data/www/crm.clientright.ru/crm_extensions/pdf_court_parser.py "{{ $json.pdf_path }}"
```

## Формат входных данных

В n8n передайте путь к PDF файлу:
```json
{
  "pdf_path": "/tmp/document.pdf"
}
```

## Формат выходных данных

```json
[
  {
    "case_number": "М-5071/2025",
    "execution_number": null,
    "uid": "50RS0052-01-2025-007323-70",
    "court": "Щелковский городской суд",
    "plaintiff": "Соколов Александр Владимирович",
    "defendant": "ООО СКИЛБОКС",
    "document_type": "ОПРЕДЕЛЕНИЕ",
    "document_date": "26 августа 2025 г.",
    "judge": "Пикулева Т.И.",
    "pdf_file": "/tmp/document.pdf",
    "extracted_text_length": 1234,
    "raw_text": "Извлеченный текст...",
    "extraction_timestamp": "2025-09-30T16:08:33.294637"
  }
]
```

## Извлекаемые поля

- **case_number** - номер дела
- **execution_number** - номер исполнительного листа
- **uid** - уникальный идентификатор (УИД)
- **court** - название суда
- **plaintiff** - ФИО истца
- **defendant** - ФИО/название ответчика
- **document_type** - тип документа (ОПРЕДЕЛЕНИЕ, РЕШЕНИЕ, и т.д.)
- **document_date** - дата документа
- **judge** - ФИО судьи
- **pdf_file** - путь к исходному PDF файлу
- **extracted_text_length** - длина извлеченного текста

## Пример использования в n8n

1. **Загрузите PDF файл** в n8n (например, через HTTP Request)
2. **Сохраните файл** во временную папку
3. **Создайте SSH node** с командой:
   ```bash
   python3 /var/www/fastuser/data/www/crm.clientright.ru/crm_extensions/pdf_court_parser.py "{{ $json.file_path }}"
   ```
4. **Получите структурированные данные** в следующем узле

## Поддерживаемые методы извлечения текста

1. **pdftotext** (poppler-utils) - основной метод
2. **pdfplumber** - резервный метод
3. **PyPDF2** - дополнительный метод

## Требования

- Python 3.6+
- poppler-utils (рекомендуется)
- pdfplumber (установлен)
- Стандартные библиотеки Python

## Преимущества PDF парсинга

- ✅ Нет проблем с экранированием кавычек
- ✅ Сохраняется форматирование текста
- ✅ Работает с любыми PDF документами
- ✅ Простая интеграция с n8n
- ✅ Надежное извлечение текста