Procesador de Facturas con OCR y Mistral AI

Este proyecto utiliza la API de Mistral AI para extraer texto de facturas mediante OCR y estructurar la información en formato JSON.

🚀 Características

• OCR automático: Extrae texto de imágenes de facturas
• Estructuración inteligente: Organiza los datos en formato JSON estructurado
• Soporte para múltiples formatos: Compatible con imágenes JPG, PNG, etc.
• Procesamiento completo: Extrae información de cliente, productos, totales y conductor

📋 Requisitos

Dependencias

pip install mistralai

Requisitos del sistema

• Python 3.7 o superior
• Conexión a internet para acceder a la API de Mistral

🔧 Configuración

1. Obtener API Key de Mistral

1. Regístrate en Mistral AI
2. Obtén tu API key desde el dashboard
3. Reemplaza el valor de api_key en el script

2. Configurar rutas de archivos

Modifica las siguientes variables en el script:

image_path = r"ruta/a/tu/factura.jpg"
output_path = r"ruta/donde/guardar/resultado.json"

📁 Estructura del proyecto

proyecto/
│
├── factura_processor.py    # Script principal
├── README.md              # Este archivo
├── facturas/              # Carpeta para imágenes de facturas
│   └── factura_ejemplo.jpg
└── resultados/            # Carpeta para archivos JSON generados
    └── factura_ejemplo.json

🚀 Uso

Ejecución básica

python factura_processor.py

Ejemplo de salida JSON

{
  "fecha": "2024-01-15",
  "numero_remision": "REM-001234",
  "cliente": {
    "nombre": "Empresa XYZ S.A.S",
    "nit": "900123456-7",
    "direccion": "Calle 123 #45-67, Bogotá",
    "telefono": "601-234-5678"
  },
  "productos": [
    {
      "nombre": "Producto A",
      "cantidad": "10",
      "unidad": "UN",
      "precio_unitario": "15000",
      "iva": "2850",
      "total": "152850"
    }
  ],
  "totales": {
    "subtotal": "150000",
    "iva": "28500",
    "descuentos": "0",
    "total_pagar": "178500"
  },
  "conductor": {
    "nombre": "Juan Pérez",
    "placa": "ABC-123"
  }
}

📊 Campos extraídos

El script extrae y estructura los siguientes campos:

Información general

• Fecha: Fecha de la factura
• Número de remisión: Identificador único del documento

Datos del cliente

• Nombre: Razón social o nombre del cliente
• NIT: Número de identificación tributaria
• Dirección: Dirección del cliente
• Teléfono: Número de contacto

Productos

• Nombre: Descripción del producto
• Cantidad: Cantidad vendida
• Unidad: Unidad de medida
• Precio unitario: Precio por unidad
• IVA: Impuesto al valor agregado
• Total: Total por producto

Totales

• Subtotal: Valor antes de impuestos
• IVA: Total de impuestos
• Descuentos: Descuentos aplicados
• Total a pagar: Valor final

Información del conductor

• Nombre: Nombre del conductor
• Placa: Placa del vehículo

⚙️ Personalización

Modificar el formato JSON

Para cambiar la estructura del JSON de salida, modifica la variable prompt en el script:

prompt = f"""
Ordena los datos del siguiente texto de factura en el siguiente formato JSON:
{{
  // Tu estructura personalizada aquí
}}
"""

Cambiar el modelo de Mistral

Puedes usar diferentes modelos modificando el parámetro model:

# Para OCR
model="mistral-ocr-latest"

# Para estructuración
model="mistral-small"  # o "mistral-medium", "mistral-large"

🔒 Seguridad

• API Key: Nunca commits tu API key en repositorios públicos
• Variables de entorno: Considera usar variables de entorno para la API key:

  import os
  api_key = os.getenv("MISTRAL_API_KEY")

🐛 Solución de problemas

Error de conexión

• Verifica tu conexión a internet
• Confirma que tu API key sea válida

Archivo no encontrado

• Verifica que las rutas de archivos sean correctas
• Asegúrate de que el archivo de imagen existe

Calidad del OCR

• Usa imágenes de alta calidad
• Asegúrate de que el texto sea legible
• Evita imágenes borrosas o con mala iluminación

📝 Notas adicionales

• El script procesa un archivo a la vez
• Los archivos JSON se guardan con codificación UTF-8
• Compatible con facturas en español
• Tiempo de procesamiento depende del tamaño de la imagen

🤝 Contribuciones

Para contribuir al proyecto:

1. Fork el repositorio
2. Crea una rama para tu feature
3. Commit tus cambios
4. Push a la rama
5. Abre un Pull Request

📄 Licencia

Este proyecto está bajo la Licencia MIT. Ver el archivo LICENSE para más detalles.