提取不同格式的特定发票pdf数据并转换为Excel的想法

Question

我目前正在从事一个数字化项目，该项目包括从 pdf 格式的电费发票中提取特定信息。提取数据后，我想将其存储在 Excel 电子表格中。

目标如下：

首先，要提取的数据如下：

https://i.stack.imgur.com/6RLo2.png

在这种情况下，要提取的数据是红色包围的信息。这将是 CUPS、总量和每个周期 (P1-P6) 消耗的电量。

提取后，我想将其显示在 Excel 电子表格中。

您能否给我一些关于提取这些数据的想法/提示？我知道 OCR 软件会做得最好，但不知道如何提取这些特定信息。

感谢您的帮助和建议。

Answer 1

我认为目前还没有一种干净且一致的方法可以做到这一点。
如果您的发票模板始终具有相同的格式和分辨率，则文本位置的像素坐标应该相同。

这意味着您可以创建仅包含您感兴趣的文本的裁剪图像。然后您可以使用 OCR 工具提取所有文本并提取数据字段。您必须对要提取的所有数据字段执行此操作。

这仅适用于始终具有相同格式和分辨率的发票。所以扫描发票不起作用，而动态表格也让事情变得更加复杂。