Python - Error al ejecutar mi script en otro ordenador

import subprocess

import fitz

import ocrmypdf

import io

import glob

import re

import os

import msvcrt

from tqdm import tqdm

import sys

import time

# Ruta absoluta del archivo "EXTRACCION EXCEL.PY"

ruta_extraccion_excel = r"C:\Users\Alberto Urdiales\Desktop\prueba de renombre python\app_seracargo_av\extraccion_excel.PY"

# Ruta absoluta del archivo "renombrar2.py"

ruta_renombrar2 = r"C:\Users\Alberto Urdiales\Desktop\prueba de renombre python\app_seracargo_av\carpetas.py"

# Ejecutar "EXTRACCION EXCEL.PY" antes de continuar

subprocess.run(["python", ruta_extraccion_excel])

print("A continuacion se renombrarán los pdf")

time.sleep(4) # espera en segundos

def escanear_pagina_ocr(page, language):

    src = page.parent

    doc = fitz.open()

    doc.insert_pdf(src, from_page=page.number, to_page=page.number)

    pdfbytes = doc.tobytes()

    inbytes = io.BytesIO(pdfbytes)

    outbytes = io.BytesIO()

    sys.stdout = open(os.devnull, "w")  # Redirigir la salida estándar a os.devnull

    sys.stderr = open(os.devnull, "w")  # Redirigir la salida de error a os.devnull

    ocrmypdf.ocr(

        inbytes,

        outbytes,

        language=language,

        output_type="pdf",

        force_ocr=True

    )

    sys.stdout = sys.__stdout__  # Restaurar la salida estándar

    sys.stderr = sys.__stderr__  # Restaurar la salida de error

    ocr_pdf = fitz.open("pdf", outbytes.getvalue())

    text = ocr_pdf[0].get_text()

    return text

if __name__ == "__main__":

    # Directorio que contiene los archivos PDF

    directorio_pdf = r"C:\Users\Alberto Urdiales\Desktop\prueba de renombre python"

    # Obtener la lista de archivos PDF en el directorio

    archivos_pdf = glob.glob(os.path.join(directorio_pdf, "*.pdf"))

    regex = r"N740[-\s]*([^\s-]+)"

    archivos_renombrados = []  # Lista para almacenar los nombres de los archivos renombrados y sus nombres anteriores

    archivos_totales = len(archivos_pdf)  # Variable para almacenar el número total de documentos

    archivos_completados = 0  # Variable para almacenar el número de documentos completados con éxito

    with tqdm(total=len(archivos_pdf), desc="Procesando archivos") as pbar:

        for archivo_pdf in archivos_pdf:

            # Abrir el documento

            doc = fitz.open(archivo_pdf)

            try:

                # Cargar solo la primera página

                pagina = doc.load_page(1)

            except:

                # Crear una variable con el nombre del archivo e indicar que hay un error por falta de documentación

                archivo_original = os.path.basename(archivo_pdf)

                print("\nERROR, el documento:", archivo_original, "no es correcto o está incompleto.\nCompruebe que su documentación contenga todas las hojas necesarias para extraer la información")

                break

            # Obtener el texto de la página con OCR

            texto = escanear_pagina_ocr(pagina, "spa")

            try:

                # Buscar la cadena "Cliente:" y obtener la siguiente palabra

                matches = re.findall(regex, texto)

            except:

                print("No se ha encontrado el número de conocimiento")

                break

            if matches:

                archivo_nombre = os.path.basename(archivo_pdf)  # Obtener solo el nombre del archivo de la ruta absoluta

                pbar.set_description(f"Procesando {archivo_nombre}")

                pbar.update(1)

                palabra_despues_cliente = matches[0]

                # Cerrar el documento antes de renombrar el archivo

                doc.close()

                # Renombrar el archivo PDF

                nuevo_nombre = palabra_despues_cliente + ".pdf"

                nuevo_nombre = nuevo_nombre.replace("/", "_")  # Reemplazar "/" por "_" para evitar problemas en el nombre del archivo

                nuevo_nombre = nuevo_nombre.replace("\\", "_")  # Reemplazar "\" por "_" para evitar problemas en el nombre del archivo

                # Obtener la ruta absoluta del archivo PDF

                ruta_absoluta = os.path.abspath(archivo_pdf)

                # Obtener el directorio y el nombre original del archivo PDF

                directorio, nombre_original = os.path.split(ruta_absoluta)

                # Construir la nueva ruta y nombre del archivo PDF

                nueva_ruta = os.path.join(directorio, nuevo_nombre)

                # Renombrar el archivo

                os.rename(archivo_pdf, nueva_ruta)

                archivos_renombrados.append((nombre_original, nuevo_nombre))  # Agregar el nombre anterior y el nombre actual a la lista de archivos renombrados

                archivos_completados += 1  # Incrementar el contador de documentos completados con éxito

    os.system("cls")  # Limpiar la terminal en Windows

    print("El proceso ha finalizado con",archivos_completados,"/",archivos_totales)

    print("\nArchivos renombrados:")

    for archivo in archivos_renombrados:

        nombre_anterior, nombre_actual = archivo

        print("Original:", nombre_anterior, ">>> Modificado:", nombre_actual)

        break

print("")

# Ejecutar "renombrar2.py"

subprocess.run(["python", ruta_renombrar2])

print("\nPresione una tecla para finalizar...")

msvcrt.getch()

import subprocess

import fitz

import ocrmypdf

import io

import glob

import re

import os

import msvcrt

from tqdm import tqdm

import sys

import time

# Ruta absoluta del archivo "EXTRACCION EXCEL.PY"

ruta_extraccion_excel = r"C:\Users\Alberto Urdiales\Desktop\prueba de renombre python\app_seracargo_av\extraccion_excel.PY"

# Ruta absoluta del archivo "renombrar2.py"

ruta_renombrar2 = r"C:\Users\Alberto Urdiales\Desktop\prueba de renombre python\app_seracargo_av\carpetas.py"

Python 3.11.3 (tags/v3.11.3:f3909b8, Apr  4 2023, 23:49:59) [MSC v.1934 64 bit (AMD64)] on win32

Type "help", "copyright", "credits" or "license" for more information.

>>> import subprocess

>>> import fitz

>>> import ocrmypdf

>>> import io

>>> import glob

>>> import re

>>> import os

>>> import msvcrt

>>> from tqdm import tqdm

>>> import sys

>>> import time

import subprocess

import fitz

import ocrmypdf

import io

import glob

import re

import os

import msvcrt

from tqdm import tqdm

import sys

import time

# Ruta absoluta del archivo "EXTRACCION EXCEL.PY"

ruta_extraccion_excel = r"C:\Users\user\Desktop\carpeta_escaner\app_seracargo_av\extraccion_excel.py"

# Ruta absoluta del archivo "renombrar2.py"

ruta_renombrar2 = r"C:\Users\user\Desktop\carpeta_escaner\app_seracargo_av\carpetas.py"

# Ejecutar "EXTRACCION EXCEL.PY" antes de continuar

subprocess.run(["python", ruta_extraccion_excel])

print("A continuacion se renombrarán los pdf")

time.sleep(4) # espera en segundos

def escanear_pagina_ocr(page, language):

    src = page.parent

    doc = fitz.open()

    doc.insert_pdf(src, from_page=page.number, to_page=page.number)

    pdfbytes = doc.tobytes()

    inbytes = io.BytesIO(pdfbytes)

    outbytes = io.BytesIO()

    sys.stdout = open(os.devnull, "w")  # Redirigir la salida estándar a os.devnull

    sys.stderr = open(os.devnull, "w")  # Redirigir la salida de error a os.devnull

    ocrmypdf.ocr(

        inbytes,

        outbytes,

        language=language,

        output_type="pdf",

        force_ocr=True

    )

    sys.stdout = sys.__stdout__  # Restaurar la salida estándar

    sys.stderr = sys.__stderr__  # Restaurar la salida de error

    ocr_pdf = fitz.open("pdf", outbytes.getvalue())

    text = ocr_pdf[0].get_text()

    return text

if __name__ == "__main__":

    # Directorio que contiene los archivos PDF

    directorio_pdf = r"C:\Users\user\Desktop\carpeta_escaner"

    # Obtener la lista de archivos PDF en el directorio

    archivos_pdf = glob.glob(os.path.join(directorio_pdf, "*.pdf"))

    regex = r"N740[-\s]*([^\s-]+)"

    archivos_renombrados = []  # Lista para almacenar los nombres de los archivos renombrados y sus nombres anteriores

    archivos_totales = len(archivos_pdf)  # Variable para almacenar el número total de documentos

    archivos_completados = 0  # Variable para almacenar el número de documentos completados con éxito

    with tqdm(total=len(archivos_pdf), desc="Procesando archivos") as pbar:

        for archivo_pdf in archivos_pdf:

            # Abrir el documento

            doc = fitz.open(archivo_pdf)

            try:

                # Cargar solo la primera página

                pagina = doc.load_page(1)

            except:

                # Crear una variable con el nombre del archivo e indicar que hay un error por falta de documentación

                archivo_original = os.path.basename(archivo_pdf)

                print("\nERROR, el documento:", archivo_original, "no es correcto o está incompleto.\nCompruebe que su documentación contenga todas las hojas necesarias para extraer la información")

                break

            # Obtener el texto de la página con OCR

            texto = escanear_pagina_ocr(pagina, "spa")

            try:

                # Buscar la cadena "Cliente:" y obtener la siguiente palabra

                matches = re.findall(regex, texto)

            except:

                print("No se ha encontrado el número de conocimiento")

                break

            if matches:

                archivo_nombre = os.path.basename(archivo_pdf)  # Obtener solo el nombre del archivo de la ruta absoluta

                pbar.set_description(f"Procesando {archivo_nombre}")

                pbar.update(1)

                palabra_despues_cliente = matches[0]

                # Cerrar el documento antes de renombrar el archivo

                doc.close()

                # Renombrar el archivo PDF

                nuevo_nombre = palabra_despues_cliente + ".pdf"

                nuevo_nombre = nuevo_nombre.replace("/", "_")  # Reemplazar "/" por "_" para evitar problemas en el nombre del archivo

                nuevo_nombre = nuevo_nombre.replace("\\", "_")  # Reemplazar "\" por "_" para evitar problemas en el nombre del archivo

                # Obtener la ruta absoluta del archivo PDF

                ruta_absoluta = os.path.abspath(archivo_pdf)

                # Obtener el directorio y el nombre original del archivo PDF

                directorio, nombre_original = os.path.split(ruta_absoluta)

                # Construir la nueva ruta y nombre del archivo PDF

                nueva_ruta = os.path.join(directorio, nuevo_nombre)

                # Renombrar el archivo

                os.rename(archivo_pdf, nueva_ruta)

                archivos_renombrados.append((nombre_original, nuevo_nombre))  # Agregar el nombre anterior y el nombre actual a la lista de archivos renombrados

                archivos_completados += 1  # Incrementar el contador de documentos completados con éxito

    os.system("cls")  # Limpiar la terminal en Windows

    print("El proceso ha finalizado con",archivos_completados,"/",archivos_totales)

    print("\nArchivos renombrados:")

    for archivo in archivos_renombrados:

        nombre_anterior, nombre_actual = archivo

        print("Original:", nombre_anterior, ">>> Modificado:", nombre_actual)

        break

print("")

# Ejecutar "renombrar2.py"

subprocess.run(["python", ruta_renombrar2])

print("\nPresione una tecla para finalizar...")

msvcrt.getch()

# Directorio que contiene los archivos PDF

    directorio_pdf = r"C:\Users\user\Desktop\carpeta_escaner"

PS C:\Users\user\Desktop\carpeta_escaner> & C:/Python311/python.exe c:/Users/user/Desktop/carpeta_escaner/app_seracargo_av/renombrar.py

Los números y los símbolos se han guardado en el archivo de texto.

A continuacion se renombrarán los pdf

Procesando archivos:   0%|                         | 0/4 [00:00<?, ?it/s]

PS C:\Users\user\Desktop\carpeta_escaner>

texto = escanear_pagina_ocr(pagina, "spa")

print(f"El texto es: {texto}"

try:

                # Buscar la cadena "Cliente:" y obtener la siguiente palabra

                matches = re.findall(regex, texto)

            except:

                print("No se ha encontrado el número de conocimiento")

                break

matches = re.findall(regex, texto)

if matches:

                archivo_nombre = os.path.basename(archivo_pdf)  # Obtener solo el nombre del archivo de la ruta absoluta

                pbar.set_description(f"Procesando {archivo_nombre}")

                pbar.update(1)

pip install PyPDF2

import glob

import os

from tqdm import tqdm

import time

import PyPDF2

import re

def extract_text(file_path, page_number):

    with open(file_path, mode='rb') as f:

        reader = PyPDF2.PdfReader(f)

        page = reader.pages[page_number]

        return page.extract_text()

def new_file_name_route(archivo_pdf, new_file_name):

    absolute_route = os.path.abspath(archivo_pdf)

    directory, _ = os.path.split(absolute_route)

    return os.path.join(directory, new_file_name)

if __name__ == "__main__":

    regex = r"N740[-\s]*([^\s-]+)"

    archivos_renombrados = []

    archivos_pdf = glob.glob(os.path.join(r"./pdf_files", "*.pdf"))

    archivos_totales = len(archivos_pdf)

    with tqdm(total=archivos_totales, desc="Processing files...") as pbar:

        for archivo_pdf in archivos_pdf:

            print(f"===> Processing file: [{archivo_pdf}]")

            text = extract_text(archivo_pdf, 0)

            print(f"===> Text is: [{text}]")

            matches = re.findall(regex, text)

            if matches:

                print(f"+++ Matches found: [{matches[0]}]")

                new_file_name = matches[0] + ".pdf"

                new_file_name = new_file_name.replace(

                    "/", "_").replace("\\", "_")

                new_route = new_file_name_route(archivo_pdf, new_file_name)

                os.rename(archivo_pdf, new_route)

            time.sleep(1)

            pbar.update(1)

Native Windows¶

Note

Administrator privileges will be required for some of these steps.

You must install the following for Windows:

    Python 3.8 (64-bit) or later

    Tesseract 4.1.1 (64-bit) or later

    Ghostscript 9.50 (64-bit) or later

pip install pyftpdlib

import logging

from pyftpdlib.authorizers import DummyAuthorizer

from pyftpdlib.handlers import FTPHandler

from pyftpdlib.servers import FTPServer

# pip install pyftpdlib

# cambia este directorio a donde se encuentran los files ...

file_dir = "/home/zensei/Projects/Python/miscelleneous/pdf_files"

authorizer = DummyAuthorizer()

authorizer.add_user(

    "user", "12345", file_dir, perm="elradfmwMT")

# authorizer.add_anonymous("/home/nobody")

handler = FTPHandler

handler.authorizer = authorizer

logging.basicConfig(filename='./pyftpd.log', level=logging.DEBUG)

# cambia este ip al de la maquina

server = FTPServer(("127.0.0.1", 1025), handler)

server.serve_forever()

from ftplib import FTP

import glob

from os import path

import os

import time

from click import Path

from pdf_processor import rename_file

# cambia este host ip a la maquina que esta corriendo el ftp server

# En tu caso como varias vas a tener que crear un loop, para ir por cada maquina

host = "127.0.0.1"

username = "user"

password = "12345"

maximum_block_size = 18192

# tienes que crear este folder, sino tira error que no existe

UPLOAD_FOLDER = 'upload_files'

regex = r"N740[-\s]*([^\s-]+)"

ftp = FTP()

ftp.connect(host, 1025)

ftp.login(username, password)

files = ftp.nlst()

ftp.dir()

for file in files:

    full_path = f"{UPLOAD_FOLDER}/{file}"

    handle = open(full_path, 'wb')

    ftp.retrbinary('RETR %s' % file, handle.write,

                   blocksize=maximum_block_size)

    archivos_pdf = glob.glob(full_path)

    for archivo_pdf in archivos_pdf:

        f = open(archivo_pdf, "rb")

        print(len(f.read()))

        # aqui el rename_file(...) debe llamar a tu codigo para rename el file

        result = rename_file(archivo_pdf, regex)

        new_name = result[result.rindex("/") + 1:]

        print(new_name)

        # y este llama al servidor y rename el file

        ftp.rename(file, new_name)