148 lines
4.4 KiB
Python
148 lines
4.4 KiB
Python
import re
|
|
import pandas as pd
|
|
import os
|
|
from datetime import datetime, timedelta
|
|
from PyPDF2 import PdfReader
|
|
from collections import defaultdict
|
|
|
|
# Carpeta con tus tickets PDF
|
|
ticket_folder = "tickets"
|
|
|
|
def extract_data_from_pdf(file_path):
|
|
reader = PdfReader(file_path)
|
|
text = ""
|
|
for page in reader.pages:
|
|
text += page.extract_text() + "\n"
|
|
|
|
date_match = re.search(r"(\d{2}/\d{2}/\d{4})", text)
|
|
fecha = datetime.strptime(date_match.group(1), "%d/%m/%Y") if date_match else None
|
|
|
|
products = []
|
|
for line in text.splitlines():
|
|
match = re.match(r"\d*\s?(.*?)\s+(\d+,\d{2})\s+(\d+,\d{2})", line)
|
|
if match:
|
|
nombre = match.group(1).strip().upper()
|
|
unit_price = float(match.group(2).replace(",", "."))
|
|
total_price = float(match.group(3).replace(",", "."))
|
|
products.append((fecha, nombre, unit_price, total_price))
|
|
else:
|
|
match_simple = re.match(r"(.*?)\s+(\d+,\d{2})$", line)
|
|
if match_simple:
|
|
nombre = match_simple.group(1).strip().upper()
|
|
total_price = float(match_simple.group(2).replace(",", "."))
|
|
products.append((fecha, nombre, None, total_price))
|
|
|
|
return products
|
|
|
|
# Recolectar todos los productos de todos los tickets
|
|
datos = []
|
|
for file in os.listdir(ticket_folder):
|
|
if file.endswith(".pdf"):
|
|
path = os.path.join(ticket_folder, file)
|
|
datos.extend(extract_data_from_pdf(path))
|
|
|
|
# Crear DataFrame
|
|
columnas = ["fecha", "producto", "precio_unitario", "precio_total"]
|
|
df = pd.DataFrame(datos, columns=columnas)
|
|
df.dropna(subset=["fecha"], inplace=True)
|
|
|
|
# Normalizar nombres de producto
|
|
df["producto"] = df["producto"].str.upper().str.strip()
|
|
|
|
# Calcular el tiempo entre compras para cada producto
|
|
df["diferencia_dias"] = df.groupby("producto")["fecha"].diff().dt.days
|
|
|
|
# Calcular la frecuencia de compra (promedio de días entre compras)
|
|
frecuencia_compra = df.groupby("producto")["diferencia_dias"].mean().reset_index()
|
|
|
|
# Estimación de la duración de los productos (cuánto duran en casa)
|
|
frecuencia_compra["proxima_compra_estimado"] = df["fecha"].max() + pd.to_timedelta(frecuencia_compra["diferencia_dias"], unit="D")
|
|
|
|
# Ahora seleccionamos los productos que más frecuentemente compras
|
|
productos_estimados = frecuencia_compra.sort_values("diferencia_dias", ascending=True)
|
|
|
|
# Listar la compra estimada
|
|
productos_estimados["producto"] = productos_estimados["producto"].str.title() # Capitalizar el nombre del producto
|
|
productos_estimados["fecha_estimada_proxima_compra"] = productos_estimados["proxima_compra_estimado"].dt.strftime("%d/%m/%Y")
|
|
|
|
# Generar la lista de la compra en formato HTML
|
|
html_content = """
|
|
<!DOCTYPE html>
|
|
<html lang="es">
|
|
<head>
|
|
<meta charset="UTF-8">
|
|
<meta name="viewport" content="width=device-width, initial-scale=1.0">
|
|
<title>Lista de la Compra Estimada</title>
|
|
<style>
|
|
body {
|
|
font-family: Arial, sans-serif;
|
|
background-color: #f4f4f9;
|
|
margin: 0;
|
|
padding: 0;
|
|
}
|
|
h1 {
|
|
text-align: center;
|
|
color: #333;
|
|
padding-top: 20px;
|
|
}
|
|
table {
|
|
width: 80%;
|
|
margin: 30px auto;
|
|
border-collapse: collapse;
|
|
}
|
|
th, td {
|
|
padding: 12px;
|
|
text-align: left;
|
|
border-bottom: 1px solid #ddd;
|
|
}
|
|
th {
|
|
background-color: #4CAF50;
|
|
color: white;
|
|
}
|
|
tr:hover {
|
|
background-color: #f1f1f1;
|
|
}
|
|
td {
|
|
color: #333;
|
|
}
|
|
</style>
|
|
</head>
|
|
<body>
|
|
|
|
<h1>Lista de la Compra Estimada</h1>
|
|
|
|
<table>
|
|
<thead>
|
|
<tr>
|
|
<th>Producto</th>
|
|
<th>Días Promedio entre Compras</th>
|
|
<th>Fecha Estimada de la Próxima Compra</th>
|
|
</tr>
|
|
</thead>
|
|
<tbody>
|
|
"""
|
|
|
|
# Añadir filas con los productos
|
|
for _, row in productos_estimados.iterrows():
|
|
html_content += f"""
|
|
<tr>
|
|
<td>{row['producto']}</td>
|
|
<td>{row['diferencia_dias']:.0f}</td>
|
|
<td>{row['fecha_estimada_proxima_compra']}</td>
|
|
</tr>
|
|
"""
|
|
|
|
html_content += """
|
|
</tbody>
|
|
</table>
|
|
|
|
</body>
|
|
</html>
|
|
"""
|
|
|
|
# Guardar el archivo HTML
|
|
with open("lista_compra_estimado.html", "w", encoding="utf-8") as file:
|
|
file.write(html_content)
|
|
|
|
print("\n✅ Página HTML generada: lista_compra_estimado.html")
|