SFCR_Extraction/03 - Scripts/test_ollama.py

import os
import ollama
from pdf2image import convert_from_path

# Chemin du PDF
script_dir = os.path.dirname(os.path.abspath(__file__))
pdf_path = os.path.join(
    script_dir,
    "..",
    "01 - Sources",
    "2025",
    "CNP Assurances-SFCR-Solo-2025.pdf"
)

# Pages à traiter
pages = [90]

prompt = """Extrais uniquement les cellules contenant :
- des codes de lignes (ex: R0010, R0020...)
- des codes de colonnes (ex: C0010, C0020...)
- des valeurs numériques (nombres, %, montants)

Ignore complètement tout texte descriptif.

Pour chaque cellule retourne :
- R : numéro de ligne dans le tableau
- C : numéro de colonne dans le tableau
- value : contenu exact de la cellule

Aucun commentaire, aucun texte supplémentaire.
"""

for page in pages:
    # Convertir une page PDF en image
    images = convert_from_path(pdf_path, first_page=page, last_page=page,dpi=80)
    
    image_path = f"page_{page}.png"
    images[0].save(image_path, "PNG")

    # Appel au modèle Ollama (Qwen-VL)
    response = ollama.chat(
        model="minicpm-v",
        messages=[
            {
                "role": "user",
                "content": prompt,
                "images": [image_path]
            }
        ]
    )

    print(f"Page {page} :")
    print(response["message"]["content"])