🧾 Name Finder

Ferramenta em Python para validar automaticamente se nomes de pessoas presentes em uma base de referência (.txt) aparecem em arquivos PDF (digitais ou escaneados).

O projeto combina extração de texto nativa (PDF digital) com OCR via IA (EasyOCR), utilizando CPU ou GPU de forma automática.

---

🚀 Funcionalidades

• 📂 Detecção automática da pasta com PDFs

• 📄 Leitura de PDFs digitais (PyMuPDF)

• 🤖 OCR inteligente para PDFs escaneados (EasyOCR)

• 🧠 Uso automático de GPU (CUDA) quando disponível

• 🌍 Suporte a idioma PT / EN (detectado pelo sistema)

• 🗂️ Organização automática dos arquivos em:

  • NAMES_FIND/ → PDFs com nome encontrado
  • NAMES_NOT_FIND/ → PDFs sem nome encontrado

• 📊 Relatório final com métricas de processamento

---

📁 Estrutura do Projeto

NAME_FINDER/
├── documents/            # Pasta com PDFs (entrada)
├── NAMES_FIND/           # PDFs com nome encontrado (gerado)
├── NAMES_NOT_FIND/       # PDFs sem nome encontrado (gerado)
├── info.txt              # Base de nomes (1 nome por linha)
├── script.py             # Script principal
├── requirements.txt      # Dependências
├── LICENSE
└── README.md

---

📌 Pré-requisitos

• Python 3.9+
• CUDA (opcional, para uso de GPU)

---

📦 Instalação

pip install -r requirements.txt

⚠️ Em ambiente com GPU, certifique-se de que o PyTorch com CUDA está corretamente instalado.

---

📝 Arquivo de Referência (.txt)

• Deve estar na raiz do projeto

O sistema filtra automaticamente:

• Nomes corporativos (LTDA, S/A, EPP, etc.)
• Entradas inválidas ou curtas

---

▶️ Execução

python script.py

O sistema irá:

1. Detectar idioma e hardware
2. Carregar a base de nomes
3. Processar todos os PDFs
4. Separar os arquivos por resultado
5. Exibir relatório final

---

📊 Relatório Gerado

• Total de nomes válidos carregados
• Tempo total de execução
• Tempo médio por arquivo
• Quantidade de PDFs encontrados / não encontrados
• Hardware utilizado (CPU ou GPU)

---

🧠 Tecnologias Utilizadas

• Python
• PyMuPDF (fitz)
• EasyOCR
• OpenCV
• NumPy
• PyTorch

---

⚠️ Observações

• O OCR analisa apenas as 2 primeiras páginas de cada PDF (otimização de performance)
• Quanto melhor a qualidade do PDF escaneado, maior a taxa de acerto