辰哥今天来分享一篇办公干货文章：**用Python批量识别发票并录入到Excel表格**。对于**财务专业**等学生或者**公司财务**人员来说，将报账发票等汇总到excel简直就是一个**折磨**。 尤其是到**年底**的时候，公司的财务人员面对一大堆的发票简直就是**苦不堪言**。正好我们学会了Python，我们应该将Python的优势发挥起来。$# # 01.场景描述 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。  随便打开一张发票  提取目标：**金额**、**名称**、**纳税人识别号**、**开票人**。  最后将每一张发票的这四个内容保存到excel中：  # 02.准备环境 需要用到的库如下： ```python from PIL import Image as PI import pyocr import pyocr.builders from cnocr import CnOcr ``` 安装的命令如下： ```python 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  需要安装的exe文件： #### 1. ImageMagick #### 2. tesseract-OCR 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。 # 03.提取内容 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**。  读取图片：**pic/pic1.jpg** ```python 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.提取金额 需要截取到发票中**金额**的位置 ```python ## 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。  接着将**图片中的数字提取出来**  同样的，下面继续提取：**名称** ### 2.提取名称 ```python left = 155 top = 450 right = 450 bottom = 470 image_obj2 = new_img.crop((left, top, right, bottom)) image_obj2.show() ```  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。 ```python image_obj2.save("tmp.jpg") ocr = CnOcr() res = ocr.ocr("tmp.jpg") print("".join(res[0])) ```  ### 3.提取纳税人识别号 ```python #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() ```  ```python 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：  ### 4.提取开票人 ```python left = 528 top = 550 right = 670 bottom = 600 image_obj4 = new_img.crop((left, top, right, bottom)) image_obj4.show() ```  ```python 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。  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。 # 04.批量识别发票并保存到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。  读取文件夹下的所有图片。 ```python filePath = 'pic' pic_name = [] for i,j,name in os.walk(filePath): pic_name = name for i in pic_name: print(i) ```  开始进行识别，并将结果写入到excel中。 ```python 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：  # 05.发票验证真伪 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**。  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。 ### 1.申请百度AI应用  ### 2.获取token ```python # 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 ### 3.查验  咱以这张图片为例，进行查验  其中的发票类型对应如下：  结果如下：  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 ### 4.税务局查询发票  同样以这张图片为例，进行查验  填写好信息点击查验，结果如下：  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。 # 06.小结 本文基本就成功实现目标要求，从效果来看还是非常不错的！完整源码可由文中代码组合而成（已全部分享在文中），感兴趣的读者可以自己尝试！ 一定要**动手尝试****！**一定要**动手尝试****！**一定要**动手尝试！** 最后想说的是，其实本文的案例可以**应用再其他方面**，例如 - **批量计算发票金额汇总** - **根据发票类型批量分类** - **........**
