WFM - Wow File Manager 📁🔍

Language / Idioma:
English | Español

---

English

Automated Academic File Manager - Intelligent system with graphical interface for automatic file organization and clustering of academic PDF documents using TF-IDF and K-means algorithms.

Key Features

• Automatic Type Classification: Organizes files into folders by extension (PDFs, documents, images, code, etc.)
• Intelligent Clustering: Groups PDF documents by content using TF-IDF + K-means
• Inverted Index: Efficient keyword search in PDF documents
• Graphical Interface: Intuitive GUI developed with PySide6/Qt
• Text Extraction: Robust PDF processing with PyMuPDF
• Advanced Filtering: Stopwords removal in Spanish and English
• Persistence: Saves indexes in JSON format for future sessions

Quick Start

Prerequisites

# Python 3.8 or higher
python --version

# Install dependencies
pip install PySide6 PyMuPDF scikit-learn

Installation

git clone https://github.com/RodrigoAlexander7/Automated_File_Manager.git
cd Automated_File_Manager
pip install -r requirements.txt

Basic Usage

# Run the application with graphical interface
python main.py

# Or run specific modules
python -m app.clustering  # For document clustering
python -m app.file_manager  # For file organization

Usage Example

# Input: Folder with disorganized files
/Documents/
├── calculo1.pdf
├── algoritmos.docx
├── imagen.jpg
├── codigo.py
└── presentacion.pptx

# Output: Automatically organized structure
/Documents/WFM_Organized/
├── pdf_files/
│   ├── calculo1.pdf
│   └── index.json  # Generated inverted index
├── other_files/
│   ├── docs_files/
│   │   └── algoritmos.docx
│   ├── media/
│   │   └── imagen.jpg
│   ├── code_files/
│   │   └── codigo.py
│   └── slides_files/
│       └── presentacion.pptx

Architecture

┌─────────────────┐    ┌─────────────────┐    ┌─────────────────┐
│    main.py      │───▶│    gui.py       │───▶│ file_manager.py │
│  (Entry Point)  │    │  (PySide6 GUI)  │    │ (Organization)  │
└─────────────────┘    └─────────────────┘    └─────────────────┘
         │                       │                       │
         ▼                       ▼                       ▼
┌─────────────────┐    ┌─────────────────┐    ┌─────────────────┐
│  pdf_reader.py  │───▶│   indexer.py    │───▶│  clustering.py  │
│  (PyMuPDF)      │    │ (Inverted Index)│    │ (TF-IDF+KMeans) │
└─────────────────┘    └─────────────────┘    └─────────────────┘
         │                       │                       │
         ▼                       ▼                       ▼
┌─────────────────┐    ┌─────────────────┐    ┌─────────────────┐
│   constant.py   │    │    utils.py     │    │   selector.ui   │
│ (Configuration) │    │  (Utilities)    │    │  (Qt Designer)  │
└─────────────────┘    └─────────────────┘    └─────────────────┘

Technologies

• Language: Python 3.8+
• GUI Framework: PySide6 (Qt for Python)
• PDF Processing: PyMuPDF (pymupdf)
• Machine Learning: scikit-learn (TF-IDF, K-means)
• Data Structures: defaultdict, frozenset, pathlib
• Serialization: JSON for index persistence
• Text Processing: Regex, stopwords filtering

Features

• Organization: Automatic classification by 8 different file types
• PDF Processing: Text extraction with bilingual stopwords filtering
• Clustering: Intelligent grouping of documents by content
• Interface: Modern and intuitive GUI with PySide6
• Accuracy: Effective clustering with optimized TF-IDF algorithms
• Formats: Support for PDF, DOC, DOCX, TXT, images, code, and more

Contributing

This project was developed as a final project for the Data Structures course, focused on University Social Responsibility (USR) to benefit the student community.

Development Team

• Data Structures course developers
• Participating academic institution

License

This project is under the MIT License - see the LICENSE file for more details.

Acknowledgments

Project developed applying advanced data structures to solve real document management problems in the university environment.

---

Español

Gestor de Archivos Académicos Automatizado - Sistema inteligente con interfaz gráfica para organización automática de archivos y clustering de documentos PDF académicos mediante algoritmos TF-IDF y K-means.

Características Principales

• Clasificación Automática por Tipo: Organiza archivos en carpetas por extensión (PDFs, documentos, imágenes, código, etc.)
• Clustering Inteligente: Agrupa documentos PDF por contenido usando TF-IDF + K-means
• Índice Invertido: Búsqueda eficiente por palabras clave en documentos PDF
• Interfaz Gráfica: GUI intuitiva desarrollada con PySide6/Qt
• Extracción de Texto: Procesamiento robusto de PDFs con PyMuPDF
• Filtrado Avanzado: Eliminación de stopwords en español e inglés
• Persistencia: Guarda índices en formato JSON para sesiones futuras

Inicio Rápido

Prerrequisitos

# Python 3.8 o superior
python --version

# Instalar dependencias
pip install PySide6 PyMuPDF scikit-learn

Instalación

git clone https://github.com/RodrigoAlexander7/Automated_File_Manager.git
cd Automated_File_Manager
pip install -r requirements.txt

Uso Básico

# Ejecutar la aplicación con interfaz gráfica
python main.py

# O ejecutar módulos específicos
python -m app.clustering  # Para clustering de documentos
python -m app.file_manager  # Para organización de archivos

Ejemplo de Uso

# Entrada: Carpeta con archivos desorganizados
/Documents/
├── calculo1.pdf
├── algoritmos.docx
├── imagen.jpg
├── codigo.py
└── presentacion.pptx

# Salida: Estructura organizada automáticamente
/Documents/WFM_Organized/
├── pdf_files/
│   ├── calculo1.pdf
│   └── index.json  # Índice invertido generado
├── other_files/
│   ├── docs_files/
│   │   └── algoritmos.docx
│   ├── media/
│   │   └── imagen.jpg
│   ├── code_files/
│   │   └── codigo.py
│   └── slides_files/
│       └── presentacion.pptx

Arquitectura

┌─────────────────┐    ┌─────────────────┐    ┌─────────────────┐
│    main.py      │───▶│    gui.py       │───▶│ file_manager.py │
│  (Entry Point)  │    │  (PySide6 GUI)  │    │ (Organization)  │
└─────────────────┘    └─────────────────┘    └─────────────────┘
         │                       │                       │
         ▼                       ▼                       ▼
┌─────────────────┐    ┌─────────────────┐    ┌─────────────────┐
│  pdf_reader.py  │───▶│   indexer.py    │───▶│  clustering.py  │
│  (PyMuPDF)      │    │ (Inverted Index)│    │ (TF-IDF+KMeans) │
└─────────────────┘    └─────────────────┘    └─────────────────┘
         │                       │                       │
         ▼                       ▼                       ▼
┌─────────────────┐    ┌─────────────────┐    ┌─────────────────┐
│   constant.py   │    │    utils.py     │    │   selector.ui   │
│ (Configuration) │    │  (Utilities)    │    │  (Qt Designer)  │
└─────────────────┘    └─────────────────┘    └─────────────────┘

Tecnologías

• Lenguaje: Python 3.8+
• GUI Framework: PySide6 (Qt for Python)
• PDF Processing: PyMuPDF (pymupdf)
• Machine Learning: scikit-learn (TF-IDF, K-means)
• Data Structures: defaultdict, frozenset, pathlib
• Serialization: JSON para persistencia de índices
• Text Processing: Regex, stopwords filtering

Características

• Organización: Clasificación automática por 8 tipos de archivos diferentes
• Procesamiento PDF: Extracción de texto con filtrado de stopwords bilingüe
• Clustering: Agrupación inteligente de documentos por contenido
• Interfaz: GUI moderna e intuitiva con PySide6
• Precisión: Clustering efectivo con algoritmos TF-IDF optimizados
• Formatos: Soporte para PDF, DOC, DOCX, TXT, imágenes, código, y más

Contribución

Este proyecto fue desarrollado como trabajo final del curso de Estructuras de Datos, enfocado en Responsabilidad Social Universitaria (RSU) para beneficiar a la comunidad estudiantil.

Equipo de Desarrollo

• Desarrolladores del curso de Estructuras de Datos
• Institución académica participante

Licencia

Este proyecto está bajo la Licencia MIT - ver el archivo LICENSE para más detalles.

Reconocimientos

Proyecto desarrollado aplicando estructuras de datos avanzadas para resolver problemáticas reales de gestión documental en el ámbito universitario.

---

¿Te fue útil? ¡Dale una estrella al repositorio :)!
Was this helpful? Give the repository a star :)!