Payslip.py

from pdf2image import convert_from_path, convert_from_bytes
import pytesseract
import os
import numpy as np
from cv2 import cv2
from skimage import io

def get_grayscale(image):
    return cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)


list_traite_compte = []
list_traite_salaire = []

path_dir=os.getcwd()

#ATTENTION ! chemins à modifier/créer suivant l'arborescence.
    #Dossier des bulletins de salaire
path_salaire=path_dir+'/dossier_salaire2/'
bulletins=os.listdir(path_salaire)
    #Dossier des relevés de compte
path_compte=path_dir+'/dossier_compte2/'
releves=os.listdir(path_compte)
    #On ordonne les listes
releves.sort()
bulletins.sort()

#DÉTERMINE SI LE TIERS À FRAUDER EN FONCTION DE SON BULLETIN DE SALAIRE ET DE SON RELEVÉ DE COMPTE:
def payslip(compte, salaire):

    compte=compte.replace('.pdf','')
    salaire=salaire.replace('.pdf','')
    
    #Ouverture du pdf pour extraire le texte du Relevé Compte
    print("\tLecture de "+compte+"...")
    with open(path_compte+compte+".pdf",'rb') as pdf:
           filename =compte
           
           images = convert_from_bytes(pdf.read(),500,use_pdftocairo=True, strict=False)
           tmp = 0
           for image in images:
                    if not os.path.exists('out/'+filename+'/'):
                        os.makedirs('out/'+filename+'/')
                    image.save('out/'+filename+'/'+str(filename)+str(tmp)+'.png', 'PNG')
                    src = io.imread("out/"+filename+"/"+str(filename)+str(tmp)+".png")
                    #Question 3
                    image_gray = get_grayscale(src)
                    #Question 4
                    custom_config = r'--oem 3 --psm 6'
                    result_txt = pytesseract.image_to_string(image_gray, config=custom_config)
                    list_traite_compte.append(result_txt)
                    pdf.close()
                    tmp+=1
        #Récupérer le salaire net du Bulletin de Salaire
    words = str(list_traite_compte[len(list_traite_compte)-1])
    lines = words.split("\n")
    """
    for line in lines:
        if "SALAIRE" in line:
            print ("\t\tSALAIRE BULLETIN : " +line)
    """
    #Ouverture du pdf pour extraire le texte du Bulletin de Salaire
    print("\tLecture de "+salaire+"...")
    with open(path_salaire+salaire+".pdf",'rb') as pdf:
        filename =salaire
        #Question
        images = convert_from_path(path_salaire+salaire+".pdf",500,use_pdftocairo=True, strict=False)
        tmp = 0
        for image in images:
                    if not os.path.exists('out/'+filename+'/'):
                        os.makedirs('out/'+filename+'/')
                    image.save('out/'+filename+'/'+str(filename)+str(tmp)+'.png', 'PNG')
                    src = io.imread("out/"+filename+"/"+str(filename)+str(tmp)+".png")
                    #Question 3
                    image_gray = get_grayscale(src)
                    #Question 4
                    custom_config = r'--oem 3 --psm 6'
                    result_txt = pytesseract.image_to_string(image_gray, config=custom_config)
                    list_traite_salaire.append(result_txt)
                    with open("out/output.txt",'w') as output:
                        output.write(str(result_txt))
                    pdf.close()
                    tmp+=1
    output.close()

        #Récupérer le salaire net de la fiche de paie
    words = str(list_traite_salaire[len(list_traite_salaire)-1])
    lines = words.split("\n")
    """
    for line in lines:
        print(line)
        if "NET PAYÉ" in line:
            print ("TROUVE ! " +line)
    """
    salaire_net = words[len(words)-14:len(words)-6]
    bag=['\'', '\"', '<', '>', '«', '-', '_','(',')','~','&','*','/',';']
    for char in bag:
        salaire_net=salaire_net.replace(char,'')
    print("\t\tSALAIRE NET: "+salaire_net)
    
    #RECHERCHE DU SALAIRE NET DANS LE RELEVÉ DE COMPTE BANQUAIRE:
    fraude = True
    for page in list_traite_compte:
        if salaire_net in page:
            print("\tCORRESPONDANCE : Il y a bien un virement qui correspond au montant affiché sur le buletin de salaire.")
            fraude = False
            return 1
        elif salaire_net.replace('.',',') in page:
            print("\tCORRESPONDANCE : Il y a bien un virement qui correspond au montant affiché sur le buletin de salaire.")
            fraude = False
            return 1
    if fraude == True:
        print("\tSUSPICION DE FRAUDE : pas de virement qui correspond au montant inscrit sur la fiche de paie.")
        return 0

for i in range(len(releves)):
    print("Vérification n° "+ str(i+1) )
    payslip(releves[i],bulletins[i])