Invoice Extractor

Microservicio de extracción de facturas que recibe un PDF o una URL de documento, invoca un modelo de IA para obtener campos estructurados y persiste el resultado en SQLite.

Requisitos

• Python 3.11+
• Dependencias definidas en pyproject.toml
• Variable de entorno OPENAI_API_KEY
• Instalar dependencias con uv sync o python -m pip install -e .
• Si no tienes uv, instálalo con python -m pip install uv

Configuración

1. Copia .env.example o crea un archivo .env en la raíz.
2. Establece OPENAI_API_KEY con la clave de OpenAI.
3. Opcionalmente ajusta:
   • OPENAI_MODEL (por defecto gpt-4o-mini)
   • DATABASE_URL (por defecto sqlite:///invoice.db)
   • REQUEST_TIMEOUT en segundos

Ejecución

uv run python main.py

El servidor se expone en http://0.0.0.0:8000.

Endpoints

POST /extract

Extrae una factura desde un archivo o una URL.

• Recibe multipart form-data con file (PDF, PNG, JPEG)
• O recibe url como parámetro de consulta

Ejemplos:

curl -F "file=@invoice.pdf" http://localhost:8000/extract

curl "http://localhost:8000/extract?url=https://example.com/invoice.pdf"

Respuesta:

• status: ok, revisar, error
• invoice: campos extraídos
• validation_errors: lista de problemas detectados
• processing_time_ms

GET /extractions

Devuelve las extracciones almacenadas en la base de datos.

curl http://localhost:8000/extractions

Qué se implementó

• POST /extract con soporte de archivo e URL
• validación de consistencia entre total, conceptos e IVA
• persistencia en SQLite
• GET /extractions
• manejo de errores de entrada y descarga remota
• pruebas unitarias básicas
• DEFINICION_DE_DONE.md con lista de criterios

Limitaciones actuales

• No hay autenticación ni autorización
• No hay cola de procesamiento o reintentos automatizados
• No hay monitoreo ni alertas de producción
• Se requiere una clave de OpenAI válida
• No hay validación avanzada de moneda o impuestos

Pruebas

pytest