Python中比较好用的PDF模块—

参考文档：常用Python PDF库对比

上文中：列举了几个常用的Python中PDF的模块。

我自己的应用场景是将发票金额提取，并用金额去命名pdf文件名。

经过个人测试：PyMuPDF模块效果显著。

Talk is cheap，I show you the code。

import os
import fitz
import shutil
'''支持滴滴行程单。# PyMuPDF模块：https://pymupdf.readthedocs.io/en/latest/tutorial.html#extracting-text-and-images
'''
root_dir = "./"
out_dir = "./output"
if not os.path.exists(out_dir):os.mkdir(out_dir)def fapiao_read(text):if "￥" in text:print(text.split("￥")[-1].split("\n")[0])money = text.split("￥")[-1].split("\n")[0]elif "¥" in text:print(text.split("¥")[-1].split("\n")[0])money = text.split("¥")[-1].split("\n")[0]return moneydef xingchengdan_read(text):print(text.split("合计")[1].split("元")[0].split()[0])money = text.split("合计")[1].split("元")[0].split()[0]return moneyRepeat_name_list = []
for file in os.listdir("./"):if file.endswith(".pdf"):src = os.path.join(root_dir, file)doc = fitz.open(src)  # or fitz.Document(filename)page = doc.load_page(0)text = page.get_text("text")if "￥" in text or "¥" in text:if "敏感信息脱敏" in text and "敏感信息脱敏" in text:money = fapiao_read(text)out_file_name = "电子发票" + money + "元"else:continueelse:money = xingchengdan_read(text)out_file_name = "电子发票" + money + "元行程单"Repeat_name_list.append(out_file_name)if out_file_name in Repeat_name_list:repeat_num = Repeat_name_list.count(out_file_name)if repeat_num == 1:out_file_name = out_file_nameelse:out_file_name = out_file_name + "(" + str(repeat_num-1) + ")"dst = os.path.join(out_dir, out_file_name+".pdf")shutil.copy(src, dst)

这个仅仅支持所有电子发票的pdf，同时支持滴滴发票和行程单的提取。其他pdf暂未考虑。因为我也用不到。

备注：据我观察人民币的“￥”符号，在发票中，有两种表现。代码中已经列出。

Python中比较好用的PDF模块——发票金额提取相关推荐

Python中import导入上一级目录模块及循环import问题的解决
Python中import导入上一级目录模块及循环import问题的解决参考文章: (1)Python中import导入上一级目录模块及循环import问题的解决 (2)https://www.cn ...
Python中第三方的库(library)、模块(module)，包(package)的安装方法以及ImportError: No module named...
Python中,想要安装第三方安装包,即third library,package等,对于熟悉的人来说,很简单. 但是对于新手,至少对于之前的我,很难,往往只是安装一个很小的包,都被搞得一头雾水. 现 ...
python中使用sys模板和logging模块获取行号和函数名的方法
From: http://www.jb51.net/article/49026.htm 这篇文章主要介绍了python中使用sys模板和logging模块获取行号和函数名的方法,需要的朋友可以参考下 ...
python中 time、datetime、random模块
1. 自定义模块 1.1 模块分类模块的分类: 1.内置模块(标准库)--python解释器自带的.py文件(模块): 2.第三方模块-- 需要额外下载的 (pypi) 3.自定义模块(程序员写的) ...
Python实训day10am【Python中的地址引用、os模块】
Python实训-15天-博客汇总表目录 1.Python中的地址引用 2.os模块(操作系统模块) 2.1.os案例1 2.2.os案例2 2.3.os案例3 2.4.os案例4 2.5.os案例 ...
MongoDB数据库(8.Python中使用mongodb数据库以及pymongo模块用法)
在Python中使用MongoDB数据库,首先要下载pymongo模块直接在命令行 pip install pymongo 就可以了 Python中使用pymongo模块对MongoDB数据 ...
Python中的堆实现：heapq 模块——利用堆结构实现快速访问数据流中的中位数
堆结构堆结构是一种优先队列,可以以任意顺序添加对象,并随时查找或删除最小(大)的元素,或者查找和删除前 K 个最小(大)元素.相比于列表方法min() / max(),这样做的效率要高得多. 堆结构 ...
python用方括号提取字符中的数值_Python使用re模块正则提取字符串中括号内的内容示例...
Python使用re模块正则提取字符串中括号内的内容示例本文实例讲述了Python使用re模块正则提取字符串中括号内的内容操作.分享给大家供大家参考,具体如下: 直接上代码吧: # -*- codi ...
python中options类_Python的OptionParser模块
Python中强大的选项处理模块. 示例 #!/usr/bin/pythonfrom optparse import OptionParser parser = OptionParser() pars ...

Python中比较好用的PDF模块——发票金额提取

Talk is cheap，I show you the code。

Python中比较好用的PDF模块——发票金额提取相关推荐

最新文章

热门文章