Pipeline que elimina o trabalho manual de processar boletos: os PDFs chegam a uma pasta do Google Drive e saem do outro lado como registros estruturados no PostgreSQL, com o vencimento já agendado no Google Calendar.
Como funciona
Cada PDF é rasterizado com pdftoppm/PyMuPDF antes do OCR — boletos costumam misturar texto vetorial, imagens escaneadas e códigos de barras, e a rasterização normaliza tudo em um formato único para a extração. Sobre a imagem, o pipeline lê os dados do documento e extrai o QR Code PIX, que passa a acompanhar o registro para pagamento direto.
Com os dados extraídos, o fluxo cria o evento de vencimento no Google Calendar e grava o boleto no PostgreSQL, formando um histórico consultável de contas e pagamentos.
Stack
- Google Drive API — entrada automática dos PDFs
- pdftoppm / PyMuPDF — rasterização para OCR confiável
- OCR + extração de QR Code/PIX — leitura dos dados de pagamento
- Google Calendar — agendamento automático dos vencimentos
- PostgreSQL — registro estruturado e histórico
- Docker — orquestração de todas as etapas em containers