辦公利器！用Python批量識別發(fā)票并錄入到Excel表格
尤其是到年底的時候，公司的財務人員面對一大堆的發(fā)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(yōu)勢發(fā)揮起來。
01
場景描述
這里有以四張發(fā)票為例（網上搜的），將發(fā)票圖片放到pic文件夾下。
隨便打開一張發(fā)票
提取目標：金額、名稱、納稅人識別號、開票人。
最后將每一張發(fā)票的這四個內容保存到excel中：
02
準備環(huán)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(fā)票中含有中文內容，我們需要對圖片中的中文進行識別，那么 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文件，不然會出現(xiàn)下面這種錯誤
需要安裝的exe文件：
ImageMagicktesseract-OCR
這兩個軟件的安裝過程就不再贅述了，大家可以自行搜索教程進行安裝。
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
需要截取到發(fā)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()
這里的left、top、right、bottom的數(shù)值是通過多次修改定位而來。大家根據(jù)自己的發(fā)票內容去定位即可。
接著將圖片中的數(shù)字提取出來
同樣的，下面繼續(xù)提?。?/span>名稱
2.提取名稱
left = 155top = 450right = 450bottom = 470image_obj2 = new_img.crop((left, top, right, bottom))image_obj2.show()
這里的名稱是中文的，咱們不能再像提取金額（數(shù)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]))
由于有中文，咱們這里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(fā)票中的四個目標內容提取出來，接著將文件夾pic下的所有發(fā)票，進行識別將內容保存到excel。
04
批量識別發(fā)票并保存到excel
在讀取圖片之前，先將上面的四個操作封裝成函數(shù)，方便每一種發(fā)票對象進行調用。
讀取文件夾下的所有圖片。
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，并將結果寫入到excel中。
for i in pic_name:img_url = filePath+"/"+iwith open(img_url, 'rb') as f:a = f.read()new_img = PI.open(io.BytesIO(a))## 寫入csvoutws.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(fā)票匯總-李運辰.xls") # 保存結果
最后保存為：發(fā)票匯總-李運辰.xls，其結果如下：
05
發(fā)票驗證真?zhèn)?/p>
在辰哥的交流群里，和小伙伴聊到這個內容時，小伙伴建議可以加一個功能：發(fā)票驗證真?zhèn)?/span>。
所有在上面的開始識別之前（自己公司的發(fā)票可能不需要查驗這步），先調用一下第三方的接口，對發(fā)票進行識別，識別通過之后再將其提取發(fā)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']
這里的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(fā)票類型對應如下：
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(fā)票
同樣以這張圖片為例，進行查驗
填寫好信息點擊查驗，結果如下：
再稅務局查驗更加清晰。讀者可以根據(jù)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(xiàn)目標要求，從效果來看還是非常不錯的！完整源碼可由文中代碼組合而成（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！
最后想說的是，其實本文的案例可以應用再其他方面，例如
批量計算發(fā)票金額匯總 根據(jù)發(fā)票類型批量分類 ........
- EOF -
推薦閱讀：