python 提取增值税电子发票信息-Toy模板网

这篇具有很好参考价值的文章主要介绍了python 提取增值税电子发票信息。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

1.代码介绍

本代码的主要功能是通过弹窗传入一个文件夹路径（文件夹下存放pdf版本的增值税电子发票），然后就会解析文件夹下所有的发票，然后把提取后的信息写入到Excel中，最后Excel会保存在python文件的当前目录。
1.1 需要用到的python库
python 电子发票,python,开发语言

import os
import re 
import logging
import tkinter as tk
from tkinter import filedialog
from datetime import datetime
import pdfplumber
import pandas as pd
from logging.handlers import RotatingFileHandler


# 提取发票信息
class ExtraInfo():
    def __init__(self) -> None:
        # 通过logger设置日志格式
        logger = logging.getLogger()
        logger.setLevel("INFO")
        fh = RotatingFileHandler("run.log", maxBytes=1024*1024, backupCount=1, encoding="utf-8")  # <这里设置了日志最大只能为1M>, <备份数设为1, 如果不设则maxBytes不生效>, <输出到文件>
        sh = logging.StreamHandler()  # <输出到控制台>
        fh.setFormatter(logging.Formatter("%(asctime)s - %(name)s - %(levelname)s -%(module)s: %(message)s"))
        sh.setFormatter(logging.Formatter("%(asctime)s - %(name)s - %(levelname)s -%(module)s: %(message)s"))
        logger.addHandler(fh)  # <使fh生效>
        # logger.addHandler(sh)  # <使sh生效>
        self.logger = logger


    @staticmethod
    def extra_invoice_info(file_path):
        text = ""
        try:
            with pdfplumber.open(file_path) as pdf:
                page = pdf.pages[0]
                text = page.extract_text()
        except Exception as e:
            print(f"出现异常:{file_path}-{e}")
        finally:
            return text
    

    def analyze_invoice_info(self, pdf_dir):
        ls_dir = os.listdir(pdf_dir)
        ls_data = []
        for i in ls_dir:
            pdf_path = os.path.join(pdf_dir, i)
            if pdf_path.endswith(".pdf"):
                try:
                    text = self.extra_invoice_info(pdf_path)
                    mtime = os.path.getmtime(pdf_path) #修改时间
                    文件修改时间 = datetime.fromtimestamp(int(mtime))
                    名称 = re.findall(r"名\s{0,1}称\s{0,1}[:,：]\s{0,1}(.*?)\s", text, re.I|re.S)
                    识别号 = re.findall(r"纳税人识别号[:, ：]\s{0,1}(.*?)\s", text, re.I|re.S)
                    开票项目名称 = re.findall(r"税\s{0,1}额\s{0,1}(.*?)\s", text, re.I|re.S)
                    开票日期 = re.findall(r"开票日期\s{0,1}[:,：]\s{0,1}(.*?)日", text, re.I|re.S)
                    发票号码 = re.findall(r"发票号码\s{0,1}[:,：]\s{0,1}(.*?)\s", text, re.I|re.S)
                    价税合计 = re.findall(r".小写.[\s]{0,1}[\xa5,￥]\s{0,1}(.*?)\s", text, re.I|re.S)
                    if not 价税合计:
                        价税合计 = re.findall(r"小写\(cid:61\)[\xa5,￥]\s{0,1}(.*?)\s", text, re.I|re.S)
                    if not 价税合计:
                        价税合计 = re.findall(r"大写.\s{0,1}(.*?)\s", text, re.I|re.S)
                    ret = [pdf_path, 文件修改时间, 名称[0], 名称[1], 识别号[0], 识别号[1], 开票项目名称[0], 开票日期[0].replace(" ", "")+"日", f"'{发票号码[0]}", f"'{价税合计[0]}"]
                    ret = [str(k).replace(" ", "").replace("'", "") for k in ret]
                except Exception as e:
                    self.logger.warning(e)
                    self.logger.warning([text])
                    ret = [pdf_path, 文件修改时间, "", "", "", "", "", "", "", ""]
                finally:
                    self.logger.warning([text])
                    self.logger.info(ret)
                    ls_data.append(ret)
        return ls_data


    def to_excel(self, save_path, pdf_dir):
        ls_data = self.analyze_invoice_info(pdf_dir)
        df = pd.DataFrame(ls_data, columns=["文件路径", "文件修改时间", "购方名称", "销方名称", "购方识别号", "销方识别号", "开票项目名称" , "开票日期", "发票号码", "价税合计"])
        writer = pd.ExcelWriter(save_path, engine='openpyxl')
        df.to_excel(writer, sheet_name='Sheet1', startrow=0, startcol=0, index=False)
        writer.save()  # 如果writer.save()报错, 可能是你的pandas版本比较高, 请改为writer._save()或者writer.close()


# 弹窗获取文件夹
class PopUp():
    def __init__(self) -> None:
        self.folder_path = ""
        self.root = tk.Tk()
        self.folder_label = tk.Label(self.root, text="请选择文件夹")
        self.folder_label.pack(padx=5, pady=5)


    def browse_folder(self):
        self.folder_path = filedialog.askdirectory()
        print(self.folder_path)
        if self.folder_path:
            self.folder_label.config(text=self.folder_path)


    def pop_up(self):
        self.root.title("上传文件夹")
        self.root.geometry("300x150")
        browse_button = tk.Button(self.root, text="浏览", command=self.browse_folder)
        browse_button.pack(padx=5, pady=5)
        upload_button = tk.Button(self.root, text="提交", command=self.root.destroy)
        upload_button.pack(padx=5, pady=5)
        self.root.mainloop()
        return self.folder_path


if __name__ == '__main__':
    pop = PopUp()
    dir = pop.pop_up()

    extra = ExtraInfo()
    save_path = r"ouput.xlsx"  # 可以自行修改保存路径
    extra.to_excel(save_path, dir)