Preciso extrair de um texto puro o total do valor de um acordo. Eu tenho centenas de documentos com alguns valores, e percebi que geralmente o maior valor é também o valor total do acordo, mas em alguns casos, não.
def ata_values(text):
padrao = re.findall(r'\$\s*(\d{1,3}(?:\.?\d{1,3})+(?:\,\d{2})?)', text)
padrao = [p.replace('.', '') for p in padrao]
padrao = [p.replace(',', '.') for p in padrao]
padrao = [float(p) for p in padrao]
return padrao, max(padrao)
isso me retorna:
([2500.0, 833.33, 833.33, 833.34, 2500.0], 2500.0)
([1000.0, 800.0, 200.0, 1000.0], 1000.0)
([280.0, 14000.0, 21000.0], 21000.0) 21000.0)
([3000.0, 15000.0, 7000.0, 7000.0, 7000.0, 700.0, 700.0, 700.0, 700.0, 700.0, 700.0, 700.0, 700.0, 700.0, 700.0, 750.0, 750.0, 750.0, 1083.33, 1200.0, 1600.0, 1616.67, 140.0], 15000.0)
sendo a primeira lista padrao com todos os valores encontrados, e o segundo max(padrao) é o maior valor de cada lista. Neste exemplo as duas primeiras linhas estão corretas, mas as duas ultimas não, nessas o segundo maior é o correto. Percebi que na maioria das listas que tenho esse erro, existe um padrao, a lista contem o valor total mais um valor que corresponde a 2% do valor total.
Como eu poderia verificar antes de pegar os valores maximos, se existe dentro de cada lista um numero X mais um número que corresponde a 0.02*X?
for x in padrao:
for y in padrao:
if x == y*0.02:
return x
else:
return max(padrao)