autocompra/autocompra7.py

108 lines
3.9 KiB
Python

import re
import pandas as pd
import os
from datetime import datetime
from PyPDF2 import PdfReader
# Carpeta con los tickets PDF
ticket_folder = "tickets"
# Palabras clave que indican líneas que no hay que procesar
exclude_keywords = [
"TARJETA BANCARIA", "IVA BASE IMPONIBLE", "CUOTA", "TOTAL",
"SE ADMITEN DEVOLUCIONES CON TICKET", "N.C", "AUT", "AID",
"Verificado por dispositivo", "Visa Credit", "IMPORTE", "TARJ. BANCARIA"
]
def extract_data_from_pdf(file_path):
reader = PdfReader(file_path)
text = ""
for page in reader.pages:
text += page.extract_text() + "\n"
# Buscar la fecha
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():
if any(keyword in line for keyword in exclude_keywords):
continue
# Coincide con líneas tipo: "2 ROLLO HOGAR DOBLE 2,35 4,70"
match = re.match(r"(\d+)\s+(.*?)\s+(\d+,\d{2})\s+(\d+,\d{2})$", line)
if match:
cantidad = int(match.group(1))
producto = match.group(2).strip().upper()
precio_unitario = float(match.group(3).replace(",", "."))
precio_total = float(match.group(4).replace(",", "."))
products.append((fecha, cantidad, producto, precio_unitario, precio_total))
continue
# Coincide con líneas tipo: "1 CROISSANT RELL CACAO 1,90"
match_simple = re.match(r"(\d+)\s+(.*?)\s+(\d+,\d{2})$", line)
if match_simple:
cantidad = int(match_simple.group(1))
producto = match_simple.group(2).strip().upper()
precio_total = float(match_simple.group(3).replace(",", "."))
precio_unitario = precio_total / cantidad
products.append((fecha, cantidad, producto, round(precio_unitario, 2), precio_total))
continue
return products
# Recolectar todos los datos de 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", "cantidad", "producto", "precio_unitario", "precio_total"]
df = pd.DataFrame(datos, columns=columnas)
df.dropna(subset=["fecha"], inplace=True)
# Guardar detalle completo
df.to_csv("detalle_productos.csv", index=False)
# Agrupar por producto
resumen = df.groupby("producto").agg(
veces_comprado=("fecha", "count"),
total_unidades=("cantidad", "sum"),
gasto_total=("precio_total", "sum"),
primera_vez=("fecha", "min"),
ultima_vez=("fecha", "max")
).sort_values("gasto_total", ascending=False)
resumen.to_csv("resumen_productos.csv")
# Gasto mensual
df["mes"] = df["fecha"].dt.to_period("M")
gasto_mensual = df.groupby("mes")["precio_total"].sum()
gasto_mensual.to_csv("gasto_mensual.csv")
# Calcular próxima compra estimada por media de días entre compras
df["dias_entre_compras"] = df.groupby("producto")["fecha"].diff().dt.days
df["promedio_dias_entre_compras"] = df.groupby("producto")["dias_entre_compras"].transform("mean")
df["proxima_compra"] = df["fecha"] + pd.to_timedelta(df["promedio_dias_entre_compras"], unit='D')
# Crear la lista estimada para la próxima compra (esta semana)
proxima_semana = datetime.now() + pd.Timedelta(days=7)
compra_estimacion = df[df["proxima_compra"] <= proxima_semana]
# Guardar lista estimada
compra_estimacion.to_csv("compra_estimacion.csv", index=False)
# Generar HTML visual
html = compra_estimacion[["producto", "cantidad", "precio_unitario", "precio_total", "proxima_compra"]].sort_values("proxima_compra").to_html(index=False)
with open("lista_compra_estimada.html", "w") as file:
file.write(html)
print("\n✅ Todo listo. Archivos generados:")
print("- detalle_productos.csv")
print("- resumen_productos.csv")
print("- gasto_mensual.csv")
print("- compra_estimacion.csv")
print("- lista_compra_estimada.html")