Python自动化办公之PDF版本发票识别并提取关键信息教程(上篇)
off999 2025-06-30 19:19 3 浏览 0 评论
大家好，我是皮皮。
一、前言
前几天在Python白银交流群【上海新年人】问了一个Python自动化办公发票数据处理的问题，一起来看看吧。
二、实现过程
这个问题在实际工作中还是非常常见的，实用性和通用性都比较强，历史文章中其实也有写过几篇文章，这里继续给大家敲敲脑壳。
不过这里还涉及到一个场景，其实这个数据来源是pdf发票识别，然后存为Excel的，所以看上去格式还比较乱。
就是pdf里面有中括号，你提取来之后就把中括号带出来了，然后希望把中括号去掉，并且每列的每行都分成两列。
粉丝自己写了一个代码和正则表达式，但是出来的结果不尽人意，想在群里寻求大佬们的帮助。这里【甯同学】给了一个思路和代码，如下所示：
看上去确实可以得到正确的结果：
这个'\xa5' 的意思就是一个文字编码的问题，计算机本身不识别输入的东西需要先把它们翻译成计算机可以识别的。这里的结果看上去数据是一行，粉丝要的是里面几个数字，可以试试看转列表，然后索引取：
不过粉丝还补充了下面的这个情况，然后【甯同学】继续给出了对应的思路：
下一篇文章我们一起来看具体的代码，敬请期待！
三、总结
大家好，我是皮皮。这篇文章主要盘点了一个Python自动化办公发票数据处理的问题，文中针对该问题，给出了具体的解析和代码实现，帮助粉丝顺利解决了问题。
最后感谢粉丝【上海新年人】提问，感谢【论草莓如何成为冻干莓】、【甯同学】、【瑜亮老师】、【FANG.J】、【袁学东】给出的思路和代码解析，感谢【顾德猫宁】、【Day_dreamer】等人参与学习交流。
【提问补充】温馨提示，大家在群里提问的时候。可以注意下面几点：如果涉及到大文件数据，可以数据脱敏后，发点demo数据来（小文件的意思），然后贴点代码（可以复制的那种），记得发报错截图（截全）。代码不多的话，直接发代码文字即可，代码超过50行这样的话，发个.py文件就行。
相关推荐
- python爬取电子课本，送给居家上课的孩子们
-
在这个全民抗疫的日子，中小学生们也开启了居家上网课的生活。很多没借到书的孩子，不得不在网上看电子课本，有的电子课本是老师发的网络链接，每次打开网页去看，既费流量，也不方便。今天我们就利用python的...
- 高效办公!Python 批量生成PDF文档是如何做到的?
-
前言：日常办公中，经常会使用PDF文档，难免需要对PDF文档进行编辑，有时候PDF文档中的大部分内容都是一样的，只是发送对象不同。这种模板套用的场景下，使用Python进行自动化就尤为方便，用最短的时...
- 如何用Python将PDF完整的转成Word?
-
PDF文件完整的转为Word，转换后格式排版不会乱，图片等信息完整显示不丢失。这个很简单，有很多方法都可以实现。方法一：Python利用Python将PDF文件转换为Word，有许多库可以帮你实现这一...
- 使用Python拆分、合并PDF（python合并多个pdf）
-
知识点使用Python操作PDF！主要内容有：1、PDF拆分；2、PDF合并。在工作中，难免会和PDF打交道，所以掌握一点处理PDF的技能非常有必要，本文将介绍几个常用的功能。PDF拆分很多时候，获取...
- 10分钟实现PDF转Word神器!看DeepSeek如何用Python解放打工人
-
开篇痛点每个被PDF折磨过的职场人都懂——领导发来的扫描件要修改，手动抄到Word需要2小时；网上下载的报告想复制数据，却变成乱码…今天我们用Python+DeepSeek，10分钟打造一个智能转换工...
- 《Python知识手册》，高清全彩pdf版开放下载
-
Python编程还不懂？今天我要把我参与编写的这套《Python知识手册》免费分享出来，看完文末有惊喜哦。...
- 利用python进行数据分析，PDF文档给你答案
-
本书详细介绍利用Python进行操作、处理、清洗和规整数据等方面的具体细节和基本要点。虽然本书的标题是“数据分析”，重点却是Python编程、库，以及用于数据分析的工具。兄弟，毫无套路！PDF版无偿获...
- OCRmypdf:一款可以让扫描PDF文件变得可搜索、可复制!
-
简介在日常工作中，我们经常会接触到各种PDF文件，其中不少是扫描版文档。处理这些扫描PDF时，尽管内容看似完整，但往往无法直接复制或搜索其中的文本。尤其是在需要对大量文档进行文本分析、存档或后期编辑时...
- 高效的OCR处理工具!让扫描PDF文件变得可搜索、可复制!
-
在工作中，我们常常遇到各种各样的PDF文件，其中不乏一些扫描版的文档。而在处理扫描的PDF文件时，虽然文件内容看似完整，但你却无法复制、搜索其中的文本。特别是对大量文档需要进行文本分析、存档、或者...
- 三步教你用Elasticsearch+PyMuPDF实现PDF大文件秒搜!
-
面对100页以上的大型PDF文件时，阅读和搜索往往效率低下。传统关系型数据库在处理此类数据时容易遇到性能瓶颈，而Elasticsearch凭借其强大的全文检索和分布式架构，成为理想解决方案。通过...
- 用 Python 去除 PDF 水印，你学会吗?
-
今天介绍下用Python去除PDF(图片)的水印。思路很简单，代码也很简洁。首先来考虑Python如何去除图片的水印，然后再将思路复用到PDF上面。这张图片是前几天整理《数据结构和算法...
- 扫描PDF档案效率提升300%!OCRmyPDF:告别无法搜索的PDF噩梦，这款26K Star的开源神器让文本识别轻松上手!
-
要在PDF中搜索某个关键词，结果发现啥也找不到？这种情况大多数人都遇到过吧，特别是处理扫描文档或图片PDF时。就在前几天，我还在为这事抓狂呢！后来无意中发现了OCRmyPDF这个宝藏项目...简直就...
- Python自动化办公之PDF版本发票识别并提取关键信息教程(上篇)
-
大家好，我是皮皮。一、前言前几天在Python白银交流群【上海新年人】问了一个Python自动化办公发票数据处理的问题，一起来看看吧。二、实现过程这个问题在实际工作中还是非常常见的，实用性和通用性都比...
- PDF解锁神器:用PyMuPDF与pdfplumber告别手动提取
-
前言大家好，今天咱们来聊聊如何用Python中的PyMuPDF和pdfplumber库，轻松提取PDF文件里的文本和元数据。你是否曾经在处理一个复杂的PDF文件时，感到信息难以触及，提取过程让人抓狂？...
- 《Python知识手册》，高清pdf免费获取
-
今天我要把我参与编写的这套《Python知识手册》免费分享出来，真正弘扬Python开源精神！手册的部分页面如下：获取方式：...
欢迎 你 发表评论:
- 一周热门
- 最近发表
-
- python爬取电子课本，送给居家上课的孩子们
- 高效办公!Python 批量生成PDF文档是如何做到的?
- 如何用Python将PDF完整的转成Word?
- 使用Python拆分、合并PDF（python合并多个pdf）
- 10分钟实现PDF转Word神器!看DeepSeek如何用Python解放打工人
- 《Python知识手册》，高清全彩pdf版开放下载
- 利用python进行数据分析，PDF文档给你答案
- OCRmypdf:一款可以让扫描PDF文件变得可搜索、可复制!
- 高效的OCR处理工具!让扫描PDF文件变得可搜索、可复制!
- 三步教你用Elasticsearch+PyMuPDF实现PDF大文件秒搜!
- 标签列表
-
- python计时 (73)
- python安装路径 (56)
- python类型转换 (93)
- python自定义函数 (53)
- python进度条 (67)
- python吧 (67)
- python字典遍历 (54)
- python的for循环 (65)
- python格式化字符串 (61)
- python静态方法 (57)
- python串口编程 (60)
- python读取文件夹下所有文件 (59)
- java调用python脚本 (56)
- python操作mysql数据库 (66)
- python字典增加键值对 (53)
- python获取列表的长度 (64)
- python接口 (63)
- python调用函数 (57)
- python人脸识别 (54)
- python多态 (60)
- python匿名函数 (59)
- python打印九九乘法表 (65)
- python赋值 (62)
- python异常 (69)
- python元祖 (57)