这里有以四张发票为例(辰哥网上搜的),将发票图片放到pic文件夹下。
image
随便打开一张发票
image
提取目标: 金额 、 名称 、 纳税人识别号 、 开票人 。
image
最后将每一张发票的这四个内容保存到excel中:
image
需要用到的库如下:
from PIL import Image as PI
import pyocr
import pyocr.builders
from cnocr import CnOcr
安装的命令如下:
pip install pyocr
pip install cnocr
发票中含有中文内容,我们需要对图片中的中文进行识别,那么 cnocr 是一个不错的选择。
提示 :安装好上面的库之外,还需要安装额外的exe文件,不然会出现下面这种错误
image
需要安装的exe文件:
这两个软件的安装过程就不再赘述了,大家可以自行搜索教程进行安装。
下面以其中一张图片为例,讲解如何提取目标内容: 金额 、 名称 、 纳税人识别号 、 开票人 。
image
读取图片: 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))
需要截取到发票中 金额 的位置
## 金额
left = 741
top = 420
right = 850
bottom = 445
image_text1 = new_img.crop((left, top, right, bottom))
#展示图片
image_text1.show()
这里的left、top、right、bottom的数值是通过 多次修改定位而来 。大家根据自己的发票内容去定位即可。
image
接着将 图片中的数字提取出来
image
同样的,下面继续提取: 名称
left = 155
top = 450
right = 450
bottom = 470
image_obj2 = new_img.crop((left, top, right, bottom))
image_obj2.show()
image
这里的名称是中文的,咱们不能再像提取金额( 数字 )操作。需要使用到cnocr去将图片中的中文取出。
image_obj2.save("tmp.jpg")
ocr = CnOcr()
res = ocr.ocr("tmp.jpg")
print("".join(res[0]))
image
#纳税人识别号
left = 155
top = 470
right = 450
bottom = 490
image_text3 = new_img.crop((left, top, right, bottom))
#展示图片
image_text3.show()
image
txt3 = tool.image_to_string(image_text3)
print(txt3)
将图片中的纳税人识别号提取出来,结果如下:
image
left = 528
top = 550
right = 670
bottom = 600
image_obj4 = new_img.crop((left, top, right, bottom))
image_obj4.show()
image
image_obj4.save("tmp.jpg")
ocr = CnOcr()
res = ocr.ocr("tmp.jpg")
print("".join(res[0]))
由于有中文,咱们这里同样和提取 名称 一样,使用cnocr将图片中的中文取出。
image
ok这样我们就将发票中的四个目标内容提取出来,接着将 文件夹pic 下的所有发票,进行识别将内容保存到excel。
在读取图片之前,先将上面的四个操作封装成函数,方便每一种发票对象进行调用。
image
读取文件夹下的所有图片。
filePath = 'pic'
pic_name = []
for i,j,name in os.walk(filePath):
pic_name = name
for i in pic_name:
print(i)
image
开始进行识别,并将结果写入到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))
## 写入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("发票汇总-李运辰.xls") # 保存结果
最后保存为:发票汇总-李运辰.xls,其结果如下:
image
在辰哥的交流群里,和小伙伴聊到这个内容时,小伙伴建议可以加一个功能: 发票验证真伪 。
image
所有在上面的开始识别之前(自己公司的发票可能不需要查验这步),先调用一下第三方的接口,对发票进行识别,识别通过之后再将其提取发票中目标内容。
image
# client_id 为官网获取的AK, client_secret 为官网获取的SK
host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=【官网获取的AK】&client_secret=【官网获取的SK】'
response = requests.get(host)
if response:
print(response.json()['access_token']
这里的client_id 为官网获取的AK, client_secret 为官网获取的SK,是上面申请好应用即可获取
image
咱以这张图片为例,进行查验
image
其中的发票类型对应如下:
image
结果如下:
image
感觉这个结果查询不是很好(不详细)。下面还可以去 税务局 查询
image
同样以这张图片为例,进行查验
image
填写好信息点击查验,结果如下:
image
再税务局查验更加清晰。读者可以根据自己的情况去选择自己的方式去查验。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
扫码关注腾讯云开发者
领取腾讯云代金券
Copyright © 2013 - 2025 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号:粤B2-20090059 深公网安备号 44030502008569
腾讯云计算(北京)有限责任公司 京ICP证150476号 | 京ICP备11018762号 | 京公网安备号11010802020287
Copyright © 2013 - 2025 Tencent Cloud.
All Rights Reserved. 腾讯云 版权所有