srpablino / mecprsr Goto Github PK

Parser de la nómina de funcionarios del MEC

El parser limpia la salida de 
 $ pdftotext -layout -l 1 -fixed 2 entrada.pdf salida.txt

y genera un CSV (Realmente separado por punto y coma)
por lo que se requiere tener pdftotext instalado, es
posible que en algunas distribuciones este programa
venga en conjunto con xpdf

Debian-like
# apt-get install xpdf

RedHat-like
# yum install xpdf

También se requiere alguna versión moderna de ruby

Tiempo que toma el parseado completo de un documento

real	4m49.947s
user	4m45.420s
sys	0m2.880s

se puede probar el parser con wrapper en sh

$ ./mecprsr.sh funcionarios_docentes_AAAAmm.pdf


TODO:
Se podría parametrizar si se requiere o no la impresión de
la cabecera, si es que se quiere usar punto y coma u otro 
separador