PDF binääritiedostoista haku (grep, find tmv)

[JA5U]

Moi

Nordean tiliotteet ladattuna PDF formaatissa, mutta koneellinen lukeminen/hakeminen ei onnistu, koska binääritiedosto.

Millä tuota nyt lähtis ratkaisemaan? Kokeilin jo jotain mutool, pdftk ym. konversiota, mutta ei auttanut.

PS. Ja jos joku tietää, että miten noista saisi helposti taulukot ulos jossain formaatissa, niin vielä parempi 

[AimoE]

Onhan siellä tapahtumien lataus csv-tiedostoon, eli suoraan taulukkomuodossa (sivulla "Tapahtumat ja tilit"). Sen voi jo ennen lataamista järjestää mieleiseensä järjestykseen sarakeotsikoita täppäilemällä (itse haluan ne päiväyksen mukaan nousevassa järjestyksessä).

Valitettavasti vain kaikkien tiilien tiliotteita (niitä PDF-tiedostoja) ei vielä voi ladata uudesta verkkopankista, joten sitä varten täytyy vielä mennä vanhaan verkkopankkiin. Sinne pääsee "Tapahtumat ja tilit" -sivulla, täppäämällä linkkiä "Tiliotteet". Samalla sieltä saa vanhan muotoiset tapahtumalistaukset niistäkin tileistä, joiden tiliote jo tulee uuteen verkkopankkiin.

Toki tiliote ja tapahtumalistaus ovat hieman eri asia; tiliote tehdään kerran kuussa ja siinä on tapahtumien lisäksi muodostamispäivän saldo, kun taas tapahtumalistauksen voi tehdä haluamalleen välille, eikä siinä yleensä ole saldoa. Nordea uuden verkkopankin tapahtumalistauksessa kylläkin on joillekin tileille saldo joka rivillä erikseen.

Amerikkalaisilla on jo kauan ollut standardeja, joiden mukaan tapahtumalistaukset tehdään (ja niille on import-toiminto esim. GnuCash-ohjelmassa), mutta en tiedä että EU:n alueella olisi, eipä ole ainakaan suomalaisissa pankeissa tullut sellaista vastaan; kaikki ovat ihan erilaisia.

[JA5U]

Kyse on vanhemmista tapahtumista, joista ei saa listaukseen, minkä lisäksi PDF:t toimivat samalla pankin "leimaamina".
Toki, voisi käyttää molempia eli yhtä formaattia per tarkoitus, mutta ei tosiaan ole saatavilla vanhempaa dataa CSV:nä.

[_Pete_]

https://superuser.com/questions/207603/how-to-extract-text-from-pdf-in-script-on-linux