一、場(chǎng)景描述

這里有以四張發(fā)票為例（辰哥網(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(shí)別號(hào)、開票人。

最后將每一張發(fā)票的這四個(gè)內(nèi)容保存到excel中：

二、準(zhǔn)備環(huán)境

需要用到的庫(kù)如下：

from PIL import Image as PI
import pyocr
import pyocr.builders
from cnocr import CnOcr

安裝的命令如下：

pip install pyocr
pip install cnocr

發(fā)票中含有中文內(nèi)容，我們需要對(duì)圖片中的中文進(jìn)行識(shí)別，那么 cnocr 是一個(gè)不錯(cuò)的選擇。

提示：安裝好上面的庫(kù)之外，還需要安裝額外的exe文件，不然會(huì)出現(xiàn)下面這種錯(cuò)誤

需要安裝的exe文件：

1. ImageMagick

2. tesseract-OCR

這兩個(gè)軟件的安裝過(guò)程就不再贅述了，大家可以自行搜索教程進(jìn)行安裝。

三、提取內(nèi)容

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(shí)別號(hào)、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 = 741
top = 420
right = 850
bottom = 445
image_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(guò)多次修改定位而來(lái)。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(lái)

同樣的，下面繼續(xù)提?。好Q

2.提取名稱

left = 155
top = 450
right = 450
bottom = 470
image_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(shí)別號(hào)

#納稅人識(shí)別號(hào)
left = 155
top = 470
right = 450
bottom = 490
image_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(shí)別號(hào)提取出來(lái)，結(jié)果如下：

4.提取開票人

left = 528
top = 550
right = 670
bottom = 600
image_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(gè)目標(biāo)內(nèi)容提取出來(lái)，接著將文件夾pic下的所有發(fā)票，進(jìn)行識(shí)別將內(nèi)容保存到excel。

四、批量識(shí)別發(fā)票并保存到excel

在讀取圖片之前，先將上面的四個(gè)操作封裝成函數(shù)，方便每一種發(fā)票對(duì)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 = name
for i in pic_name:
    print(i)

開始進(jìn)行識(shí)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 + 1
outwb.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：

五、發(fā)票驗(yàn)證真?zhèn)?/h2>

在辰哥的交流群里，和小伙伴聊到這個(gè)內(nèi)容時(shí)，小伙伴建議可以加一個(gè)功能：發(fā)票驗(yàn)證真?zhèn)巍?/p>

所有在上面的開始識(shí)別之前（自己公司的發(fā)票可能不需要查驗(yàn)這步），先調(diào)用一下第三方的接口，對(duì)發(fā)票進(jìn)行識(shí)別，識(shí)別通過(guò)之后再將其提取發(fā)票中目標(biāo)內(nèi)容。

1.申請(qǐng)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SK
host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentialsclient_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(qǐng)好應(yīng)用即可獲取

3.查驗(yàn)

咱以這張圖片為例，進(jìn)行查驗(yàn)

其中的發(fā)票類型對(duì)應(yīng)如下：

結(jié)果如下：

感覺這個(gè)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(yàn)

填寫好信息點(diǎn)擊查驗(yàn)，結(jié)果如下：

再稅務(wù)局查驗(yàn)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(yàn)。

六、小結(jié)

本文基本就成功實(shí)現(xiàn)目標(biāo)要求，從效果來(lái)看還是非常不錯(cuò)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?jiǎng)邮謬L試****！一定要?jiǎng)邮謬L試****！一定要?jiǎng)邮謬L試！

最后想說(shuō)的是，其實(shí)本文的案例可以應(yīng)用再其他方面，例如

批量計(jì)算發(fā)票金額匯總

根據(jù)發(fā)票類型批量分類

........

到此這篇關(guān)于Python辦公自動(dòng)化之教你用Python批量識(shí)別發(fā)票并錄入到Excel表格中的文章就介紹到這了,更多相關(guān)Python識(shí)別發(fā)票并錄入到Excel表格內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！