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
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
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!
2.2 生成的Excel
2.3 提取的效果
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