Python提取PDF发票内容保存到Excel

摘要：这篇文章介绍如何把发票内容提取出来保存到Excel中。文章分为两个部分，第一部分程序用法，第二部分介绍代码。

程序更新了，需要使用的朋友请到这里下载ExtractInvoice.exe。注意：因为是Python打包，故程序启动较慢，大概需要一分钟，请耐心等待！

密码是授权码的MD5加密，把授权码复制粘贴到该网址http://tool.chinaz.com/tools/hash.aspx ，选择MD5加密，然后获得的结果即为密码！

测试用发票可在此下载 1.样本一；样本二；样本三

程序功能及使用：

程序会把发票中的内容提取出来然后写入Excel中，一个示例的发票内容如下：

而多份PDF的提取结果示意如下：

这里提取的关键词可自定义，只需要把需要的关键字写在Excel中即可。

程序的运行使用很简单，只要在可视化界面中输入相应的文件路径然后运行即可，程序界面示意如下：

程序开发思路：开发主要涉及三个点：其一就是PDF解析，其二是提取规则，其三就是Excel保存。

PDF解析：PDF解析使用pdfminer3K模块，Python3环境下使用如下方式安装：

接下来使用该模块进行PDF解析，主要函数如下：

解析后PDF文字内容会被转换为TXT，当然，PDF必须遵守标准的Adobe规范才行，另外，不同的参数设置会导致不同的解析结果（主要是文字的相对位置），因而实际使用中必须对此参数进行调整。

提取规则：提取规则根据文字的相对位置和文字规律来确定，比如关键词后面接着内容，比如银行账号一定是数字，比如开户行关键字的内容一定会有银行，支行等词汇，这里提取规则稍微复杂一些，根据实际情况进行设定，我设定的规则如下：