Экстрагируйте номер счета внутри прямоугольника внутри PDF-файла с помощью Python ⇐ Python
-
Гость
Экстрагируйте номер счета внутри прямоугольника внутри PDF-файла с помощью Python
Я работал с PDF-файлами и Python, чтобы экстрагировать номер и дату счета-фактуры для каждого PDF-файла. Однако этот счет доставляет мне проблемы. PDF Проблема, я думаю, заключается в том, что номер счета-фактуры находится в поле, дата, которую я могу распечатать, а не номер счета-фактуры. Я пытался получить координаты этого ящика внутри PDF-файла, но не смог, и теперь у меня закончилось время. PDF-файл и код расположены ниже. Любая помощь будет оценена по достоинству.
импортировать pdfplumber защита extract_invoice_data(pdf_path): с pdfplumber.open(pdf_path) в формате pdf: # Предполагая, что данные счета-фактуры находятся на первой странице страница = pdf.pages[0] # Определите ограничивающую рамку прямоугольника (вам нужно будет определить эти значения) # Это всего лишь пример; фактические значения будут зависеть от макета вашего PDF-файла. ббокс = (512, 492, 612, 792) # Обрезаем страницу до ограничивающего прямоугольника обрезанная_страница = page.crop(bbox) текст = страница.extract_text() # Теперь нужно найти в тексте номер и дату счета-фактуры. # В этом примере предполагается очень простая компоновка. voice_number_label = '(\d+)-IN' voice_date_label = 'Дата счета:' номер_счета = Нет счет_дата = нет для строки в text.split('\n'): если счет-фактура_номер_метка в строке: номер_счета = line.split(метка_номер_счета)[1].strip() еслиvoice_date_label в строке: voice_date = line.split(invoice_date_label)[1].strip() вернуть номер_счета, дату_счета # Пример использования pdf_path = 'C:/Users/gsawdy/Desktop/Results/page_1.pdf' номер_счета, дата_счета = Extract_invoice_data(pdf_path) print(f'Номер счета: {invoice_number}') print(f'Дата счета: {invoice_date}')
Я работал с PDF-файлами и Python, чтобы экстрагировать номер и дату счета-фактуры для каждого PDF-файла. Однако этот счет доставляет мне проблемы. PDF Проблема, я думаю, заключается в том, что номер счета-фактуры находится в поле, дата, которую я могу распечатать, а не номер счета-фактуры. Я пытался получить координаты этого ящика внутри PDF-файла, но не смог, и теперь у меня закончилось время. PDF-файл и код расположены ниже. Любая помощь будет оценена по достоинству.
импортировать pdfplumber защита extract_invoice_data(pdf_path): с pdfplumber.open(pdf_path) в формате pdf: # Предполагая, что данные счета-фактуры находятся на первой странице страница = pdf.pages[0] # Определите ограничивающую рамку прямоугольника (вам нужно будет определить эти значения) # Это всего лишь пример; фактические значения будут зависеть от макета вашего PDF-файла. ббокс = (512, 492, 612, 792) # Обрезаем страницу до ограничивающего прямоугольника обрезанная_страница = page.crop(bbox) текст = страница.extract_text() # Теперь нужно найти в тексте номер и дату счета-фактуры. # В этом примере предполагается очень простая компоновка. voice_number_label = '(\d+)-IN' voice_date_label = 'Дата счета:' номер_счета = Нет счет_дата = нет для строки в text.split('\n'): если счет-фактура_номер_метка в строке: номер_счета = line.split(метка_номер_счета)[1].strip() еслиvoice_date_label в строке: voice_date = line.split(invoice_date_label)[1].strip() вернуть номер_счета, дату_счета # Пример использования pdf_path = 'C:/Users/gsawdy/Desktop/Results/page_1.pdf' номер_счета, дата_счета = Extract_invoice_data(pdf_path) print(f'Номер счета: {invoice_number}') print(f'Дата счета: {invoice_date}')
