Automatização de pré-processamento de textos para o IRaMuTeQ

Este projeto organiza e processa arquivos PDF para gerar corpus textuais compatíveis com o IRaMuTeQ. O Makefile simplifica a configuração do ambiente e execução do pipeline.

iramuteq_preprocessor/
├── .venv/                  # Ambiente virtual Python (gerado automaticamente)
├── pdf_files/              # ⚠️ Pasta para usuário colocar arquivos PDF de entrada
├── iramuteq_corpus/        # ✅ Pasta gerada com os textos processados (outputs)
├── src/                    # Código-fonte do pré-processador
│   └── iramuteq_preprocessor/
│       ├── main.py         # Script principal
│       └── (outros módulos)
├── pyproject.toml          # Dependências gerenciadas pelo Poetry
├── Makefile                # Automação de tarefas
└── README.md               # Este guia

git clone [URL_DO_REPOSITÓRIO]
cd iramuteq_preprocessor

mkdir -p pdf_files iramuteq_corpus

make setup

O que isso faz?
✔ Instala Python e Poetry (se necessário)
✔ Cria ambiente virtual (.venv)
✔ Instala dependências do projeto

Coloque os arquivos a serem processados em:

pdf_files/
  ├── documento1.pdf
  ├── documento2.pdf
  └── ...

make run

Saídas geradas em:

iramuteq_corpus/
  ├── documento1_iramuteq.txt
  ├── documento2_iramuteq.txt
  └── ...

Copie os textos processados (iramuteq_corpus/*.txt) para análise no software.

Crie a pasta manualmente:

mkdir pdf_files

Reinstale as dependências:

make install-deps

Ative-o com:

eval "$(make activate)"

1. Locais das pastas: Ajuste os caminhos em src/iramuteq_preprocessor/main.py.
2. Regras de processamento: Edite os módulos em src/.

✅ Organize os PDFs em subpastas dentro de pdf_files/ se necessário.
✅ Verifique os outputs em iramuteq_corpus/ antes de usar no IRaMuTeQ.
✅ Sempre use make run para garantir o processamento correto.

Pronto! Agora você pode converter PDFs em corpus textuais de forma automatizada.
Para dúvidas, consulte a documentação do IRaMuTeQ.