ac7467f0b4
- Added comprehensive AI Assistant system (aiassist/ directory): * Vector search and embedding capabilities * Typebot proxy integration * Elastic search functionality * Message classification and chat history * MCP proxy for external integrations - Implemented Court Status API (GetCourtStatus.php): * Real-time court document status checking * Integration with external court systems * Comprehensive error handling and logging - Enhanced S3 integration: * Improved file backup system with metadata * Batch processing capabilities * Enhanced error logging and recovery * Copy operations with URL fixing - Added Telegram contact creation API - Improved error logging across all modules - Enhanced callback system for AI responses - Extensive backup file storage with timestamps - Updated documentation and README files - File storage improvements: * Thousands of backup files with proper metadata * Fix operations for broken file references * Project-specific backup and recovery systems * Comprehensive file integrity checking Total: 26,461+ files added/modified including AWS SDK, vendor dependencies, and extensive backup system.
119 lines
3.8 KiB
Markdown
119 lines
3.8 KiB
Markdown
# 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
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|