OFD及PDF普通电子发票批量解析

程序说明： 1、本程序，可以从PDF和OFD文件中提取发票字段信息。 2、本程序使用Python语言开发，使用Windows10 64打包。可运行在Windows10 64位电脑上。 3、使用到的第三方包： 1）、pdfplumber PDF文字信息提取 2）、PyMuPDF PDF转图片 3）、opencv_python PDF文件中表格信息识别处理 4）、xlrd、xlwt、xlutils Excel读取、写入、复制 5）、PyInstaller Python程序打包为exe文件 4、该程序在本人编写的部分无任何恶意代码，但不保证使用到的第三方包中也不存在恶意代码。部分软件可能会报病毒，对此有意见的话，请勿使用；也不要来问我，为啥软件报病毒。 5、源代码无技术含量，不要问我要源代码。但可以交流沟通遇到的问题、解决思路。 6、程序处理大概思路： 1）、OFD发票:解压OFD文件，读取其中的xml文件，直接提取相关字段信息。 2）、PDF发票： ☆1、使用PyMuPDF 将PDF文件转换为图片 ☆2、使用opencv_python 将图片中的表格交叉点提取出来 ☆3、使用pdfplumber 读取所有文字信息 ☆4、将步骤3中的提取到文字，配合步骤2中提取到的坐标，一个区域一个区域的提取文字，并对文字进行按行排序；再结合正则表达式等提取对应字段的信息 3）、提取到的信息，写入Excel文件 两种使用方式： 1、直接运行exe文件，按照提示输入pdf、ofd文件所在路径即可 2、使用命令行形式进行调用，可以参考 InvoiceParse.bat ，传入一个参数“pdf发票所在路径”，即可（传入多个，也仅仅只会取第一个）。 需要注意的是，bat文件请使用GBK编码，否则中文路径存在乱码。可以直接复制 InvoiceParse.bat，修改为自己需要的。 3、货物清单说明 1）、每一行对应一种货物 2）、每个字段使用 ψ 分割 3）、每行的字段顺序如下：序号,项目名称,规格型号,单位,数量,单价,金额,税率,税额 4、已知问题 1）、部分发票下面有额外的广告，提取信息会失败 2）、部分发票，有提取限制，提取会失败（可以使用“福昕阅读器”打开pdf后，产看“文档属性”-“安全”-“内容复制”-“不允许”） 3）、部分发票文件，内部其实为一张图片（可以使用“福昕阅读器”打开pdf后，不能复制其中的文字） 4）、部分发票，“地址、电话”，或“销售清单”中的“货物或应税劳务、服务名称”，由于字体太小或折行不是很正常，导致存在提取缺失或文字混乱 5、自定义Excel公式说明 若需要将自定义Excel写入结果Excel文件中，可以修改“res”目录下《自定义公式配置.txt》文件。 需要说明的是，经测试，只能支持简单的Excel公式。可以跨行的公式，如 CONUTIF等都不支持。大家自行测试可以使用哪些公式。 《自定义公式配置.txt》中，第一个公式为生成文件改名命令的公式（此公式是将原文件名，改为“开票日期-发票号码-货物品类-金额.pdf”），大家可以根据自己的需求修改。 以这个公式为例，教大家自己配置公式： ☆大家先在Excel写好自己需要的Excel公式，并将公式复制出来，如下： ="ren "&A2&" "&TEXT(H2,"emmdd")&"-"&F2&"-"&MID(AB2,5,2)&"-"&T2&".pdf" ☆将公式中的第一个“=”去掉 ☆再将公式中为“行编号”的数字替换为“{{行号}}”，得到结果如下： "ren "&A{{行号}}&" "&TEXT(H{{行号}},"emmdd")&"-"&F{{行号}}&"-"&MID(AB{{行号}},5,2)&"-"&T{{行号}}&".pdf" ☆将修改后的公式配置到《自定义公式配置.txt》中即可 特别说明 该功能，本人觉得没啥用，也不好用。不要咨询我该功能不会用、不好用、报错的问题。 对Excel公式不了解的，不要来问我。 配置Excel公式后，报错的，不要来问我为啥报错。请把自己配置的公式删掉即可。 其他说明： 1、本程序免费供大家下载和使用 2、大家有建议或希望沟通交流，可以通过程序首页中邮箱反馈，或通过20210808的文章中的方式联系。 3、有空的时候可以帮大家进行小的改动和优化 4、不要轻易在联系我时说“有偿优化”。