辦公利器！用Python批量識別發(fā)票并錄入到Excel表格

人人都可以簡單入門Python、爬蟲、數(shù)據(jù)分析
 簡說Python推薦 
來源：Python研究者
作者：李運(yùn)辰

大家好，我是老表

今天來分享一篇辦公干貨文章：用Python批量識別發(fā)票并錄入到Excel表格。對于財務(wù)專業(yè)等學(xué)生或者公司財務(wù)人員來說，將報賬發(fā)票等匯總到excel簡直就是一個折磨。

尤其是到年底的時候，公司的財務(wù)人員面對一大堆的發(fā)票簡直就是苦不堪言。正好我們學(xué)會了Python，我們應(yīng)該將Python的優(yōu)勢發(fā)揮起來。

這里有以四張發(fā)票為例（網(wǎng)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(biāo)：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(nèi)容保存到excel中：

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(nèi)容，我們需要對圖片中的中文進(jìn)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：

1. ImageMagick 
2. tesseract-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(jìn)行安裝。

下面以其中一張圖片為例，講解如何提取目標(biāo)內(nèi)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(nèi)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(jié)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(biāo)內(nèi)容提取出來，接著將文件夾pic下的所有發(fā)票，進(jìn)行識別將內(nèi)容保存到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(jìn)行調(diào)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(jìn)行識別，并將結(jié)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(fā)票匯總-李運(yùn)辰.xls")  # 保存結(jié)果

最后保存為：發(fā)票匯總-李運(yùn)辰.xls，其結(jié)果如下：

在辰哥的交流群里，和小伙伴聊到這個內(nèi)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(diào)用一下第三方的接口，對發(fā)票進(jìn)行識別，識別通過之后再將其提取發(fā)票中目標(biāo)內(nèi)容。

1.申請百度AI應(yīng)用

2.獲取token

# client_id 為官網(wǎng)獲取的AK， client_secret 為官網(wǎng)獲取的SKhost = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=【官網(wǎng)獲取的AK】&client_secret=【官網(wǎng)獲取的SK】'response = requests.get(host)if response:    print(response.json()['access_token']

這里的client_id 為官網(wǎng)獲取的AK， client_secret 為官網(wǎng)獲取的SK，是上面申請好應(yīng)用即可獲取

3.查驗

咱以這張圖片為例，進(jìn)行查驗

其中的發(fā)票類型對應(yīng)如下：

結(jié)果如下：

感覺這個結(jié)果查詢不是很好（不詳細(xì)）。下面還可以去稅務(wù)局查詢

4.稅務(wù)局查詢發(fā)票

同樣以這張圖片為例，進(jìn)行查驗

填寫好信息點(diǎn)擊查驗，結(jié)果如下：

再稅務(wù)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。

本文基本就成功實現(xiàn)目標(biāo)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(yīng)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
• ........

--END--

掃碼即可加我微信
老表朋友圈經(jīng)常有贈書/紅包福利活動

學(xué)習(xí)更多：
整理了我開始分享學(xué)習(xí)筆記到現(xiàn)在超過250篇優(yōu)質(zhì)文章，涵蓋數(shù)據(jù)分析、爬蟲、機(jī)器學(xué)習(xí)等方面，別再說不知道該從哪開始，實戰(zhàn)哪里找了

優(yōu)秀的讀者都知道，“點(diǎn)贊”傳統(tǒng)美德不能丟