用Python批次識別發票並錄入到Excel表格
。對於
財務專業
等學生或者
公司財務
人員來說,將報賬發票等彙總到excel簡直就是一個
折磨
。
尤其是到
年底
的時候,公司的財務人員面對一大堆的發票簡直就是
苦不堪言
。正好我們學會了Python,我們應該將Python的優勢發揮起來。
01
場景描述
這裡有以四張發票為例(辰哥網上搜的),將發票圖片放到pic資料夾下。
隨便開啟一張發票
提取目標:
金額
、
名稱
、
納稅人識別號
、
開票人
。
最後將每一張發票的這四個內容儲存到excel中:
02
準備環境
需要用到的庫如下:
from PIL import Image as PIimport pyocrimport pyocr。buildersfrom cnocr import CnOcr
安裝的命令如下:
pip install pyocrpip install cnocr
發票中含有中文內容,我們需要對圖片中的中文進行識別,那麼 cnocr 是一個不錯的選擇。
提示
:安裝好上面的庫之外,還需要安裝額外的exe檔案,不然會出現下面這種錯誤
需要安裝的exe檔案:
ImageMagick
tesseract-OCR
這兩個軟體的安裝過程就不再贅述了,大家可以自行搜尋教程進行安裝。
03
提取內容
下面以其中一張圖片為例,講解如何提取目標內容:
金額
、
名稱
、
納稅人識別號
、
開票人
。
讀取圖片:
pic/pic1.jpg
tool = pyocr。get_available_tools()[0]img_url = “pic/pic1。jpg”with open(img_url, ‘rb’) as f: a = f。read()new_img = PI。open(io。BytesIO(a))
1。提取金額
需要擷取到發票中
金額
的位置
## 金額left = 741top = 420right = 850bottom = 445image_text1 = new_img。crop((left, top, right, bottom))#展示圖片image_text1。show()
這裡的left、top、right、bottom的數值是透過
多次修改定位而來
。大家根據自己的發票內容去定位即可。
接著將
圖片中的數字提取出來
同樣的,下面繼續提取:
名稱
2。提取名稱
left = 155top = 450right = 450bottom = 470image_obj2 = new_img。crop((left, top, right, bottom))image_obj2。show()
這裡的名稱是中文的,咱們不能再像提取金額(
數字
)操作。需要使用到cnocr去將圖片中的中文取出。
image_obj2。save(“tmp。jpg”)ocr = CnOcr()res = ocr。ocr(“tmp。jpg”)print(“”。join(res[0]))
3。提取納稅人識別號
#納稅人識別號left = 155top = 470right = 450bottom = 490image_text3 = new_img。crop((left, top, right, bottom))#展示圖片image_text3。show()
txt3 = tool。image_to_string(image_text3)print(txt3)
將圖片中的納稅人識別號提取出來,結果如下:
4。提取開票人
left = 528top = 550right = 670bottom = 600image_obj4 = new_img。crop((left, top, right, bottom))image_obj4。show()
image_obj4。save(“tmp。jpg”)ocr = CnOcr()res = ocr。ocr(“tmp。jpg”)print(“”。join(res[0]))
由於有中文,咱們這裡同樣和提取
名稱
一樣,使用cnocr將圖片中的中文取出。
ok這樣我們就將發票中的四個目標內容提取出來,接著將
資料夾pic
下的所有發票,進行識別將內容儲存到excel。
04
批次識別發票並儲存到excel
在讀取圖片之前,先將上面的四個操作封裝成函式,方便每一種發票物件進行呼叫。
讀取資料夾下的所有圖片。
filePath = ‘pic’pic_name = []for i,j,name in os。walk(filePath): pic_name = namefor i in pic_name: print(i)
開始進行識別,並將結果寫入到excel中。
for i in pic_name: img_url = filePath+“/”+i with open(img_url, ‘rb’) as f: a = f。read() new_img = PI。open(io。BytesIO(a)) ## 寫入csv outws。cell(row=count, column=1, value=text2(new_img)) outws。cell(row=count, column=2, value=text3(new_img)) outws。cell(row=count, column=3, value=text1(new_img)) outws。cell(row=count, column=4, value=text4(new_img)) count = count + 1outwb。save(“發票彙總-李運辰。xls”) # 儲存結果
最後儲存為:
發票彙總-李運辰。xls
,其結果如下:
05
發票驗證真偽
在辰哥的交流群裡,和小夥伴聊到這個內容時,小夥伴建議可以加一個功能:
發票驗證真偽
。
所以在上面的開始識別之前(
自己公司的發票可能不需要查驗這步
),先呼叫一下第三方的介面,對發票進行識別,識別透過之後再將其提取發票中目標內容。
1。申請百度AI應用
2。獲取token
# client_id 為官網獲取的AK, client_secret 為官網獲取的SKhost = ‘https://aip。baidubce。com/oauth/2。0/token?grant_type=client_credentials&client_id=【官網獲取的AK】&client_secret=【官網獲取的SK】’response = requests。get(host)if response: print(response。json()[‘access_token’]
這裡的client_id 為官網獲取的AK, client_secret 為官網獲取的SK,是上面申請好應用即可獲取
3。查驗
咱以這張圖片為例,進行查驗
其中的發票型別對應如下:
結果如下:
感覺這個結果查詢不是很好(不詳細)。下面還可以去
稅務局
查詢
4。稅務局查詢發票
同樣以這張圖片為例,進行查驗
填寫好資訊點選查驗,結果如下:
在稅務局查驗更加清晰。讀者可以根據自己的情況去選擇自己的方式去查驗。
06
小結
本文基本就成功實現目標要求,從效果來看還是非常不錯的!完整原始碼可由文中程式碼組合而成(已全部分享在文中),感興趣的讀者可以自己嘗試!
一定要
動手嘗試!
一定要
動手嘗試!
一定要
動手嘗試!
最後想說的是,其實本文的案例可以
應用在其他方面
,例如
批次計算發票金額彙總
根據發票型別批次分類
........