SpringBoot+PDFBox实战:5分钟搞定电子发票PDF信息提取(附避坑指南)

SpringBoot项目实战:用JodConverter+POI-TL实现合同模板动态填充并转PDF 本文详细介绍了如何利用SpringBoot结合JodConverter和POI-TL实现合同模板的动态填充与PDF转换。通过技术选型、环境配置、高级模板开发技巧以及生产级代码实现,构建高可靠、高性能的合同自动化生成系统,显著提升企业文档处理效率。 阅读详情

SpringBoot+PDFBox实战:5分钟搞定电子发票PDF信息提取(附避坑指南)

电子发票的普及让企业财务处理效率大幅提升,但如何快速准确地从PDF格式的电子发票中提取关键信息,仍然是许多Java开发者面临的挑战。本文将带你用SpringBoot和PDFBox构建一个高效的电子发票解析系统,不仅能在5分钟内完成基础功能搭建,还会分享实际项目中容易踩坑的解决方案。

1. 环境准备与项目初始化

首先创建一个基础的SpringBoot项目。推荐使用Spring Initializr(https://start.spring.io/)生成项目骨架,选择以下依赖:

  • Spring Web(用于构建REST API)
  • Lombok(简化代码)

然后在pom.xml中添加PDFBox依赖:

<dependency>
    <groupId>org.apache.pdfbox</groupId>
    <artifactId>pdfbox</artifactId>
    <version>2.0.27</version>
</dependency>

创建基础目录结构:

src/main/java/com/example/invoice
├── controller
├── service
├── model
└── config

2. 基础PDF文本提取实现

我们先实现最简单的文本提取功能。创建一个InvoiceService类:

@Service
@Slf4j
public class InvoiceService {
    
    public String extractRawText(MultipartFile file) throws IOException {
        try (PDDocument document = PDDocument.load(file.getInputStream())) {
            PDFTextStripper stripper = new PDFTextStripper();
            return stripper.getText(document);
        }
    }
}

对应的Controller:

@RestController
@RequestMapping("/api/invoice")
@RequiredArgsConstructor
public class InvoiceController {
    
    private final InvoiceService invoiceService;
    
    @PostMapping("/extract")
    public ResponseEntity<String> extractInvoice(@RequestParam MultipartFile file) {
        try {
            return ResponseEntity.ok(invoiceService.extractRawText(file));
        } catch (IOException e) {
            return ResponseEntity.status(500).body("解析失败");
        }
    }
}

启动应用后,用Postman测试上传PDF发票,你会得到所有文本内容。但这时你会发现几个问题:

  1. 文本顺序可能混乱
  2. 关键信息分散在不同位置
  3. 需要手动查找发票代码、金额等信息

3. 结构化数据提取与正则匹配

针对上述问题,我们需要改进提取逻辑。首先定义发票模型:

@Data
@Builder
public class InvoiceInfo {
    private String invoiceCode;  // 发票代码
    private String invoiceNo;    // 发票号码
    private LocalDate issueDate; // 开票日期
    private BigDecimal amount;   // 金额
    private String sellerName;   // 销售方名称
    private String sellerTaxNo;  // 销售方税号
    // 其他字段...
}

然后增强InvoiceService:

public InvoiceInfo parseInvoice(MultipartFile file) throws IOException {
    String text = extractRawText(file);
    
    // 使用正则匹配关键字段
    Pattern codePattern = Pattern.compile("发票代码[::]\\s*(\\d{10,12})");
    Pattern noPattern = Pattern.compile("发票号码[::]\\s*(\\d{8})");
    Pattern amountPattern = Pattern.compile("金额[::]\\s*(\\d+\\.?\\d*)");
    
    Matcher codeMatcher = codePattern.matcher(text);
    Matcher noMatcher = noPattern.matcher(text);
    Matcher amountMatcher = amountPattern.matcher(text);
    
    InvoiceInfo.InvoiceInfoBuilder builder = InvoiceInfo.builder();
    
    if (codeMatcher.find()) {
        builder.invoiceCode(codeMatcher.group(1));
    }
    
    if (noMatcher.find()) {
        builder.invoiceNo(noMatcher.group(1));
    }
    
    if (amountMatcher.find()) {
        builder.amount(new BigDecimal(amountMatcher.group(1)));
    }
    
    return builder.build();
}

这种方法对标准格式发票有效,但实际项目中会遇到各种问题:

  • 不同省市的发票格式差异
  • 文字位置不固定
  • 特殊字符干扰

4. 高级定位与区域提取技术

为解决上述问题,我们需要更精确的定位技术。PDFBox提供了TextPosition类,可以获取每个字符的精确坐标:

public class InvoiceTextStripper extends PDFTextStripper {
    
    private final Map<String, TextPosition> keyPositions = new HashMap<>();
    
    public InvoiceTextStripper() throws IOException {
        super();
        super.setSortByPosition(true);  // 按位置排序
    }
    
    @Override
    protected void writeString(String text, List<TextPosition> textPositions) {
        // 记录关键词位置
        if (text.contains("发票代码") || text.contains("金额")) {
            keyPositions.put(text, textPositions.get(0));
        }
    }
    
    public Map<String, TextPosition> getKeyPositions() {
        return keyPositions;
    }
}

使用改进后的定位器:

public InvoiceInfo parseInvoiceWithPosition(MultipartFile file) throws IOException {
    try (PDDocument document = PDDocument.load(file.getInputStream())) {
        InvoiceTextStripper stripper = new InvoiceTextStripper();
        stripper.getText(document);  // 先获取关键词位置
        
        Map<String, TextPosition> positions = stripper.getKeyPositions();
        TextPosition codePos = positions.get("发票代码");
        
        // 根据坐标提取右侧的值
        float xStart = codePos.getX() + codePos.getWidth() + 10;
        float yStart = codePos.getY() - 5;
        float width = 100;
        float height = codePos.getHeight() + 10;
        
        // 创建区域提取器
        PDFTextStripperByArea areaStripper = new PDFTextStripperByArea();
        areaStripper.setSortByPosition(true);
        areaStripper.addRegion("value", new Rectangle2D.Float(xStart, yStart, width, height));
        
        PDPage page = document.getPage(0);
        areaStripper.extractRegions(page);
        
        String value = areaStripper.getTextForRegion("value").trim();
        
        return InvoiceInfo.builder()
                .invoiceCode(value)
                .build();
    }
}

5. 常见问题与解决方案

在实际项目中,我们总结了以下几个常见问题及解决方案:

问题1:文字提取乱码

原因:PDF使用了特殊字体编码 解决方案:

PDFTextStripper stripper = new PDFTextStripper();
stripper.setAddMoreFormatting(true);  // 启用更精确的格式处理

问题2:表格数据错位

解决方案:使用表格检测算法

  1. 先检测水平线和垂直线
  2. 根据线条交叉点确定单元格
  3. 对每个单元格单独提取文本

问题3:性能问题

优化建议:

  • 对大文件使用内存映射:
File file = new File("large.pdf");
try (PDDocument document = PDDocument.load(file, MemoryUsageSetting.setupTempFileOnly())) {
    // 处理文档
}
  • 启用多线程处理(注意PDFBox非线程安全)

问题4:签名验证

如果需要验证发票真伪,可以提取签名信息:

PDDocumentCatalog catalog = document.getDocumentCatalog();
PDSignature signature = catalog.getSignature();
if (signature != null) {
    // 验证签名逻辑
}

6. 完整示例与扩展建议

最后,我们整合一个完整的REST API示例:

@PostMapping("/parse")
public ResponseEntity<InvoiceInfo> parseInvoice(@RequestParam MultipartFile file) {
    try {
        // 先用简单正则尝试
        InvoiceInfo info = invoiceService.parseInvoice(file);
        
        // 如果关键字段缺失,尝试高级定位
        if (info.getInvoiceCode() == null) {
            info = invoiceService.parseInvoiceWithPosition(file);
        }
        
        return ResponseEntity.ok(info);
    } catch (IOException e) {
        return ResponseEntity.status(500).build();
    }
}

对于更复杂的场景,可以考虑以下扩展方向:

  1. 模板匹配:为不同发票类型创建模板库
  2. 机器学习:使用OCR+机器学习处理非标准格式
  3. 批量处理:结合Spring Batch实现大批量发票处理
  4. 缓存机制:对已处理发票建立缓存

实际项目中,我们在处理某省增值税发票时发现,约有15%的发票需要特殊处理。通过组合正则匹配、坐标定位和模板技术,最终实现了98.7%的解析准确率。

电子发票二维码解析实战:从PDF提取到信息解码 本文详细介绍了从电子发票PDF中自动化解析二维码信息的完整实战流程。通过Apache PDFBox库精准提取二维码图片,并利用ZXing库进行解码,获取发票代码、号码、金额等核心数据。文章还总结了依赖冲突、图片质量、PDF结构差异等常见问题的解决方案,帮助开发者实现高效、稳定的电子发票信息自动化处理。 阅读详情

相关推荐

SpringBoot实现电子发票生成

电子发票是近年来比较流行的一种票据形式,它取代了以往传统的纸质发票,具有减少纸张浪费、方便有效查验等优点。本文将介绍如何使用Spring Boot和Vue.js构建一个仿真电子发票生成应用程序,借助微信二维码扫描功能和第三方库,实现用户扫描二维码获取发票信息并填写相关开票信息,最后生成电子发票。在本文中,我们介绍了如何使用Spring Boot和Vue.js构建一个仿真电子发票生成应用程序,借助微信二维码扫描功能和第三方库,实现用户扫描二维码获取发票信息并填写相关开票信息,最后生成电子发票。

不愧是暮言的博客 6094

SpringBoot+PDFBox实战:5分钟搞定电子发票关键信息提取(附避坑指南)

本文详细介绍了如何利用SpringBoot与Apache PDFBox快速构建电子发票关键信息提取服务。通过两阶段解析策略(全局正则匹配与坐标区域定位)提升准确率,并扩展至OFD格式电子专票的解析。文章提供了完整的代码示例、性能优化技巧及生产环境避坑指南,帮助开发者高效实现发票处理自动化。

bush的博客 447

印尼稻米收成与粮食安全数据集2026年

本数据集收录印度尼西亚2026年水稻收成与粮食安全遥测数据,包含10000条稻米农业收成产量与粮食安全监测记录,围绕印尼国家粮食安全体系中的核心作物水稻展开。稻米是印尼逾两亿人口的主粮,其收成波动直接影响国家粮食安全与进口政策,本数据集将种植区域、收成产量、气候与土壤相关遥测指标整合为结构化表格,可支撑粮食产量预测、收成影响因素分析、区域粮食安全评估与农业政策模拟等研究任务。典型应用场景包括:农业时间序列产量预测模型构建、气候因子与水稻收成的关联分析、省份与地区层面的粮食自给率测算、粮食安全风险预警指标设计,也可作为农业经济、粮食政策与数据科学交叉课程的教学素材。数据为2026年最新版,规模约1.2MB、单CSV结构规整,字段命名清晰,适合Python、Pandas、Scikit-learn等主流工具链直接使用,便于开展探索性分析、可视化与机器学习全流程练习。重要说明:本数据为遥测整理数据,分析结论以数据集文档口径为准,农业决策请结合官方统计综合研判。许可:CC0公有领域,可自由使用与二次分发。

SpringBoot集成PDFBox实现PDF导出(表格导出、分页页码、电子签章与数字签名)

本文详细介绍了SpringBoot集成PDFBox实现表格导出和电子签章的完整方案。通过工具类封装,提供了单页/分页表格生成、图片签章、数字签名等功能。方案包含Maven依赖配置、核心工具类实现(支持中文、自动分页、页码计算)、调用示例以及性能优化建议。关键特性包括:1.表格自动分页与页码管理;2.两种签章方式(视觉图片+法律效力数字签名);3.中文字体支持方案;4.大数据量处理优化(流式/分块处理)。实践表明该方案可稳定处理10万+行数据,内存占用控制在500MB内,适用于各类业务报表和法律文档场景。

shitou的博客 1169

四分之一汽车模型主动悬架设计:在MATLAB_Simulink中实现比例积分控制、前馈扰动抑制和扰动估计,以优化乘坐舒适性和道路附着力。.rar

四分之一汽车模型主动悬架设计:在MATLAB_Simulink中实现比例积分控制、前馈扰动抑制和扰动估计,以优化乘坐舒适性和道路附着力。.rar

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

1024程序员节|历经一个月总结使用java实现pdf文件的电子签字+盖章+防伪二维码+水印+PDF文件加密的全套解决方案

今天是1024程序员节,必须得写一篇博客庆祝一下了! 九月中旬到十月底,我和同事参加了某个系统的开发,涉及到对PDF的电子签字+盖章+防伪二维码+水印等,今天将这些功能的核心代码进行开源

程序员小王的博客 1万+

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

后端生成 PDF 的最强组合:OpenHTMLtoPDF + PDFBox 实战与避坑手册

OpenHTMLtoPDF 永远不会自动读取系统字体。

hikktn的博客 2529

气象服务行业可信数据空间应用规划方案(技术方案版).pptx

气象服务行业可信数据空间应用规划方案(技术方案版).pptx

机器视觉检测实战教程 19页成品课程光源选型Halcon标定海康相机VisionPro

内容概要:机器视觉检测实战教程,19页6章成品课程PDF:视觉检测光源选型对照表+五个翻车案例、Halcon模板匹配create_shape_model七参数整定、视觉标定三类(9点/旋转/手眼)、海康工业相机C#取图黑图丢帧排坑、VisionPro QuickBuild部署License迁移C#宿主、远心镜头选型。含C#/Halcon代码与现场案例。适用人群:机器视觉工程师、自动化检测开发、企业内训。使用场景:视觉方案设计、选型、标定部署、团队培训。原创整理。

Java实现电子发票关键信息提取(一)

在日常税务报单中,处理大量的发票是一项重要但繁琐的任务,发票包含了大量的信息,包括购买方名称、发票号码、发票代码、开票日期、金额、税率等等。为了提高效率,减少错误和减轻员工的工作负担,许多个人或单位寻求自动化发票信息提取的解决方案。demo是基于某高校财务自助报销系统自动化改进的成果之一。进行正式操作前,请在Maven中引入相关依赖。

m0_66216860的博客 5848

【医疗器械制造】基于酸碱腐蚀环境的一次性乳胶手套铝合金手模失效机理分析与量产风险控制

内容概要:本文围绕一次性医用乳胶手套生产中使用的铝合金手模在酸碱环境下的失效风险展开系统性分析,重点探讨其在外表面腐蚀、清洗循环、氯介质侵入及表面粗糙度控制等方面的工程挑战。研究表明,尽管市场上已有带涂层的铝合金手模供应,但其能否在强碱、酸洗、毛刷摩擦、冷热交变和氯共存的复杂工况下长期维持Ra 1.0—2.5 μm的表面质量并实现稳定脱模,仍需经过严格的多阶段验证。常规阳极氧化+PTFE涂层方案已被实测排除,而316L不锈钢筒体在湿氯环境中出现的三个月内腐蚀失效案例提示必须重视内腔隔离设计。文章强调,采购决策应基于“小批量试制—离线加速试验—影子生产验证—条件性放行”的四阶段准入机制,结合表面参数、工艺相容性、手套成品性能与全生命周期成本进行综合评估,避免依赖供应商宣传数据。; 适合人群:从事医疗器械制造、材料工程、设备采购与工艺质量管理的技术人员及决策管理者,尤其是涉及乳胶手套生产线优化与手模选型的相关从业人员。; 使用场景及目标:①评估铝合金手模替代陶瓷手模的技术可行性与风险边界;②建立手模选型的系统验证流程,防范因表面失效导致的脱模异常、手套缺陷与非计划停机;③指导采购合同中技术条款的制定,确保供应商交付具备可验证数据支撑; 阅读建议:此资源以工程实证为导向,建议读者结合自身产线工艺参数,重点关注外表面Ra控制、内腔双密封设计、影子生产验证方法及失效链追溯体系的构建,在试制阶段严格执行多维度联合判定标准,审慎推进规模化替代。

springboot使用itext填充pdf表单及导出pdf

由于最近开发的项目需要用到打印单据,就在网上找了一下方案,反反复复,都没有找到合适的,借鉴了网上资源,使用itext5、itext7的工具包,自己写了一个通用的pdf表单填充工具,简单易用,支持单页、分页单据打印,当然还有更多的定制化,需要大家自行扩展。打开转换好的pdf文件,选择工具栏右边的编辑表单,然后拖动顶部栏的表单域设计属性,属性值和和代码填充的要一致,字体下拉最后面的,不然你打印出来的单据字体会很难看,当然也可以在程序代码里去设计字体,一般设计好就够用了,如果没有特定要求的话。

aliqingge的博客 2532

【新能源电力系统】项目介绍 MATLAB实现基于GWO-VMD-SSA-LSTM灰狼优化算法(GWO)结合变分模态分解(VMD)、麻雀搜索算法(SSA)及长短期记忆网络(LSTM)进行辐照度-温度驱动

内容概要:本文提出了一种融合灰狼优化算法(GWO)、变分模态分解(VMD)、麻雀搜索算法(SSA)和长短期记忆网络(LSTM)的复合模型(GWO-VMD-SSA-LSTM),用于实现高精度的辐照度-温度驱动短期光伏功率预测。该模型首先通过GWO优化VMD的关键参数(模态数K和惩罚因子α),实现对非平稳光伏功率序列的高效多尺度分解,降低信号复杂性;随后利用SSA对LSTM的超参数(如隐藏层单元数、Dropout率、学习率等)进行智能寻优,提升网络训练效率与泛化能力;最后通过独立LSTM网络对各VMD模态进行预测并重构输出。模型结合了信号分解、智能优化与深度学习优势,显著提升了在多云、阴雨等复杂天气下的预测精度与稳定性,并通过MAE、RMSE、MAPE和R²等指标验证了有效性。文中还提供了完整的MATLAB实现流程,涵盖数据清洗、归一化、滑动窗口构建、参数优化与结果可视化等环节。; 适合人群:具备一定机器学习与时间序列预测基础,从事新能源发电预测、智能电网调度、电力系统自动化等相关领域的科研人员、工程师及研究生。; 使用场景及目标:①解决光伏功率受辐照度、温度等因素影响而导致的强随机性、非平稳性预测难题;②提升短期(15分钟至1小时)光伏出力预测精度,支撑电网经济调度、储能协同控制与电力现货市场申报;③为多源气象数据驱动的可再生能源预测提供可扩展的技术框架。; 阅读建议:建议结合提供的MATLAB代码逐步实践,重点关注GWO与SSA的优化机制、VMD分解效果及其与LSTM的集成方式,注意避免时间泄漏问题,推荐在实际数据上复现实验以深入理解模型性能。

MCGS的Http协议驱动,支持http协议

硬件配置 参数设置 设备属性 设备命令 通讯状态 附录 #HTTP 1、 设备简介 驱动类型 该驱动为独立设备,直接添加构件即可,不需要挂载到父设备下 通讯协议 采用标准HTTP1.1协议 通讯方式 驱动构件为客户端。 2、 硬件连接 本软件在通讯之前,请保证通讯连接正确。通讯连接方式:采用标准的RJ45接口的以太网接线(对调网线或使用HUB交换)。 3、 设备通讯参数 本设备为独立设备,无父设备参数 4、 设备构件参数设置 “HTTP设备”参数设置如下: <1> 内部属性: 构建url信息。 <2> 最小采集周期:本软件对设备进行操作的时间周期,单位为ms,默认为100ms。 <3> 通讯等待时间:通讯数据接收等待时间,默认设置为200ms,当采集速度要求较高或数据量较大时,设置值可适当减小或增大。 <4> HttpHead:http head添加需要的字段,不需要添加http head时值为空,默认不添加。 5、 设备命令 本设备构件提供设备命令,用于进行相应的操作,设备命令的格式如下: 设备命令 命令介绍 GetHttpHead 格式1 GetHttpHead(headStr) 用途 获取http head参数 参数 headStr 参数可以为字符型变量、字符串常量 例1 !SetDevice(设备0,6,"GetHttpHead(headStr)") 获取http head数据保存到headStr中 SetHttpHead 格式1 SetHttpHead(headStr) 用途 设置http head参数 参数 headStr 参数可以为字符型变量、字符串常量

【DBO三维路径规划】基于多策略改进的蜣螂算法MSDBO多无人机协同集群避障路径规划(目标函数:最低成本:路径、高度、威胁、转角)研究(Matlab代码实现)

内容概要:本文研究了基于多策略改进的蜣螂优化算法(MSDBO)在多无人机协同集群三维路径规划中的应用,旨在解决复杂三维环境下的避障与最优路径搜索问题。通过构建包含路径长度、飞行高度、威胁规避和转弯角度的综合成本目标函数,利用MSDBO算法对多无人机系统的飞行轨迹进行全局优化,实现在保证安全性与稳定性的前提下达到最低能耗与最优性能的目标。文中详细阐述了算法的多策略改进机制、三维环境建模方法以及多无人机协同避障策略,并通过Matlab仿真平台验证了该方法相较于传统优化算法在收敛速度、路径质量和鲁棒性方面的优越性能。; 适合人群:具备一定优化算法理论基础和无人机控制系统知识的科研人员及研究生,特别适用于从事智能优化算法、多智能体协同控制、路径规划与自主导航等相关领域的研究人员和技术开发者。; 使用场景及目标:①应用于灾害救援、军事侦察、智能巡检等复杂三维场景中多无人机协同任务的路径规划;②为多目标约束下的路径优化、动态避障与能耗平衡问题提供高效的算法支持与仿真验证工具;③推动智能优化算法在无人系统自主决策与协同控制中的实际应用与工程落地。; 阅读建议:建议读者结合提供的Matlab代码深入理解算法的具体实现过程,重点关注目标函数设计、多策略改进机制(如种群初始化、自适应参数调整、局部搜索增强等)及仿真结果分析部分,同时可尝试将该算法迁移至其他智能优化算法框架中进行对比研究,以深化对路径规划问题本质的理解与实践能力的提升。

第1章>>1.5:神电测控为什么开发LabVIEW ZYNQ FPGA软件工具包?(ZYNQ芯片的特点与优势)《LabVIEW ZYNQ FPGA宝典》

ZYNQ是赛灵思公司(Xilinx)推出的新一代全可编程片上系统(APSoC,All-Programmable SoC),它将处理器的软件可编程性与FPGA的硬件可编程性进行完美整合,以提供无与伦比的系统性能、灵活性与可扩展性。Zynq-7000系列是Xilinx于2010年4月推出的行业第一个可扩展处理平台,旨在为视频监视、汽车驾驶员辅助、工厂自动化、医疗器械等高端嵌入式应用提供所需的处理能力与计算性能。这款基于ARM处理器的SoC可满足复杂嵌入式系统的高性能、低功耗和多核处理能力等要求。

qq_40694786的博客 1651
上一篇: DHT11 vs DHT22怎么选?5个物联网项目实测对比告诉你答案(含51/32代码适配指南)
下一篇: Pandas数据处理实战:5个高频操作让你效率翻倍(附代码示例)
python9snake
博客等级 码龄1天 0粉丝 1724原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值