办公利器！用Python批量识别发票并录入到Excel表格

秋波水杏子 發表於 2021-6-24 20:11:00

办公利器！用Python批量识别发票并录入到Excel表格

辰哥今天来分享一篇办公干货文章：用Python批量识别发票并录入到Excel表格。对于财务专业等学生或者公司财务人员来说，将报账发票等汇总到excel简直就是一个折磨。
尤其是到年底的时候，公司的财务人员面对一大堆的发票简直就是苦不堪言。正好我们学会了Python，我们应该将Python的优势发挥起来。$#
<h1 id="01场景描述">01.场景描述</h1>
这里有以四张发票为例（辰哥网上搜的），将发票图片放到pic文件夹下。
<img src="https://img-blog.csdnimg.cn/img_convert/255b3896077d650c79dc28d31f7c463d.png">
随便打开一张发票
<img src="https://img-blog.csdnimg.cn/img_convert/4de536970979c6726ac5723a857db1bb.png">
提取目标：金额、名称、纳税人识别号、开票人。
<img src="https://img-blog.csdnimg.cn/img_convert/efafbeecf8e69701bc2f80624d82edcf.png">
最后将每一张发票的这四个内容保存到excel中：
<img src="https://img-blog.csdnimg.cn/img_convert/ca2adf9314cd633183ccf762966b2228.png">
<h1 id="02准备环境">02.准备环境</h1>
需要用到的库如下：
<pre><code class="language-python">from PIL import Image as PI
import pyocr
import pyocr.builders
from cnocr import CnOcr

</code></pre>
安装的命令如下：
<pre><code class="language-python">pip install pyocr
pip install cnocr
</code></pre>
发票中含有中文内容，我们需要对图片中的中文进行识别，那么 cnocr 是一个不错的选择。
提示：安装好上面的库之外，还需要安装额外的exe文件，不然会出现下面这种错误
<img src="https://img-blog.csdnimg.cn/img_convert/6798095d3b1ba69f0902fb18c8ba2b48.png">
需要安装的exe文件：
<h4 id="1--imagemagick">1.ImageMagick</h4>
<h4 id="2--tesseract-ocr">2.tesseract-OCR</h4>
这两个软件的安装过程就不再赘述了，大家可以自行搜索教程进行安装。
<h1 id="03提取内容">03.提取内容</h1>
下面以其中一张图片为例，讲解如何提取目标内容：金额、名称、纳税人识别号、开票人。
<img src="https://img-blog.csdnimg.cn/img_convert/e97440a0f26ae9a03f20995f37be43a7.png">
读取图片：pic/pic1.jpg
<pre><code class="language-python">tool = pyocr.get_available_tools()
img_url = "pic/pic1.jpg"
with open(img_url, 'rb') as f:
a = f.read()
new_img = PI.open(io.BytesIO(a))
</code></pre>
<h3 id="1提取金额">1.提取金额</h3>
需要截取到发票中金额的位置
<pre><code class="language-python">## 金额
left = 741
top = 420
right = 850
bottom = 445
image_text1 = new_img.crop((left, top, right, bottom))
#展示图片
image_text1.show()
</code></pre>
这里的left、top、right、bottom的数值是通过多次修改定位而来。大家根据自己的发票内容去定位即可。
<img src="https://img-blog.csdnimg.cn/img_convert/42d91d19ffa105cb91ce1c90a204a248.png">
接着将图片中的数字提取出来
<img src="https://img-blog.csdnimg.cn/img_convert/be45e5041d427d3cff2ec075e013d885.png">
同样的，下面继续提取：名称
<h3 id="2提取名称">2.提取名称</h3>
<pre><code class="language-python">left = 155
top = 450
right = 450
bottom = 470
image_obj2 = new_img.crop((left, top, right, bottom))
image_obj2.show()
</code></pre>
<img src="https://img-blog.csdnimg.cn/img_convert/583079eb502f76a17989a44ae63c54bf.png">
这里的名称是中文的，咱们不能再像提取金额（数字）操作。需要使用到cnocr去将图片中的中文取出。
<pre><code class="language-python">image_obj2.save("tmp.jpg")
ocr = CnOcr()
res = ocr.ocr("tmp.jpg")
print("".join(res))
</code></pre>
<img src="https://img-blog.csdnimg.cn/img_convert/3e7859ed55e5b3066547f4de69e250f5.png">
<h3 id="3提取纳税人识别号">3.提取纳税人识别号</h3>
<pre><code class="language-python">#纳税人识别号
left = 155
top = 470
right = 450
bottom = 490
image_text3 = new_img.crop((left, top, right, bottom))
#展示图片
image_text3.show()
</code></pre>
<img src="https://img-blog.csdnimg.cn/img_convert/3d6622c3cbe8c0dc2b2e739e5eea18a5.png">
<pre><code class="language-python">txt3 = tool.image_to_string(image_text3)
print(txt3)
</code></pre>
将图片中的纳税人识别号提取出来，结果如下：
<img src="https://img-blog.csdnimg.cn/img_convert/812cc9821533f34933b8f5f6ad84cf79.png">
<h3 id="4提取开票人">4.提取开票人</h3>
<pre><code class="language-python">left = 528
top = 550
right = 670
bottom = 600
image_obj4 = new_img.crop((left, top, right, bottom))
image_obj4.show()
</code></pre>
<img src="https://img-blog.csdnimg.cn/img_convert/a8cff1f3a479f8522d6b4e545d87c6f8.png">
<pre><code class="language-python">image_obj4.save("tmp.jpg")
ocr = CnOcr()
res = ocr.ocr("tmp.jpg")
print("".join(res))
</code></pre>
由于有中文，咱们这里同样和提取名称一样，使用cnocr将图片中的中文取出。
<img src="https://img-blog.csdnimg.cn/img_convert/04710e8e3863635c0cebb82aac0300e1.png">
ok这样我们就将发票中的四个目标内容提取出来，接着将文件夹pic下的所有发票，进行识别将内容保存到excel。
<h1 id="04批量识别发票并保存到excel">04.批量识别发票并保存到excel</h1>
在读取图片之前，先将上面的四个操作封装成函数，方便每一种发票对象进行调用。
<img src="https://img-blog.csdnimg.cn/img_convert/00b9ea7ddd36e7cc2bf74eeef04e6a12.png">
读取文件夹下的所有图片。
<pre><code class="language-python">filePath = 'pic'
pic_name = []
for i,j,name in os.walk(filePath):
pic_name = name
for i in pic_name:
print(i)
</code></pre>
<img src="https://img-blog.csdnimg.cn/img_convert/48a2c675ad65b196ede82eec2366bbc0.png">
开始进行识别，并将结果写入到excel中。
<pre><code class="language-python">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))
## 写入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 + 1
outwb.save("发票汇总-李运辰.xls")# 保存结果
</code></pre>
最后保存为：发票汇总-李运辰.xls，其结果如下：
<img src="https://img-blog.csdnimg.cn/img_convert/9d7646a9dab35514b94a24c832060b96.png">
<h1 id="05发票验证真伪">05.发票验证真伪</h1>
在辰哥的交流群里，和小伙伴聊到这个内容时，小伙伴建议可以加一个功能：发票验证真伪。
<img src="https://img-blog.csdnimg.cn/img_convert/c53fa87c47132e8f88e8a1f087368c85.png">
所有在上面的开始识别之前（自己公司的发票可能不需要查验这步），先调用一下第三方的接口，对发票进行识别，识别通过之后再将其提取发票中目标内容。
<h3 id="1申请百度ai应用">1.申请百度AI应用</h3>
<img src="https://img-blog.csdnimg.cn/img_convert/00db50394942a052c738ea21cc12dc33.png">
<h3 id="2获取token">2.获取token</h3>
<pre><code class="language-python"># client_id 为官网获取的AK， client_secret 为官网获取的SK
host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=【官网获取的AK】&client_secret=【官网获取的SK】'
response = requests.get(host)
if response:
    print(response.json()['access_token']
</code></pre>
这里的client_id 为官网获取的AK， client_secret 为官网获取的SK，是上面申请好应用即可获取
<h3 id="3查验">3.查验</h3>
<img src="https://img-blog.csdnimg.cn/img_convert/2811d37cbd78cd47df83af179f2b1362.png">
咱以这张图片为例，进行查验
<img src="https://img-blog.csdnimg.cn/img_convert/b8c0c0d708702fd8e5668cefea136a5b.png">
其中的发票类型对应如下：
<img src="https://img-blog.csdnimg.cn/img_convert/1e17a4122840c543ac9a1cef72e7697c.png">
结果如下：
<img src="https://img-blog.csdnimg.cn/img_convert/aed5a3a1982043e5dbb2f595fd706b95.png">
感觉这个结果查询不是很好（不详细）。下面还可以去税务局查询
<h3 id="4税务局查询发票">4.税务局查询发票</h3>
<img src="https://img-blog.csdnimg.cn/img_convert/611442867475c793bb38dbb8a85ae2fb.png">
同样以这张图片为例，进行查验
<img src="https://img-blog.csdnimg.cn/img_convert/84aa0f8c849205e43a5d09c302f71d38.png">
填写好信息点击查验，结果如下：
<img src="https://img-blog.csdnimg.cn/img_convert/7f46688e1fca56c40c6390f4057d8001.png">
再税务局查验更加清晰。读者可以根据自己的情况去选择自己的方式去查验。
<h1 id="06小结">06.小结</h1>
本文基本就成功实现目标要求，从效果来看还是非常不错的！完整源码可由文中代码组合而成（已全部分享在文中），感兴趣的读者可以自己尝试！
一定要动手尝试****！一定要动手尝试****！一定要动手尝试！
最后想说的是，其实本文的案例可以应用再其他方面，例如
<ul>
<li>
批量计算发票金额汇总
</li>
<li>
根据发票类型批量分类
</li>
<li>
........
</li>
</ul>

</div>
<div id="MySignature" role="contentinfo">

耐得住寂寞，才能登得顶

Gitee码云：https://gitee.com/lyc96/projects 
来源：https://www.cnblogs.com/chenlove/p/14928412.html

頁: [1]

琼殿技术论坛's Archiver

办公利器！用Python批量识别发票并录入到Excel表格