项目推荐：invoice2data

项目推荐：invoice2data

invoice2data Extract structured data from PDF invoices 项目地址: https://gitcode.com/gh_mirrors/in/invoice2data

项目基础介绍和主要编程语言

invoice2data 是一个开源的命令行工具和 Python 库，旨在帮助会计流程自动化。它能够从 PDF 发票中提取结构化数据，支持多种 PDF 文本提取技术，如 pdftotext、text、ocrmypdf、pdfminer、pdfplumber、OCR（tesseract）或 gvision（Google Cloud Vision）。该项目主要使用 Python 语言开发。

项目核心功能

invoice2data 的核心功能包括：

1. PDF 文本提取：支持多种 PDF 文本提取技术，确保从不同格式的 PDF 文件中提取文本数据。
2. 模板匹配：使用 YAML 或 JSON 格式的模板系统，通过正则表达式匹配和提取发票中的关键字段，如日期、发票号、金额等。
3. 数据输出：支持将提取的数据保存为 CSV、JSON 或 XML 格式，方便进一步处理和分析。
4. 插件扩展：提供插件机制，支持自定义字段提取和处理，如匹配行项目和表格数据。
5. 灵活配置：用户可以根据自己的需求定义静态字段、自定义字段和多重正则表达式，以适应不同的发票格式和业务需求。

项目最近更新的功能

invoice2data 最近的更新功能包括：

1. 增强的 PDF 文本提取：改进了对复杂 PDF 文件的文本提取能力，特别是对包含表格的 PDF 文件。
2. 模板系统优化：增加了模板选项，允许用户在处理发票时进行更多的自定义设置，如去除空白字符、替换字符等。
3. 插件扩展：新增了多个插件，支持更复杂的字段提取和数据处理，如表格数据提取和行项目匹配。
4. 性能优化：对代码进行了优化，提高了处理速度和稳定性，特别是在处理大量发票文件时。
5. 文档更新：更新了项目文档，增加了更多使用示例和教程，帮助用户更好地理解和使用项目功能。

通过这些更新，invoice2data 进一步提升了其自动化会计流程的能力，为用户提供了更强大的工具和更灵活的配置选项。

invoice2data Extract structured data from PDF invoices 项目地址: https://gitcode.com/gh_mirrors/in/invoice2data