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 23 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
- 路由器重置方法（路由器重置方法详细步骤）
-
路由器靠近WAN口边上的有一个小孔用于路由器的重置，路由器配置完成后，我们可能会忘记他的用户名或者是密码，那么我们可以把它恢复到出厂设置，再靠近万口或电源之间，有一个小孔，用一个尖锐的金属查一下大约五...
- 100个有效qq号以及密码（有效qq号和密码大全）
-
如果你的电脑知识好的话，不妨用一些复合密码！SHIFT+一些特殊符号，字母，数字！虽然麻烦了点，但总比被人盗号了的好，是吧！最好还用手机绑定一下，这样的话方便改密码也不怕QQ被盗了哦。。。QQ密码找回...
- win10家庭中文版下载官网（windows10家庭中文版下载）
-
你好，激活Win10家庭中文版的方法：1.购买正版Win10家庭中文版激活码，然后在计算机上输入激活码，即可完成激活。2.如果您已经安装了Win10家庭中文版，但尚未激活，可以通过以下步骤激活：-...
- 电脑截图在哪里找（电脑截图在哪里找图片win10）
-
截图默认会保存在电脑的剪贴板中，可以通过以下步骤将其保存到本地：1.打开任意一款图片软件，如Paint、Photoshop、Word等。2.按下键盘上的Ctrl+V，或者在软件菜单栏中选择&#...
- 电脑里一堆microsoft visual
-
按照系统向下兼容原理，保留2010就可以了.1）你安装的时候是不是把创建快捷键的选项框都没选上，导致在开始菜单中没有找到相应的链接？2）去你的安装目录下，找到Microsoftvisualc++...
-
- windows无法识别usb（windows无法识别usb设备）
-
Windows无法识别USB，解决办法如下右键开始菜单打开设备管理器，在通用串行总线控制器中右键点击设备选择“卸载”，完成后重新启动计算机即可解决问题。这有可能是在组策略中禁用了USB口，可以使用快捷键【Win+R】运行gpedit.msc...
-
2025-11-10 11:51 off999
- bios能看到硬盘 开机找不到硬盘
-
bios里可以看到硬盘，说明硬盘已经被主板识别。进系统找不到，可能硬盘没分区，或者硬盘是动态磁盘，还没有导入或激活。按win+r，输入diskmgmt.msc回车，就打开磁盘管理了，在里面可以给新硬盘...
- 无线网有个红叉（无线网有个红叉,搜索不到网络）
-
连接失败，路由坏换路由，外网坏，报修无线网络处出现红叉表示设备无法正常工作。请检查网卡驱动是否正常，无线网络开关是否打开。解决方法：查看电脑是否有无线网络开关，且是否打开。进入设备管理器检查网卡驱动是...
- thinkpad笔记本官网首页（thinkpad官方商城）
-
官方网站 国内：http://www.thinkworld.com.cn 国内用户只需要访问国内即可。 ThinkPad，中文名为“思考本”，在2005年以前是IBMPC事业部旗下的便携式计算机...
- win7什么版本最好用（win7哪个版本最稳定流畅）
-
Windows7旗舰版，最好，最稳定。Windows7,是由微软公司（Microsoft）开发的操作系统，内核版本号为WindowsNT6.1。Windows7可供选择的版本有：简易版（Sta...
- win7自带虚拟光驱怎么使用（win7系统虚拟光驱安装教程）
-
以DAEMONTools为例,360软件管家里面就有最新版的下.安装后使用方法如下:第一种方法：在虚拟光驱界面中,你先按一下中间工具栏最左边“+”符号的按钮，添加镜像文件（可以一次添加多个），这...
- 电脑装系统蓝屏（电脑装系统蓝屏重启开不了机）
-
蓝屏的原因往往集中在不兼容的硬件和驱动程序、有问题的软件、病毒等。解决办法：1、病毒的原因。使用电脑管家杀毒。2、内存的原因。用橡皮擦把内存条的金手指擦拭一下，把氧化层擦掉，确保内存条安装、运行正常。...
- u盘安装软件（u盘安装软件到电视）
-
第一种情况：软件安装包可以直接下载的。在电脑上将软件安装包下载到本地硬盘，然后将下载好软件安装包拷贝到U盘上即可拿到别的电脑上去安装。分可为exe格式的和rar格式，exe格式直接安装，rar格式的解...
- microsoft官网账户注册（microsoft 帐户注册）
-
要创建Microsoft账户，您可以按照以下步骤进行操作：1.打开任意一个支持浏览器的设备，如电脑、手机或平板电脑。2.在浏览器中输入"Microsoft账户注册"或直接访问Mic...
欢迎 你 发表评论:
- 一周热门
-
-
抖音上好看的小姐姐，Python给你都下载了
-
全网最简单易懂!495页Python漫画教程，高清PDF版免费下载
-
Python 3.14 的 UUIDv6/v7/v8 上新，别再用 uuid4 () 啦!
-
python入门到脱坑 输入与输出—str()函数
-
飞牛NAS部署TVGate Docker项目，实现内网一键转发、代理、jx
-
宝塔面板如何添加免费waf防火墙?（宝塔面板开启https）
-
Python三目运算基础与进阶_python三目运算符判断三个变量
-
(新版)Python 分布式爬虫与 JS 逆向进阶实战吾爱分享
-
慕ke 前端工程师2024「完整」
-
失业程序员复习python笔记——条件与循环
-
- 最近发表
- 标签列表
-
- python计时 (73)
- python安装路径 (56)
- python类型转换 (93)
- python进度条 (67)
- python吧 (67)
- python的for循环 (65)
- python格式化字符串 (61)
- python静态方法 (57)
- python列表切片 (59)
- python面向对象编程 (60)
- python 代码加密 (65)
- python串口编程 (77)
- python封装 (57)
- python写入txt (66)
- python读取文件夹下所有文件 (59)
- python操作mysql数据库 (66)
- python获取列表的长度 (64)
- python接口 (63)
- python调用函数 (57)
- 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)