发票数据提取器

使用豆包AI生成

概述

发票数据提取器是一个基于 Python 的工具，旨在从发票 PDF 文件中提取关键信息，并将这些信息整理到 Excel 电子表格中，以便于分析和记录保存。

主要功能

• 发票号码：从 PDF 文件中提取发票号码。
• 开票日期：识别并获取发票的开票日期。
• 项目名称：提取与发票相关的项目名称。
• 价税合计：定位并提取以小数格式呈现的价税合计金额。

数据整理

• 将从多个发票 PDF 文件中提取的数据进行组织，并写入 Excel 电子表格。电子表格包含表头，便于识别每个数据字段。
• 对 Excel 电子表格进行格式设置，包括设置列宽、添加边框，以及对数值进行格式化.

前提条件

Python 环境

系统上安装有 Python 3.11.9（或兼容版本）。
使用pip安装这些下 Python 库：
pymupdf（用于 PDF 文本提取）。
openpyxl（用于 Excel 文件的创建和操作）。
PyInstaller（若计划创建可执行文件）。

windows 环境

Windows 操作系统（由 PyInstaller 生成的可执行文件适用于 Windows）。
有足够的磁盘空间来存储输入的 PDF 文件、生成的 Excel 文件以及可执行文件本身。

使用方法

Python 环境

1. 准备输入文件：
   将所有发票 PDF 文件放置在与 Python 脚本相同目录下的名为document的文件夹中。
2. 运行脚本：
   打开终端或命令提示符。 导航到pypdf.py脚本所在的目录。 使用以下命令运行脚本：

python pypdf.py

3. 检查输出：
   脚本执行完成后，会在同一目录下的名为data的文件夹中创建一个名为包含实时时间的 Excel 文件。此文件将包含提取的发票数据。

Windows 环境

1. 下载可执行文件：
   从GitHub 仓库的发布页面下载预编译的可执行文件。
2. 准备输入文件：
   在下载的可执行文件所在的同一目录中创建一个名为document的文件夹。将所有发票 PDF 文件放入document文件夹中。
3. 运行可执行文件：
   双击可执行文件（名为pypdf.exe）。执行过程中可能会短暂出现一个控制台窗口。一旦处理完成，会在与可执行文件相同目录下的名为data的文件夹中创建一个名包含实时时间的 Excel 文件。

下载

Python 脚本

可以从GitHub 仓库的源代码部分直接下载pypdf.py脚本。

可执行文件

如上所述，适用于 Windows 的可执行文件（pypdf.exe）可从GitHub 仓库的发布页面下载。请确保选择适合您系统的版本。

修改

Python 脚本

如果您希望修改脚本以适应不同的 PDF 格式或提取其他信息，您可以直接编辑pypdf.py文件。

可执行文件

如果您希望修改脚本以适应不同的 PDF 格式或提取其他信息，您可以直接编辑pypdf.py文件，然后使用PyInstaller重新编译可执行文件。编译后的可执行文件位于dist目录下。

 pyinstaller --onefile  --icon=pypdf.ico pypdf.py