批量识别PDF/OFD/PNG/JPG电子发票到EXCEL

最近有做财务的朋友提到，能否帮助他们做个工具，将每个月几百张的发票自动整理到EXCEL（既有PDF电子版、也有OFD的，甚至纸质的都还有，过程实在艰巨）。下来找了一圈有免费的、也有商用的，结果要么功能单一、要么缺少关键字段。对比实际效果以及后续的扩展性，决定还是先做个商用版的脚本试试，满足需求比什么都重要。关键是用Python来做，所有格式几步搞定，维护相对容易。

以下为旧版用法，新版已和税务总局同步，并于2023.7.1发布。全面支持最新全电发票，使用更简单，详情移步全电发票识别https://blog.csdn.net/weixin_44595172/article/details/131498920

首先

准备好开发环境，商用的就比较简单了，直接下载安装就行（略）；

下载地址：https://dgo.ink/crm/dl/?shareId=367561

参考手册：https://d.dgo.ink/doc/GoBot_Pro_1.0.pdf (版本>=3.12，支持多页，2023.4)

开始设计

安装完成后，直接复制下面代码进去运行就可以，注意不要带入其他字符。剩下的可参考手册自行搞定。

import os,shutil
rootPath="d:/发票目录/"#这里修改为发票所在目录
scannedPath=rootPath+'scanned/'
if not os.path.exists(scannedPath):
    os.makedirs(scannedPath)
table = [['文件','发票号码','发票代码','购买方名称','合计金额','价税合计','销售方名称','纳税人识别号']]
for file in os.listdir(rootPath):
    if file[-3:].lower() in ['pdf','ofd']:#仅限四种格式文件，PDF支持多页
        print('正在识别文件:%s...'%(file))
        d = invoiceStr(rootPath+file)#识别发票
        if isinstance(d,list):
            for p in d:
                #print(p)#查看字段详情
                pageid = str(d.index(p)+1)#获取页码
                #添加指定字段到数据表，要什么加什么，注意和表头对应
                table.append([file+pageid,p['InvoiceNum'],p['InvoiceCode'],p['PurchaserName'],p['TotalAmount'],p['AmountInFiguers'],p['SellerName'],p['SellerRegisterNum']])
        else:
            #print(d)
            table.append([file,d['InvoiceNum'],d['InvoiceCode'],d['PurchaserName'],d['TotalAmount'],d['AmountInFiguers'],d['SellerName'],d['SellerRegisterNum']])
        shutil.move(rootPath+file,scannedPath+file)#移除已识别的文件，若有剩余，可结合控制台信息进行人工排查
dumpData(table,name='发票明细.xlsx',title='发票详情',path=rootPath)#保存整理后的Excel文件到发票目录

坐等结果

 设计完成后，把各种格式的发票放在指定目录，然后运行上面的代码就可以了（完整的），字段是我调试用的，各位根据自己需求添加即可。

更新（2023.7.3）

根据实际需求增加了原始文件在识别后按规则自动重命名，同时Excel内也将使用新名称，方便日后归档处理，具体见代码第16行。示例命名规则为“原始文件名+页码”，仅供参考。

添加自定义字段，移除第18行的"#"，查看有哪些字段可用，然后参考第19行写法，往里加就行了

代码已更新，解决之前有朋友说识别出来只有表头的问题，还有软件也需升级到3.12才行哦