🧾 RPA Challenge - Automação de Extração de Faturas com OCR

Este projeto automatiza o processo de extração de dados de faturas disponíveis no site RPA Challenge - OCR utilizando Selenium, OCR com Tesseract, e geração/envio de arquivo CSV.

---

🚀 Funcionalidades

1. Acessa automaticamente o site do desafio.
2. Obtém as faturas com vencimento atual ou anterior.
3. Baixa os arquivos de imagem (JPG) das faturas.
4. Executa OCR para extrair dados relevantes:
   • Invoice Number
   • Invoice Date
   • Company Name
   • Total Due
5. Gera um CSV com os dados extraídos.
6. Faz upload do CSV de volta ao site.
7. Limpa arquivos JPG temporários após execução.

---

🧰 Requisitos

• Python 3.8+
• Google Chrome + ChromeDriver compatível
• Tesseract OCR instalado

Instalação das bibliotecas

pip install selenium pillow pytesseract requests

---

🗂 Estrutura do Projeto

.
├── main.py                 # Script principal de execução
├── browser.py             # Inicialização e navegação no site
├── invoice_downloader.py  # Download de faturas via Selenium
├── ocr_processor.py       # Extração de texto com OCR (Tesseract)
├── csv_generator.py       # Geração do arquivo CSV
├── upload_csv.py          # Upload do CSV no site
├── cleanup.py             # Limpeza de arquivos temporários .jpg
├── utils.py               # Função para filtrar faturas vencidas (não incluído)
└── invoices.csv           # CSV gerado (output)

---

⚙️ Como Executar

1. Configure o caminho do Tesseract (em ocr_processor.py):

# Caminho para a instalação do Tesseract (ajuste se necessário)
tesseract_path = r"C:\Program Files\Tesseract-OCR"
pytesseract.pytesseract.tesseract_cmd = os.path.join(tesseract_path, "tesseract.exe")

# Caminho para a pasta tessdata
os.environ["TESSDATA_PREFIX"] = os.path.join(tesseract_path, "tessdata")

2. Execute o script principal:

python main.py

---

📤 Exemplo de Saída do CSV

ID,DueDate,InvoiceNo,InvoiceDate,CompanyName,TotalDue
1077,2023-07-04,INV-001,2023-06-01,Example Inc,185.50

---

📌 Observações

• O código considera que as faturas estejam em até 3 páginas.
• Os arquivos .jpg são apagados ao inicio da execução.
• A função get_due_invoices(driver) está em utils.py, necessário para funcionamento completo.

---

👨‍💻 Autor

Desenvolvido como exercício prático de automação com foco em OCR e web scraping usando Python.

---