controlar-cuits.py

import pdfplumber
import os
from tkinter.filedialog import askdirectory
import re

patron_cuit = r'(\d{11})'

directorio = askdirectory(title="Selecciona una carpeta con PDFs")

# Listar todos los archivos del directorio y subdirectorios y devolver una lista de los archivos

archivos = []

for root, dirs, files in os.walk(directorio):
    for file in files:
        if file.endswith(".pdf"):
            archivos.append(os.path.join(root, file))
            
# filtrar los PDF
archivos_pdf = [archivo for archivo in archivos if archivo.endswith(".pdf")]
                
for i in archivos_pdf:
    with pdfplumber.open(i) as pdf:
        page = pdf.pages[0]
        text = page.extract_text()
        
        # encontrar el primer CUIT en el texto
        cuit_contenido = re.search(patron_cuit, text)
        if cuit_contenido:
            cuit_contenido = cuit_contenido.group(0)
        
        # obtener solamente el nombre del archivo de i
        i = os.path.basename(i)
        
        # encontrar el cuit en el nombre del archivo
        cuit_nombre = re.search(patron_cuit, i)
        
        if cuit_nombre:
            cuit_nombre = cuit_nombre.group(0)
        
        # comparar el cuit del archivo con el cuit del nombre del archivo
        if cuit_contenido and cuit_nombre:
            if cuit_contenido == cuit_nombre:
                print(f"El CUIT {cuit_contenido} coincide con el nombre del archivo.")
            else:
                print(f"XXXXXXXXXXXXXXXXXXXXXX\nEl CUIT no coincide con el nombre del archivo: {i}.\nXXXXXXXXXXXXXXXXXXXXXX")
        else:
            print(f"XXXXXXXXXXXXXXXXXXXXXX\nNo se encontró CUIT en el contenido o en el nombre del archivo: {i}.\nXXXXXXXXXXXXXXXXXXXXXX")