svcvit/mupdf repository overview

⁠PDF电子发票信息提取

⁠1. 字段说明

PDF电子发票信息提取，从电子发票左上角的二维码中识别以下信息：

• 发票代码
• 发票号码
• 开票日期
• 校验码
• 价税合计（小写）

网上我也看过其他的通过提取PDF内容获取字段的解决方案。虽然有可能可以获取更多字段信息，但非常不稳定。因为电子发票虽然看起来一样，但背后的PDF格式千差万别。

⁠2. 安装说明

本程序仅在MacOS搭配python3上测试过。
程序依赖包括zbarlight和PyMuPDF，然而这两个无法简单地通过pip安装。具体安装方法参见：

• zbarlight：https://pypi.org/project/zbarlight/⁠
• PyMuPDF：https://pypi.org/project/PyMuPDF/⁠

其他依赖通过pip安装即可：

pip install pillow pandas

⁠3. 使用说明

需要提供含PDF电子发票的文件夹路径和输出的excel文件名：

python3 main.py -i /path/to/pdf/invoice -o output.xlsx

⁠4. 使用Docker

因为这个环境配置起来太麻烦，所以我创建了一个Docker方式。
第一步：build环境

docker image build -t mupdf .

第二步：执行本地程序

docker container run --rm -it  -v /Users/ron/Documents/docker_images:/code mupdf python3 main.py -i invoice -o output.xlsx