编程宝库 - 技术改变世界

编程宝库

Search

Python编程技术

详解OpenCV中直方图,掩膜和直方图均衡化的实现

Python桌面文件清理脚本分享

Python提取PDF发票信息保存Excel文件并制作EXE程序的全过程

前言

通过本篇文章可学习pdf发票信息的提取，内容保存至Excel，了解命令图像工具Gooey，以及如何将python文件打包为exe程序

背景

现在电子发票越来越普遍，各公司开票形式已基本无纸化。目前所在公司的情况是，每个人自己报账，需要将发票信息(发票号/金额)填如K3系统进行流程申请，另外将电子发票打印为纸质并贴票后找领导签字及审批K3的流程；之后在将纸质单据送至财务审批。如果财务发现数据填写不正确，就会将流程和单据打回来，又要重新找领导签字审批，相当麻烦。

分析

为了减少报账被打回来的情况，我们先分析，整个报账过程中，存在的问题

下载回来的发票文件命名不规范不容易识别
如：04500160011131347550.pdf

填K3时需要复制发票号和金额，还要选择发票类型
每次要打开pdf发票复制发票号和金额

发票可能存在错误情况：如公司名称或纳税人识别号不正确
每次还要检查一下

优化

一开始的想法是，做一个程序，识别发票信息并提供复制按钮，方便复制到k3。自动检查发票信息是否完整正确，公司名称和纳税人识别号是否正确，如不正确则提示错误，另外自动将文件重名称，及一键打印功能。

不过由于对Python的GUI还不大熟悉，就改了方式：将发票信息提取至Excel，在自己到Excel上复制信息和检查发票是否完整，另外将文件重命名为开票公司+金额的形式

最终效果

exe程序

文件重命名

实现

读取pdf发票

使用pdfplumber，安装命令pip install pdfplumber，

import pdfplumber
import re
import os

def re_text(bt, text):
  m1 = re.search(bt, text)
  if m1 is not None:
      return re_block(m1[0])

def re_block(text):
  return text.replace(' ', '').replace('　', '').replace('）', '').replace(')', '').replace('：', ':')

def get_pdf(dir_path):
  pdf_file = []
  for root, sub_dirs, file_names in os.walk(dir_path):
      for name in file_names:
          if name.endswith('.pdf'):
              filepath = os.path.join(root, name)
              pdf_file.append(filepath)
  return pdf_file

def read():
  filenames = get_pdf('C:\Users\Administrator\Desktop\a')  # 修改为自己的文件目录
  for filename in filenames:
      print(filename)
      with pdfplumber.open(filename) as pdf:
          first_page = pdf.pages[0]
          pdf_text = first_page.extract_text()
          if '发票' not in pdf_text:
              continue
          # print(pdf_text)
          print('--------------------------------------------------------')
          print(re_text(re.compile(r'[\u4e00-\u9fa5]+电子普通发票.*?'), pdf_text))
          t2 = re_text(re.compile(r'[\u4e00-\u9fa5]+专用发票.*?'), pdf_text)
          if t2:
              print(t2)
          # print(re_text(re.compile(r'发票代码(.*\d+)'), pdf_text))
          print(re_text(re.compile(r'发票号码(.*\d+)'), pdf_text))
          print(re_text(re.compile(r'开票日期(.*)'), pdf_text))
          print(re_text(re.compile(r'名\s*称\s*[:：]\s*([\u4e00-\u9fa5]+)'), pdf_text))
          print(re_text(re.compile(r'纳税人识别号\s*[:：]\s*([a-zA-Z0-9]+)'), pdf_text))
          price = re_text(re.compile(r'小写.*(.*[0-9.]+)'), pdf_text)

          print(price)
          company = re.findall(re.compile(r'名.*称\s*[:：]\s*([\u4e00-\u9fa5]+)'), pdf_text)
          if company:
              print(re_block(company[len(company)-1]))
          print('--------------------------------------------------------')
read()

通过上述代码可以实现对pdf发票的内容识别和输出功能，完整的功能请通过学习本文后续的内容自主实现。

写入Excel

使用xlwt写Excel文件，安装命令pip install xlwt，一个简单的例子如下

import xlwt

# 创建工作簿
wb = xlwt.Workbook()
# 创建表单
sh = wb.add_sheet('sheet 1')
# 写入数据
sh.write(0, 1, '姓名')
# 保存
wb.save('test.xls')

创建图像界面

使用Gooey创建GUI图像界面，安装命令pip install Gooey

官网地址：https://github.com/chriskiehl/Gooey 目前是：15.4k stars

这里对Gooey的适用情况做一个说明，Gooey适用于命令行的图形工具，也就是只做输入(有各种输入/选择框)和输出的情况，不适用于做界面展示，无法添加自定义按钮，如button等。使用print就能将输出内容显示到GUI图形界面上

一个简单的例子

from gooey import Gooey, GooeyParser

@Gooey(program_name="简单的实例")
def main():
  parser = GooeyParser(description="第一个示例!")
  parser.add_argument('文件路径', widget="FileChooser")  # 文件选择框
  parser.add_argument('日期', widget="DateChooser")  # 日期选择框
  args = parser.parse_args()  # 接收界面传递的参数
  print(args)

if__name__ == '__main__':
  main()

打包为exe文件

使用pyinstaller将代码打包为exe文件

安装命令pip install pyinstaller

打包命令pyinstaller -F xxxxx.py -w (xxxxx.py改为具体的.py文件名)

等待打包完成，在代码目录的会生成dist文件夹，打开后可以看到exe程序

打包完成

注意：程序有中文输出的请查看该文章，避免打包后程序无法正常运行，参考如下

附：解决Gooey在打包成exe文件后打印中文报UnicodeDecodeError: 'utf-8' codec can't decode

问题

在使用Gooey这个工具生成GUI的时候，没有打包前测试是好的，但是当打包成exe文件后，双击exe运行填入所需选项执行报UnicodeDecodeError: 'utf-8' codec can't decode的错误。

PS C:\Users\faces\Desktop\gooey demo\dist> .\auto.exe
Exception in thread Thread-1:
Traceback (most recent call last):
File "threading.py", line 926, in _bootstrap_inner
File "threading.py", line 870, in run
File "site-packages\gooey\gui\processor.py", line 71, in _forward_stdout
File "site-packages\gooey\gui\processor.py", line 84, in _extract_progress
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xb5 in position 13: invalid start byte

通过查找github中提交的issue发现是打包后环境的encoding与打包时的encoding不一致导致的问题。

解决方案

在Gooey装饰器中加入关键字参数encoding='cp936'

from gooey import Gooey, GooeyParser
@Gooey(encoding='cp936')
def main():
  parser = GooeyParser(description="Export music lite") 
  parser.add_argument('exe文件', widget="FileChooser")
  parser.add_argument('flac文件夹', widget="DirChooser")
  parser.add_argument('MP3导出文件夹', widget="DirChooser")
  args = parser.parse_args()
  print(args)
if __name__ == "__main__":
  main()

问题

接下来我想更改Gooey生成的GUI页面为中文，那么代码改为

from gooey import Gooey, GooeyParser
@Gooey(encoding='cp936', language='chinese')
def main():
  parser = GooeyParser(description="Export music lite") 
  ...

这时候执行会报如下错误

PS C:\Users\faces\Desktop\gooey demo\dist> .\auto.exe
Traceback (most recent call last):
File "auto.py", line 17, in <module>
File "site-packages\gooey-1.0.3-py3.7.egg\gooey\python_bindings\gooey_decorator.py", line 87, in inner2
File "auto.py", line 12, in main
File "site-packages\gooey-1.0.3-py3.7.egg\gooey\python_bindings\gooey_parser.py", line 114, in parse_args
File "site-packages\gooey-1.0.3-py3.7.egg\gooey\python_bindings\gooey_decorator.py", line 82, in run_gooey
File "site-packages\gooey-1.0.3-py3.7.egg\gooey\gui\application.py", line 21, in run
File "site-packages\gooey-1.0.3-py3.7.egg\gooey\gui\application.py", line 28, in build_app
File "site-packages\gooey-1.0.3-py3.7.egg\gooey\gui\lang\i18n.py", line 24, in load
File "json\__init__.py", line 293, in load
UnicodeDecodeError: 'gbk' codec can't decode byte 0xa7 in position 20: illegal multibyte sequence

解决方案

从报错信息中可以看到是因为load代码的时候使用encoding='cp936'去加载文件导致的错误，那么简单粗暴的方法是编辑site-packages\gooey-1.0.3-py3.7.egg\gooey\gui\lang\i18n.py这个文件

找到

    with io.open(os.path.join(language_dir, json_file), 'r', encoding=encoding) as f:
    _DICTIONARY = json.load(f)

修改为

    with io.open(os.path.join(language_dir, json_file), 'r', encoding='utf-8') as f:
    _DICTIONARY = json.load(f)

总结

关于Python提取PDF发票信息保存Excel文件并制作EXE程序的文章就介绍至此，更多相关Python提取PDF发票信息保存Excel内容请搜索编程宝库以前的文章，希望以后支持编程宝库！

下一节：Python桌面文件清理脚本分享

Python编程技术

需求桌面临时文件较多时，直接删了不太放心，不删又显得很杂乱，故需要写一个脚本批量清理并备份这些鸡肋的文件。所以脚本需要具有以下功能1. 可以将桌面文件移动至指定文件夹（可配置）。2. 可以设置例 ...

详解OpenCV中直方图,掩膜和直方图均衡化的实现

Python桌面文件清理脚本分享