-
Notifications
You must be signed in to change notification settings - Fork 12
/
Copy pathvitreo.rb
228 lines (202 loc) · 8.23 KB
/
vitreo.rb
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
# brew install poppler - install pdftohtml version 0.81.0 in your system (https://poppler.freedesktop.org/)
# gem install nokogiri axlsx
require 'nokogiri'
require 'axlsx'
require 'csv'
PDF_DIR = ARGV[0]
if PDF_DIR.to_s.size == 0
puts "Exemplo de uso do script:"
puts "ruby vitreo.rb diretorio/com/pdfs/de/notas/de/corretagem/da/vitreo/"
exit
end
puts "Processando PDFs do diretório: #{PDF_DIR}"
class String
def clean
self.gsub(/\s+/, ' ').strip
end
end
NOME_PAPEL = CSV.read("#{__dir__}/../db/seeds/empresas_b3.csv").map { |row| [row[3].to_s.upcase, row[0].gsub(/[0-9]+\Z/, '')] }.to_h
TIPO_NUMERO = {
'ON' => 3,
'PN' => 4,
'UNT' => 11,
}
$operacoes = {}
def read_pdf_path(path)
cmd = "pdftohtml -stdout -xml -i \"#{path}\" 2>&1"
puts "Running command: #{cmd}"
xml = `#{cmd}`
Nokogiri::XML(xml).css('page').map do |page|
h = page.attr('height').to_f
w = page.attr('width').to_f
page.css('[top][left]').map do |item|
{
'left' => (100 * item.attr('left').to_f / w).round(2),
'right' => (100 * (item.attr('left').to_f + item.attr('width').to_f) / w).round(2),
'top' => (100 * item.attr('top').to_f / h).round(2),
'bottom' => (100 * (item.attr('top').to_f + item.attr('height').to_f) / h).round(2),
'value' => item.text.clean,
'raw' => item.text,
}
end
end
end
def close?(value1, value2, max=0.2)
# max default is 0.2% distance. max interval: 0..100
return false if value1.nil? || value2.nil?
(value2 - value1).abs <= max
end
def node_below(page, label)
node = page.find { |n| n['value'].to_s.match(label) }
return '' if node.nil?
page.find_all { |n| close?(node['left'], n['left'], 3) && n['top'] >= node['bottom'] }.sort_by { |n| n['top'] }.first
end
def split_after(page, label)
anchor = page.find { |n| n['value'].to_s.match(label) }
return '' if !anchor
value = anchor['value'].to_s.split(label, 2).last.strip
return value if value.size > 0
page.find_all { |n| n['left'] >= anchor['right'] && close?(n['bottom'], anchor['bottom']) }.sort_by { |n| n['left'] }.first&.[]('value')
end
def process_pdf_path(path)
pages = read_pdf_path(path)
data_operacao = nil
data_liquidacao = nil
data_liquidacao_lista = pages.map { |page| split_after(page, /\AL.+quido para/i) }
pages.each_with_index do |page, i|
_data_operacao = node_below(page, /\AData preg.+o/i)&.[]('value')
_data_liquidacao = split_after(page, /\AL.+quido para/i)
data_operacao = _data_operacao if _data_operacao.to_s.match(/\A[0-9]{2}\/[0-9]{2}\/[0-9]{4}/)
data_liquidacao = _data_liquidacao if _data_liquidacao.to_s.match(/\A[0-9]{2}\/[0-9]{2}\/[0-9]{4}/)
data_liquidacao ||= data_liquidacao_lista[i..-1].find { |d| d.to_s.strip.size > 0 }
data_operacao_date = Date.strptime(data_operacao, '%d/%m/%Y')
node = page.find { |n| n['value'].match(/Tipo mercado/) }
headers = page.find_all { |n| close?(node['top'], n['top'], 1) }.sort_by { |n| n['left'] }
left_cv = headers.find { |h| h['value'].match(/\AC\/V/i) }['left']
left_prazo = headers.find { |h| h['value'].match(/\APrazo/i) }['left']
right_prazo = headers.find { |h| h['value'].match(/\APrazo/i) }['right']
left_obs = headers.find { |h| h['value'].match(/\AObs/i) }['left']
left_preco = headers.find { |h| h['value'].match(/\APre.o .+ Ajuste/i) }['left']
top = page.find { |n| n['value'].match(/\ANeg.+cios realizados\Z/i) }['bottom']
bottom = page.find { |n| n['value'].match(/\AResumo dos Neg.+cios\Z/i) }['top']
negocios = page.find_all { |n| n['top'] >= top && n['bottom'] <= bottom && n['left'] <= left_cv && n['value'].match(/BOVESPA/i) }
negocios.each do |node|
row = page.find_all { |n| close?(node['top'], n['top'], 0.5) && n['left'] >= node['left'] }.sort_by { |n| n['left'] }
tipo_mercado = row.find_all { |n| n['left'] < left_prazo }.last['value']
empresa = row.find_all { |n| n['left'] >= right_prazo && n['right'] < left_obs }.map { |n| n['value'] }.join(' ')
ativo = case tipo_mercado
when /OPCAO/i
'OPCAO'
when /VISTA|FRACION.RIO/i
empresa.match(/\AFII\s+/i) ? 'FII' : 'ACAO'
else
''
end
if ativo == 'FII'
papel = empresa.split(/\s{2}\s+/)[1]
else
empresa, tipo = empresa.split(/\s{2}\s+/, 2)
empresa = empresa.to_s.upcase.gsub(/\A\s*[0-9]{2}\/[0-9]{2}\s*/, '')
if papel = NOME_PAPEL[empresa]
papel += TIPO_NUMERO[tipo.split(/\s/, 2).first.to_s.upcase].to_s
else
papel = empresa
end
end
operacao = {}
operacao['DATA OPERACAO'] = data_operacao
operacao['DATA LIQUIDACAO'] = data_liquidacao
operacao['ATIVO'] = ativo
operacao['OPERACAO'] = row.find { |n| n['left'] >= left_cv }['value'][0].upcase == 'C' ? 'COMPRA' : 'VENDA'
operacao['DAYTRADE?'] = 'N'
operacao['QTD'] = row.find_all { |n| n['left'] < left_preco }.last['value'].gsub('.', '').to_i
operacao['PRECO'] = row.find { |n| n['left'] >= left_preco }['value'].gsub('.', '').gsub(',', '.').to_f.round(2)
$operacoes[data_operacao_date] ||= {}
$operacoes[data_operacao_date][papel] ||= []
$operacoes[data_operacao_date][papel] << operacao
end
end
end
Dir.glob("#{PDF_DIR}/*.pdf").each { |path| process_pdf_path(path) }
# reduce operations by grouping with the same price
$operacoes.each do |data_operacao, operacoes_na_data|
operacoes_na_data.each do |papel, ops|
ops.each do |operacao|
next if operacao['_SHOULD_REMOVE']
ops.each do |op|
next if operacao.equal?(op)
if operacao['DATA LIQUIDACAO'] == op['DATA LIQUIDACAO'] &&
operacao['OPERACAO'] == op['OPERACAO'] &&
operacao['PRECO'] == op['PRECO']
operacao['QTD'] += op['QTD']
op['_SHOULD_REMOVE'] = true
end
end
end
ops.delete_if { |operacao| operacao['_SHOULD_REMOVE'] }
end
end
# find daytrades
$operacoes.keys.each do |data_operacao|
operacoes_na_data = $operacoes[data_operacao]
operacoes_na_data.keys.each do |papel|
ops = operacoes_na_data[papel]
compras = ops.find_all { |op| op['OPERACAO'] == 'COMPRA' }
vendas = ops.find_all { |op| op['OPERACAO'] == 'VENDA' }
compra = compras.sum { |op| op['QTD'] }
venda = vendas.sum { |op| op['QTD'] }
if compra > 0 && venda > 0
preco_compra = compras.sum { |op| op['QTD'] * op['PRECO'] } / compra
preco_venda = vendas.sum { |op| op['QTD'] * op['PRECO'] } / venda
operacao_proto = compras.first
ops = []
if compra > venda
ops << operacao_proto.merge('OPERACAO' => 'COMPRA', 'QTD' => compra - venda, 'PRECO' => preco_compra, 'DAYTRADE?' => 'N')
ops << operacao_proto.merge('OPERACAO' => 'COMPRA', 'QTD' => venda, 'PRECO' => preco_compra, 'DAYTRADE?' => 'S')
ops << operacao_proto.merge('OPERACAO' => 'VENDA', 'QTD' => venda, 'PRECO' => preco_venda, 'DAYTRADE?' => 'S')
else
ops << operacao_proto.merge('OPERACAO' => 'VENDA', 'QTD' => venda - compra, 'PRECO' => preco_venda, 'DAYTRADE?' => 'N')
ops << operacao_proto.merge('OPERACAO' => 'VENDA', 'QTD' => compra, 'PRECO' => preco_venda, 'DAYTRADE?' => 'S')
ops << operacao_proto.merge('OPERACAO' => 'COMPRA', 'QTD' => compra, 'PRECO' => preco_compra, 'DAYTRADE?' => 'S')
end
operacoes_na_data[papel] = ops
end
end
end
rows = []
$operacoes.keys.sort.each do |data_operacao|
operacoes_na_data = $operacoes[data_operacao]
operacoes_na_data.each do |papel, ops|
ops.each do |op|
rows << [
op['DATA OPERACAO'],
op['DATA LIQUIDACAO'],
op['ATIVO'],
op['OPERACAO'],
op['DAYTRADE?'],
papel,
op['QTD'],
op['PRECO'],
]
end
end
end
package = Axlsx::Package.new
workbook = package.workbook
sheet = workbook.add_worksheet(:name => "Operações")
sheet.add_row([
'DATA OPERACAO',
'DATA LIQUIDACAO',
'ATIVO',
'OPERACAO',
'DAYTRADE?',
'PAPEL',
'QTD',
'PRECO',
])
rows.each { |row| sheet.add_row(row) }
sheet_path = "#{PDF_DIR}/_operacoes-#{Time.now.to_i}.xlsx"
package.serialize(sheet_path)
puts
puts "A planilha de operações foi gerada e salva em:"
puts sheet_path