前端工程师后段工程师_工程师如何在会计中生存

前端工程师后段工程师

经营自己的“乐趣”之一就是处理会计。

现在，为了生存，我尝试了一些类似的操作：

为我的客户生成发票
处理银行对帐单

一件无聊的事情是整理我必须支付的收据和发票：差旅费，书本费，会议费等。您明白了。

为什么我需要使用软件在PDF文件中查找日期

理想情况下，我希望有一个工具可以将收据与银行对账单中的行进行匹配，并生成一些报告，这些报告可能会使我的业务顾问感到非常高兴。

这样做的第一步是拥有一个工具，该工具可以使一堆PDF可以将日期与它们关联。一旦获得日期，我便知道要考虑的银行对账单的哪几行，并且可以进行匹配（也许还要考虑金额）。

第一步：从PDF中提取文本

有两种可能的情况：PDF已经包含文本，或者PDF是简单的图像，我们需要使用OCR技术识别文本。

在第一种情况下，事情相对容易。我们使用PDFBox提取文本：

fun getTextInPdf(fileName: String): List<PieceOfText> {val reader = PdfReader(FileInputStream(File(fileName)))val n = reader.numberOfPagesvar i = 0val listener = MyTextRenderListener()val processor = PdfContentStreamProcessor(listener)while (i<n) {val page = reader.getPageN(i + 1)val resourcesDic = page.getAsDict(PdfName.RESOURCES)processor.processContent(ContentByteUtils.getContentBytesForPage(reader, i + 1), resourcesDic)i++}reader.close()return listener.process()
}

但是，当然，现实生活总是会带来惊喜。有些PDF每段包含一个块（太棒了！），而另一些PDF 每个字母则包含一个块。这意味着我们必须查看每个字母的位置，看看它是否与另一个字母相邻。在这种情况下，我们需要将它们合并以获得单词。

如果PDF中没有文本，则需要采用OCR技术。我使用过用C ++编写的tesseract 。为了在JVM中使用它，我使用了javacpp-presets 。

一旦获得了文本块，就需要将其分成单词序列。这部分相对容易，但并不像预期的那么琐碎，因为我们需要跟踪每个单词的确切位置。因此，在单词中分割一个块时，需要进行一些数学运算才能找到每个单词的边界。

第二步：识别日期

我们现在有很多话。我们需要查看它们并找到与日期相对应的单词序列。

现在，日期可能以各种奇怪的格式出现。还请考虑我有英文（英国和美国），法语，德语和意大利语的收据。

让我们看一些例子。

首先是经典的DD / MM / YY：

15/04/2016
18-06-2016
2016年1月1日

有时您可以找到YY / MM / DD来代替：

2016-05-13

该月份可以用任何语言的字母表示：

2016年5月7日
2016年6月18日
2016年4月22日
2016年6月1日
2016年4月12日

也可以缩写为：

2016年4月14日
2016年4月12日

当然，有些日期无法确定，因为美国人在某个时候认为将日期的月份和日期倒置是个好主意。因此，如果我读2/3/2016，则可能是3月2日或2月3日。这意味着某些日期是不明确的。

第三步：确定哪个日期是订单的日期

现在，发票可以包含许多不同的日期。考虑以下示例：

一个日期的顺序（在法国COMMANDE）的声音，另一种是公司的登记日期。这绝对是我们不感兴趣的日期。

还有其他示例：

或再次：

我们如何处理这种情况？

好吧，我们使用了一系列启发式方法，这些方法在大多数情况下似乎都有效。最有力的方法之一是在日期附近寻找有意义的单词，例如， 制造/发票/ fattura或命令/ 突击队/领队。 我们还可以使用字体大小和日期在页面上的位置。

这些技巧总是奏效吗？没有。

他们经常工作吗？是的，他们有。

结论

首先，让我与大家分享我对美国人选择的日期格式的热烈赞赏。我觉得这是个好主意，一点也不愚蠢和不幸。实际上，这是造成痛苦的主要原因，也是造成错误的首要原因。

我的大部分收据都是电子格式，其中包含文字。在少数需要使用OCR的情况下，它似乎工作得足够好。

最后，我对这个原型非常满意，因为经过一些调整后，它似乎可以在90％的时间内正确猜出。不错，真不错。

哦，嗯，我想我得回到我的会计了。

您是否想自动化一些事情以简化生活？

翻译自: https://www.javacodegeeks.com/2016/09/engineer-supposed-survive-accounting.html

前端工程师后段工程师