PDF内のテキストを抽出し、ChatGPTでその属性(種類・発行日・発行元・金額)を解読します。

その属性をCSV形式の一覧に出力し、可視性の高い別名でファイルを分類保存します。

できるかな？と思って試してみたらけっこういい感じに動いたので、雑ですがソースを公開します。

試したサンプルは少ないですが、

• 実行ごとに発行元会社名にゆらぎが出ます。
• 合計金額が税込になったり税抜きになったりします。
• 通貨単位にゆらぎが出ることがあります。

などの問題が確認されています。

ぜひいろんなデータを試し、フォークしてチューニングを共有してください！

.envファイルを作成し、OPENAI_API_KEYを設定。

OPENAI_API_KEY=あなたのAPIキー

依存モジュールをインストール。

yarn

pdfsディレクトリにPDFファイルを入れる(サンプル2件あり)。

プログラムを実行する。

yarn main

outputディレクトリを確認する。