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
优化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
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
使用pdfplumber，安装命令pip install pdfplumber，
import pdfplumberimport reimport osdef 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_filedef read(): filenames = get_pdf('C:UsersAdministratorDesktopa') # 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
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https://www.jianshu.com/p/6b98cdbdcfae