我的编程空间,编程开发者的网络收藏夹
学习永远不晚

python 提取增值税电子发票信息

短信预约 -IT技能 免费直播动态提醒
省份

北京

  • 北京
  • 上海
  • 天津
  • 重庆
  • 河北
  • 山东
  • 辽宁
  • 黑龙江
  • 吉林
  • 甘肃
  • 青海
  • 河南
  • 江苏
  • 湖北
  • 湖南
  • 江西
  • 浙江
  • 广东
  • 云南
  • 福建
  • 海南
  • 山西
  • 四川
  • 陕西
  • 贵州
  • 安徽
  • 广西
  • 内蒙
  • 西藏
  • 新疆
  • 宁夏
  • 兵团
手机号立即预约

请填写图片验证码后获取短信验证码

看不清楚,换张图片

免费获取短信验证码

python 提取增值税电子发票信息

1.代码介绍

本代码的主要功能是通过弹窗传入一个文件夹路径(文件夹下存放pdf版本的增值税电子发票),然后就会解析文件夹下所有的发票,然后把提取后的信息写入到Excel中,最后Excel会保存在python文件的当前目录。
1.1 需要用到的python库
在这里插入图片描述

import osimport re import loggingimport tkinter as tkfrom tkinter import filedialogfrom datetime import datetimeimport pdfplumberimport pandas as pdfrom logging.handlers import RotatingFileHandler# 提取发票信息class ExtraInfo():    def __init__(self) -> None:        # 通过logger设置日志格式        logger = logging.getLogger()        logger.setLevel("INFO")        fh = RotatingFileHandler("run.log", maxBytes=1024*1024, backupCount=1, encoding="utf-8")  # <这里设置了日志最大只能为1M>, <备份数设为1, 如果不设则maxBytes不生效>, <输出到文件>        sh = logging.StreamHandler()  # <输出到控制台>        fh.setFormatter(logging.Formatter("%(asctime)s - %(name)s - %(levelname)s -%(module)s: %(message)s"))        sh.setFormatter(logging.Formatter("%(asctime)s - %(name)s - %(levelname)s -%(module)s: %(message)s"))        logger.addHandler(fh)  # <使fh生效>        # logger.addHandler(sh)  # <使sh生效>        self.logger = logger    @staticmethod    def extra_invoice_info(file_path):        text = ""        try:            with pdfplumber.open(file_path) as pdf:                page = pdf.pages[0]                text = page.extract_text()        except Exception as e:            print(f"出现异常:{file_path}-{e}")        finally:            return text        def analyze_invoice_info(self, pdf_dir):        ls_dir = os.listdir(pdf_dir)        ls_data = []        for i in ls_dir:            pdf_path = os.path.join(pdf_dir, i)            if pdf_path.endswith(".pdf"):                try:                    text = self.extra_invoice_info(pdf_path)                    mtime = os.path.getmtime(pdf_path) #修改时间                    文件修改时间 = datetime.fromtimestamp(int(mtime))                    名称 = re.findall(r"名\s{0,1}称\s{0,1}[:,:]\s{0,1}(.*?)\s", text, re.I|re.S)                    识别号 = re.findall(r"纳税人识别号[:, :]\s{0,1}(.*?)\s", text, re.I|re.S)                    开票项目名称 = re.findall(r"税\s{0,1}额\s{0,1}(.*?)\s", text, re.I|re.S)                    开票日期 = re.findall(r"开票日期\s{0,1}[:,:]\s{0,1}(.*?)日", text, re.I|re.S)                    发票号码 = re.findall(r"发票号码\s{0,1}[:,:]\s{0,1}(.*?)\s", text, re.I|re.S)                    价税合计 = re.findall(r".小写.[\s]{0,1}[\xa5,¥]\s{0,1}(.*?)\s", text, re.I|re.S)                    if not 价税合计:                        价税合计 = re.findall(r"小写\(cid:61\)[\xa5,¥]\s{0,1}(.*?)\s", text, re.I|re.S)                    if not 价税合计:                        价税合计 = re.findall(r"大写.\s{0,1}(.*?)\s", text, re.I|re.S)                    ret = [pdf_path, 文件修改时间, 名称[0], 名称[1], 识别号[0], 识别号[1], 开票项目名称[0], 开票日期[0].replace(" ", "")+"日", f"'{发票号码[0]}", f"'{价税合计[0]}"]                    ret = [str(k).replace(" ", "").replace("'", "") for k in ret]                except Exception as e:                    self.logger.warning(e)                    self.logger.warning([text])                    ret = [pdf_path, 文件修改时间, "", "", "", "", "", "", "", ""]                finally:                    self.logger.warning([text])                    self.logger.info(ret)                    ls_data.append(ret)        return ls_data    def to_excel(self, save_path, pdf_dir):        ls_data = self.analyze_invoice_info(pdf_dir)        df = pd.DataFrame(ls_data, columns=["文件路径", "文件修改时间", "购方名称", "销方名称", "购方识别号", "销方识别号", "开票项目名称" , "开票日期", "发票号码", "价税合计"])        writer = pd.ExcelWriter(save_path, engine='openpyxl')        df.to_excel(writer, sheet_name='Sheet1', startrow=0, startcol=0, index=False)        writer.save()# 弹窗获取文件夹class PopUp():    def __init__(self) -> None:        self.folder_path = ""        self.root = tk.Tk()        self.folder_label = tk.Label(self.root, text="请选择文件夹")        self.folder_label.pack(padx=5, pady=5)    def browse_folder(self):        self.folder_path = filedialog.askdirectory()        print(self.folder_path)        if self.folder_path:            self.folder_label.config(text=self.folder_path)    def pop_up(self):        self.root.title("上传文件夹")        self.root.geometry("300x150")        browse_button = tk.Button(self.root, text="浏览", command=self.browse_folder)        browse_button.pack(padx=5, pady=5)        upload_button = tk.Button(self.root, text="提交", command=self.root.destroy)        upload_button.pack(padx=5, pady=5)        self.root.mainloop()        return self.folder_pathif __name__ == '__main__':    pop = PopUp()    dir = pop.pop_up()    extra = ExtraInfo()    save_path = r"ouput.xlsx"    extra.to_excel(save_path, dir)

2.运行过程截图

1弹窗:点击“浏览”选择文件夹路径,然后点击“提交”即可!
在这里插入图片描述
2.2 生成的Excel
在这里插入图片描述
2.3 提取的效果
在这里插入图片描述

来源地址:https://blog.csdn.net/weixin_43744651/article/details/131090390

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

python 提取增值税电子发票信息

下载Word文档到电脑,方便收藏和打印~

下载Word文档

编程热搜

  • Python 学习之路 - Python
    一、安装Python34Windows在Python官网(https://www.python.org/downloads/)下载安装包并安装。Python的默认安装路径是:C:\Python34配置环境变量:【右键计算机】--》【属性】-
    Python 学习之路 - Python
  • chatgpt的中文全称是什么
    chatgpt的中文全称是生成型预训练变换模型。ChatGPT是什么ChatGPT是美国人工智能研究实验室OpenAI开发的一种全新聊天机器人模型,它能够通过学习和理解人类的语言来进行对话,还能根据聊天的上下文进行互动,并协助人类完成一系列
    chatgpt的中文全称是什么
  • C/C++中extern函数使用详解
  • C/C++可变参数的使用
    可变参数的使用方法远远不止以下几种,不过在C,C++中使用可变参数时要小心,在使用printf()等函数时传入的参数个数一定不能比前面的格式化字符串中的’%’符号个数少,否则会产生访问越界,运气不好的话还会导致程序崩溃
    C/C++可变参数的使用
  • css样式文件该放在哪里
  • php中数组下标必须是连续的吗
  • Python 3 教程
    Python 3 教程 Python 的 3.0 版本,常被称为 Python 3000,或简称 Py3k。相对于 Python 的早期版本,这是一个较大的升级。为了不带入过多的累赘,Python 3.0 在设计的时候没有考虑向下兼容。 Python
    Python 3 教程
  • Python pip包管理
    一、前言    在Python中, 安装第三方模块是通过 setuptools 这个工具完成的。 Python有两个封装了 setuptools的包管理工具: easy_install  和  pip , 目前官方推荐使用 pip。    
    Python pip包管理
  • ubuntu如何重新编译内核
  • 改善Java代码之慎用java动态编译

目录