Meu TCC

Repositório para pesquisa do meu Trabalho de Conclusão de Curso.

Tasks:

• Verifique se a biblioteca python-poppler é uma boa maneira de extrair texto de PDFs.
• Extraia texto de PDF completo - Com todos os métodos de extração usados até agora.
  • PyMuPDF obteve melhores resultados.
• Segementação dos textos por publicações.
  • Utilizado o pipe que tem nos PDF para a separação de atos.
  • Regex para encontrar padrões de quando se inicia um novo ato.
  • Separação de atos por entidades do documento.
  • PDF convertido em um JSON com os atos separados por entidades.