Daten aus Elster PDF automatisiert auslesen und in CSV ausgeben

<#
	Inhalte von PDFs eines Ordners auslesen und in CSV schreiben
#>

# QUellordner mit PDFs
$SOURCEFOLDER = "D:\Steuererklärungen"  
# Ausgabepfad für die CSV
$CSVTARGET = "D:\steuer.csv"  
# Liste der zu extrahierenden Tokens
$EXTRACTLIST = @(
    'Identifikationsnummer'  
    'Name'  
    'Vorname'  
    'Geburtsdatum'  
    'Straße (derzeitige Adresse)'  
    'Postleitzahl'  
    'Wohnort'  
    'Religion',  
    'Ausgeübter Beruf'  
    'IBAN'  
    'BIC'  
    'Geldinstitut und Ort'  
)
# =======================================

# Mindestens PS 3.0 erforderlich
if ($PSVersionTable.PSVersion.Major -lt 3){write-host "ERROR: Minimum Powershell Version 3.0 is required!" -F Yellow; return}    
$ErrorActionPreference = 'Stop'  

# Funktion zum Laden des iTextSharp Assemblies
function Load-iTextLibrary {
    if($psscriptroot -ne ''){  
        $localpath = join-path $psscriptroot 'itextsharp.dll'  
    }else{
        $localpath = join-path $env:TEMP 'itextsharp.dll'  
    }
    $zip = $null;$tmp = ''  
    try{
        if(!(Test-Path $localpath)){
            # Accept all TLS protocols
            [System.Net.ServicePointManager]::SecurityProtocol = [System.Net.SecurityProtocolType]::GetNames([System.Net.SecurityProtocolType]) 
            Add-Type -A System.IO.Compression.FileSystem
            $tmp = "$env:TEMP\$([IO.Path]::GetRandomFileName())"  
            write-host "Downloading and extracting required 'iTextSharp.dll' ... " -F Green -NoNewline  

            (New-Object System.Net.WebClient).DownloadFile('https://www.nuget.org/api/v2/package/iTextSharp/5.5.13.1', $tmp)  
            $zip = [System.IO.Compression.ZipFile]::OpenRead($tmp)
            $zip.Entries | ?{$_.Fullname -eq 'lib/itextsharp.dll'} | %{  
                [System.IO.Compression.ZipFileExtensions]::ExtractToFile($_,$localpath)
            }
            Unblock-File -Path $localpath
            write-host "OK" -F Green   
        }
        Add-Type -Path $localpath
    }catch{
        throw "Error: $($_.Exception.Message)"  
    }finally{
        if ($zip){$zip.Dispose()}
        if ($tmp -ne ''){del $tmp -Force -EA SilentlyContinue}  
    }
}
# iText Library laden
Load-iTextLibrary

# auch geschütze PDFs öffnen aktivieren
[iTextSharp.text.pdf.PdfReader]::unethicalreading = $true

# für jede PDF Datei im Quellordner
foreach($file in Get-ChildItem $SOURCEFOLDER -File -Filter *.pdf){
    $reader = $null
    try {
        write-host "Extracting data from '$($file.Fullname)' ... " -NoNewline -F Green  
        # PDF Reader Object erstellen
        $reader = New-Object iTextSharp.text.pdf.PdfReader $file.Fullname
        # Inhalt des PDFs exrahieren
        $content = 1..($reader.NumberOfPages) | %{
            [iTextSharp.text.pdf.parser.PdfTextExtractor]::GetTextFromPage($reader,$_)
        }
        # hashtable erstellen
        $obj = [ordered]@{}
        # für jedes Suchtoken
        foreach($token in $EXTRACTLIST) {
            # extrahiere Daten und weise sie dem Suchtoken zu
            $obj.$token = [regex]::match($content,"(?ism)^$([regex]::Escape($token))\s+([^\r\n]+)").Groups[1].Value.trim()  
        }
        # erstelle custom object aus der Hashtable und exportiere die Daten in die CSV-Datei
        [pscustomobject]$obj | export-csv $CSVTARGET -Delimiter ";" -NoType -Encoding UTF8 -Append  
        write-host "OK" -F Green  
    }catch{
        write-host $_.Exception.Message -F Red
    }finally{
        # cleanup
        if($reader){$reader.Dispose()}
    }
}