OFD专用电子发票及PDF普通电子发票-批量解析V1.5

      新版小工具终于开发完了。这一版本，之前有些用户提到的备注区、货物清单基本上已经支持。由于此版本耗费了大量精力，这一版本之后，可能较长一段时间不会再更新。

 

1、下载地址： 

      链接：https://pan.baidu.com/s/1siuXDXsNiY2au7Whb3Db7g 提取码：0rky  （若下载链接失效，或使用删除线标记，说明已存在新版本，请在本博客中查看最新文章下载最新版本）

2、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

3、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

4、功能介绍

      1）、提取的信息

字段