网上也有资料，有的只有jar包没有源码，整理好网上的资源，把源码开放出来。
https://gitee.com/kanen/invoice
欢迎使用和交流。
内容介绍
电子发票（PDF）识别与验真
1、支持电子发票（PDF）的读取
目前仅支持普通发票,如果您想解析其他发票可底部留言或者联系我
2、验真暂未实现，网上有付费的接口，如用友apilink，阿里云市场、乐税网。差不多都是几分钱一次。
不知道是跟国税局合作，还是使用验证码识别技术 调用的国税局查询接口。这个等以后有时间再研究。
识别原理：
1）使用pdfbox提取pdf文本内容，通过正则匹配到部分属性
2）第一步无法获取全部有效的属性信息，通过关键字拿到定位信息，使用定位的区域，通过pdf的区域读取问题，然后再结合正则进一步匹配得到其他有效属性信息。
特别说明：
该项目核心识别代码来源于github上的fantasyxxj的einvoice项目，在此基础上做的改动调整，在此感谢。
软件架构
springboot
pdfbox
安装教程
从git导入IDE即可
使用说明
参考demo中的电子发票读取
效果如下：
后续计划
1、批量读取电子发票并导出到excel
这个网上其实有案例，python写的居多。
2、发票验真
难点在验证码识别和以后考虑到的反爬虫技术（如动态IP代理等）
到底要不要入这个坑，还没想好，验证码识别虽然可以尝试去做，但是官网也会更新，甚至使用其他的人机校验方式，比如像12306那种更恶心的校验，或者滑块验证，或者其他更复杂的校验。做这个比较被动。