PDF/OFD电子发票解析InvoiceParse

PDF/OFD电子发票解析InvoiceParse可以将OFD专用电子发票及PDF普通电子发票等发票信息提取至excel，让各位可以根据更加直观的图表的方式，来分析和计算发票上的数据内容，而无需一个个的点开文件，查看并记录，大大提高了工作效率！

软件简介

因工作原因需要转换电子发票，而且量大，上网搜索了很多，发现一个比较好用的，特来分享。

功能说明

输入PDF电子发票所在路径，程序遍历路径下所有PDF电子发票（可以存在目录），读取并把主要一些信息写入Excel中。

使用说明

1、下载后解压，得到一个文件和一个文件夹

2、直接运行exe文件（res文件夹中的内容不要动，res文件夹保留与exe文件在同一目录；Excel文件不要编辑，也不要删除，它是作为Excel样式模板而存在，没有这个文件会报错）

3、说明：此程序是在windows10下打包，不保证其他版本操作系统能够运行。

4、输入PDF电子发票所在路径

5、程序就会解析了（测试机上每秒解析3-4个）

6、去PDF文件目录下就可以找到生产的Excel文件了

7、打开Excel就可以看到提取到的信息了。提取的信息如下：

8、说明：1）、此程序仅在windows10下测试，其他操作系统很可能无法运行。2）、若某些电子发票存在限制复制内容，那么此程序无法读取其内容。

使用的程序语言

1）、python

2）、使用到的主要第三方包：

Excel读写：xlrd、xlutils、

PDF文件读取及信息提取：pdfplumber、re、matplotlib（调试时可视化用）

OFD文件读取及信息提取：zipfile、xml.dom.minidom

主要思路

1）、PDF发票提取

①、使用pdfplumber读取pdf文件中的txt，使用re匹配关键字，提取绝大部分字段的信息（各pdf发票格式差异较大，需要使用多种匹配方式去提取）

②、使用pdfplumber读取pdf中的lines、edges、curves等，算出pdf中的表格定位点（各pdf差异较大，需要去尝试多种方案），再通过定位点，在pdf中提取特定区域的文字（比如，备注，货物清单）

2）、OFD发票提取

①、OFD是压缩文件，使用zipfile解压

②、使用xml.dom.minidom读取解压后的Doc_0/Attachs/original_invoice.xml等xml文件，提取信息

3）、Excel写入

①、使用xlrd读取模板Excel文件，使用xlutils复制格式等

其他说明

1）、OFD发票测试样本太少，可能存在解析不了的

2）、部分字段可能存在提取不正确或缺失

3）、遇到提取失败或者部分字段提取失败的，可以联系我，并提交对应文件给我，我可以调试下。

4）、使用说明，请下载后看 使用说明.txt。