Python提取PDF发票信息保存Excel文件并制作EXE程序的全过程

让我来详细讲解一下“Python提取PDF发票信息保存Excel文件并制作EXE程序的全过程”的完整实例教程。

1. 安装Python及相关库

首先，我们需要安装Python及相关的库，这里我们使用Python 3.x版本，推荐使用Anaconda作为Python的集成开发环境。需要安装的相关库主要有以下几个：

• PyPDF2：用于读取PDF文件；
• openpyxl：用于读写Excel文件；
• pyinstaller：用于打包Python程序为可执行文件；

你可以在命令行使用以下命令来安装这些库：

conda install PyPDF2 openpyxl pyinstaller

或者使用pip：

pip install PyPDF2 openpyxl pyinstaller

2. 读取PDF文件并提取发票信息

接下来，我们需要读取PDF文件并提取其中的发票信息。以下是一个示例代码：

import PyPDF2

pdf_file = open('example.pdf', 'rb')
pdf_reader = PyPDF2.PdfFileReader(pdf_file)

for page_num in range(pdf_reader.numPages):
    page = pdf_reader.getPage(page_num)
    text = page.extractText()
    # 提取发票信息
    # ...

这个代码片段中，我们首先打开PDF文件，然后使用PyPDF2库中的PdfFileReader类来读取PDF文件。接着，我们使用循环遍历PDF中的每一页，并提取每一页中的文本，用于接下来的发票信息提取。

对于如何提取发票信息，这取决于PDF文件中的发票信息的格式。以下是一个示例代码，用于提取发票号码、日期和总金额信息：

import re

pattern = re.compile(r'发票号码：(\d+)\n开票日期：(\d{4}-\d{2}-\d{2})\n金额合计：(￥\d+\.\d+)')

matches = pattern.findall(text)

for match in matches:
    invoice_number = match[0]
    invoice_date = match[1]
    invoice_total = match[2]
    # 将发票信息保存
    # ...

这个示例代码中，我们用正则表达式匹配PDF中的发票号码、日期和总金额信息，并将其保存到变量中。

3. 写入Excel文件

接下来，我们需要将提取到的发票信息保存到Excel文件中。以下是一个示例代码：

from openpyxl import Workbook

wb = Workbook()
ws = wb.active

ws.append(['发票号码', '开票日期', '总金额'])

for invoice_info in all_invoice_info:
    ws.append(list(invoice_info.values()))

wb.save('invoices.xlsx')

这个示例代码中，我们使用openpyxl库中的Workbook类创建一个新的Excel文件，并在该Excel文件的第一个工作表中创建一个表头。接着，我们遍历所有的发票信息，并将每张发票的信息写入到Excel文件中。

4. 打包Python程序为可执行文件

最后，我们需要将Python程序打包为可执行文件。以下是一个示例代码：

import PyInstaller.__main__

PyInstaller.__main__.run([
    'extract_invoice.py',
    '--onefile',
    '--name=extract_invoice'
])

这个示例代码中，我们使用PyInstaller库中的run()函数将Python程序打包为一个可执行文件。一些常用的选项包括：

• --onefile：生成一个单一的可执行文件；
• --name：指定可执行文件的名称；

示例说明

1. 示例1：读取并提取发票信息

假设我们有一个名为example.pdf的PDF文件，其中包含多张发票，我们需要遍历并提取每张发票的发票号码、日期和总金额信息。以下是一个示例代码：

import PyPDF2
import re

pdf_file = open('example.pdf', 'rb')
pdf_reader = PyPDF2.PdfFileReader(pdf_file)

all_invoice_info = []

for page_num in range(pdf_reader.numPages):
    page = pdf_reader.getPage(page_num)
    text = page.extractText()

    pattern = re.compile(r'发票号码：(\d+)\n开票日期：(\d{4}-\d{2}-\d{2})\n金额合计：(￥\d+\.\d+)')
    matches = pattern.findall(text)

    for match in matches:
        invoice_number = match[0]
        invoice_date = match[1]
        invoice_total = match[2]
        invoice_info = {'invoice_number': invoice_number, 'invoice_date': invoice_date, 'invoice_total': invoice_total}
        all_invoice_info.append(invoice_info)

print(all_invoice_info)

在执行上述代码后，我们可以得到所有发票的发票号码、日期和总金额信息。

1. 示例2：将发票信息写入Excel文件并打包为可执行文件

假设我们已经将所有发票的信息保存到了一个名为all_invoice_info的列表中，现在我们需要将这些信息写入Excel文件，并将Python程序打包为可执行文件。以下是一个示例代码：

from openpyxl import Workbook
import PyInstaller.__main__

wb = Workbook()
ws = wb.active

ws.append(['发票号码', '开票日期', '总金额'])

for invoice_info in all_invoice_info:
    ws.append(list(invoice_info.values()))

wb.save('invoices.xlsx')

PyInstaller.__main__.run([
    'extract_invoice.py',
    '--onefile',
    '--name=extract_invoice'
])

在执行上述代码后，我们将会得到一个名为invoices.xlsx的Excel文件，并且Python程序也会被打包为一个可执行文件extract_invoice.exe。