Proyecto Elektra

Este proyecto está diseñado para integrar funcionalidades de gestión de documentos en IBM Watson Discovery y extracción de información de archivos PDF. El sistema sube archivos Excel a una colección de IBM Watson Discovery, permite eliminar documentos y extraer datos de archivos PDF.

Estructura del Proyecto

proyecto_elektra/
│
├── archivos_dummy/            # Carpeta con archivos de prueba
│   ├── archivo_nuevo1.csv     # Ejemplo de archivo CSV
│   └── archivo_nuevo2.csv     # Ejemplo de archivo CSV
│
├── data/                      # Carpeta para almacenar PDFs y otros archivos
│   └── pdf.pdf                # Ejemplo de archivo PDF
│
├── funciones/                 # Módulo con funciones específicas
│   ├── __init__.py            # Archivo para definir el módulo como paquete
│   ├── pdf_extractor.py       # Funciones para extracción de datos desde PDFs
│   └── watson_discovery.py    # Funciones para interactuar con Watson Discovery
│
├── .env                       # Archivo de variables de entorno (no subir a git)
├── .gitignore                 # Archivo para ignorar archivos en el control de versiones
├── main.py                    # Archivo principal para ejecutar el proyecto
├── README.md                  # Este archivo de documentación
└── requirements.txt           # Archivo para instalar dependencias

Instalación

1. Clonar el repositorio

git clone https://github.com/tu_usuario/proyecto_elektra.git
cd proyecto_elektra

2. Crear un entorno virtual

Es recomendable usar un entorno virtual para aislar las dependencias:

python -m venv venv
source venv/bin/activate  # Para Linux/macOS
# venv\Scripts\activate   # Para Windows

3. Instalar dependencias

Instala las dependencias del proyecto utilizando pip:

pip install -r requirements.txt

Uso

1. Configurar credenciales para Watson Discovery

Antes de ejecutar el proyecto, asegúrate de haber configurado las credenciales de IBM Watson Discovery en el archivo .env:

• API_KEY: Llave API de IBM Watson Discovery.
• SERVICE_URL: URL del servicio.
• PROJECT_ID: ID del proyecto en Watson Discovery.
• COLLECTION_ID: ID de la colección en Watson Discovery.

2. Ejecutar el proyecto

Para ejecutar el proyecto principal, usa el siguiente comando:

python main.py

Este archivo principal realiza las siguientes acciones:

1. Eliminar documentos de una colección: Elimina todos los documentos existentes en la colección configurada de IBM Watson Discovery.
2. Subir archivos Excel: Sube todos los archivos .csv encontrados en la carpeta especificada a la colección de Watson Discovery.
3. Procesar archivos PDF: Extrae información de un archivo PDF y lo procesa para obtener datos como SKUs y vigencias.

Dependencias

Las principales dependencias de este proyecto son:

• ibm-watson: SDK oficial de IBM para interactuar con Watson Discovery.
• requests: Librería para hacer peticiones HTTP.
• PyMuPDF (fitz): Librería para manipular archivos PDF.

Estas dependencias están listadas en el archivo requirements.txt y pueden instalarse utilizando:

pip install -r requirements.txt

Estructura de los módulos

watson_discovery.py

Este módulo contiene funciones para interactuar con IBM Watson Discovery. Las principales funciones son:

• eliminar_documentos(): Elimina todos los documentos de una colección.
• añadir_documento(): Añade un documento (archivo) a la colección de Watson Discovery.
• obtener_estado_documento(): Consulta el estado de un documento en la colección.
• subir_archivos_de_carpeta(): Sube todos los archivos CSV de una carpeta a la colección.

pdf_extractor.py

Este módulo contiene funciones para extraer información de un archivo PDF. Las principales funciones son:

• extraer_informacion(): Extrae texto de un PDF y busca patrones como SKU y vigencias.
• guardar_en_csv(): Guarda los datos extraídos en un archivo CSV.

.gitignore

Este proyecto incluye un archivo .gitignore para evitar subir al repositorio archivos innecesarios como:

• Entornos virtuales
• Archivos de entorno (.env)
• Archivos generados por el sistema o editores de texto

Licencia

Este proyecto está licenciado bajo la Licencia MIT.