Python发票信息自动提取,日常办公中需要经常统计发票报销金额等信息，手动统计十分繁琐，基于Python实现发票图片的批量识别和统计，自动生成Excel统计表格，同时兼容pdf格式的发票。

系统运行环境

Python3.7+ 、百度发票识别API 、Tkinter简易界面

生成的统计信息有

开票日期, 纳税人识别号, 购买方名称, 卖方名称, 购买金额,发票号码

部分源码如下：

import os, sys 
import xlwt
import tkinter as tk
from   tkinter import *
import tkinter.filedialog as tkFileDialog
import tkinter.messagebox

BASEPATH = "你的工作路径"

增值税发票识别
'''
# 获取发票正文内容
def get_context(pic):
    data = {}
    try:
        request_url = "https://aip.baidubce.com/rest/2.0/ocr/v1/vat_invoice"
        # 二进制方式打开图片文件
        f = open(pic, 'rb')
        img = base64.b64encode(f.read())
        params = {"image":img}

        # 这里需要替换成自己的access_token
        access_token = '你的Token'

        request_url = request_url + "?access_token=" + access_token
        headers = {'content-type': 'application/x-www-form-urlencoded'}
        response = requests.post(request_url, data=params, headers=headers)
        if response:
            # print (response.json())
            json1 = response.json()
            data['SellerRegisterNum'] = json1['words_result']['SellerRegisterNum']
            data['InvoiceDate'] = json1['words_result']['InvoiceDate']
            data['PurchasserName'] = json1['words_result']['PurchaserName']
            data['SellerName'] = json1['words_result']['SellerName']
            data['AmountInFiguers'] = json1['words_result']['AmountInFiguers']
            data['InvoiceNum'] = json1['words_result']['InvoiceNum']
            print(data['AmountInFiguers'])
        #print('正文内容获取成功！')
        return data

    except Exception as e:
        print(e)
    return data

# 定义生成图片路径的函数
def pics(path):
    #生成一个空列表用于存放图片路径
    pics = []
    # 遍历文件夹，找到后缀为jpg和png的文件，整理之后加入列表
    for filename in os.listdir(path):
        if filename.endswith('jpg') or filename.endswith('png'):
            pic = path + '/' + filename
            pics.append(pic)
    return pics
# 定义一个获取文件夹内所有文件正文内容的函数，每次返回一个字典，把返回的所有字典存放在一个列表里
def get_datas(pics):
    datas = []
    for p in pics:
        data = get_context(p)
        datas.append(data)
    return datas

# 定义一个写入将数据excel表格的函数
def save(datas):
    print('正在写入数据！')
    book = xlwt.Workbook(encoding='utf-8', style_compression=0)
    sheet = book.add_sheet('增值税发票内容登记', cell_overwrite_ok=True)
    # 设置表头，这里可以根据自己的需求设置，我这里设置了5个
    title = ['开票日期', '纳税人识别号', '购买方名称', '卖方名称', '购买金额','发票号码']
    for i in range(len(title)):
        sheet.write(0, i, title[i])
    for d in range(len(datas)):
        #print(datas[d])
        for j in range(len(title)):
            sheet.write(d + 1, 0, datas[d]['InvoiceDate'])
            sheet.write(d + 1, 1, datas[d]['SellerRegisterNum'])
            sheet.write(d + 1, 2, datas[d]['PurchasserName'])
            sheet.write(d + 1, 3, datas[d]['SellerName'])
            sheet.write(d + 1, 4, datas[d]['AmountInFiguers'])
            sheet.write(d + 1, 5, datas[d]['InvoiceNum'])
    #print('数据写入成功！')
    book.save( BASEPATH +'/增值税发票.xls')