AzureDocIntelligence

Projeto em .NET 8 para análise de documentos usando Azure Document Intelligence.
Ele processa PDFs e imagens, extrai informações e salva os resultados em JSON. Foi criado um modelo próprio para analisar e extrair informações de faturas da Equatorial e DMAE.

---

📂 Estrutura do Projeto

AzureDocIntelligence/
│
├── src/
│   └── AzureDocIntelligence/
│       ├── Services/              # Serviços de análise e processamento
│       ├── Config/                # Configuração do ambiente e paths
│       ├── Utils/                 # Utilitários genéricos
│       ├── Documents/             # Pasta de entrada de documentos (PDFs, imagens)
│       ├── ExtractedDocuments/    # Saída dos documentos analisados (JSON)
│       ├── appsettings.json       # Configurações do Azure
│       └── Program.cs             # Ponto de entrada
│
└── test/
    └── AzureDocIntelligence.Tests/ # Testes de integração/unitários

---

⚙️ Configuração

1. No arquivo appsettings.json dentro de src/AzureDocIntelligence/ coloque suas credenciais do Azure:

{
  "AzureDocumentIntelligence": {
    "Endpoint": "https://SEU-ENDPOINT.cognitiveservices.azure.com/",
    "ApiKey": "SUA-CHAVE-DO-AZURE"
  }
}

2. Adicione seus documentos na pasta:

src/AzureDocIntelligence/Documents/

---

▶️ Validações e Formatos Aceitos

• Arquivos suportados: .pdf, .jpg, .jpeg, .png
• Tamanho máximo: 4 MB por arquivo
• Validações realizadas:
  • Verifica se a pasta de entrada existe
  • Verifica se arquivos possuem extensão suportada
  • Verifica tamanho máximo dos arquivos
  • Garante que o arquivo existe antes de enviar para análise

---

▶️ Possíveis erros

• Arquivo não encontrado (FileNotFoundException)
• Arquivo maior que 4 MB (avisado no console e log)
• Arquivo com extensão não suportada (avisado no console e log)
• Erros do Azure Document Intelligence (capturados e salvos no log JSON)

---

▶️ Formato do Output

• Cada documento processado gera um arquivo .json em ExtractedDocuments/
• O JSON contém todos os campos extraídos do documento
• Todos os erros são registrados em um arquivo de log JSON, incluindo:
  • Nome do arquivo
  • Mensagem de erro

---

▶️ Como Executar Localmente

Na raiz do projeto (src/AzureDocIntelligence), rode:

dotnet run

O programa vai:

1. Ler todos os arquivos em Documents/
2. Validar arquivos e registrar erros em log
3. Enviar arquivos válidos para o Azure Document Intelligence
4. Gerar arquivos .json em ExtractedDocuments/
5. Mover arquivos processados para uma subpasta Processed/

---

▶️ Executando com Docker Compose

1. Build do container

docker-compose build

2. Rodar o container

docker-compose up

3. Parar o container

docker-compose down

Coloque os arquivos na pasta Documents/ e os resultados aparecerão em ExtractedDocuments/.

---

▶️ Próximos Passos para Escalabilidade

• Recebimento de arquivos via API
• Armazenamento de arquivos no Azure Blob Storage
• Controle de diretórios e arquivos via banco de dados, associando cada arquivo ao usuário
• Envio dos dados extraídos via fila de mensagens (ex.: Azure Service Bus)
• Possibilitar que áreas de dados consumam e organizem informações para planejamento estratégico
• Exemplo de arquitetura real para o problema apresentado:

---

📌 Observações

• Projeto funciona tanto localmente quanto em Docker
• Limite de 4 MB por arquivo devido ao plano gratuito do Azure Document Intelligence
• Console exibe mensagens de processamento e erros, enquanto logs detalhados são gravados em JSON