invoice

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 ,不足以在生产环境使用，如果您想解析其他类型发票可以自行研究，或者在issues中提交讨论。

2、验真

代码中有使用用友apilink的接口验真（0.1~0.2元/次，比较贵）

网上也有其他付费接口，如阿里云市场、乐税网等。价格、稳定性不好说。

通过验证码识别，然后调用国税局官网查询接口这个会有不少坑，等以后有时间再研究。

网上的验证码识别率比较高的，价格在2万左右（源码+训练模型）。

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、当前已实现功能

pdf的在线预览，pdf通过模板导出，发票的解析与批量导出，自动读取邮箱中的发票

ofd的在线预览，ofd的解析

以上功能均已实现并在项目中应用，暂未脱敏整理出来，有需要可留言沟通

2、发票验真

难点：验证码识别、接口秘钥生成算法（频繁变动）、反爬虫技术等（IP黑名单等）

更新日志

2020-11-18

增加在线预览PDF和OFD文件的demo，启动服务后，访问首页即可 http://localhost:9088/ 具体实现方式请查看源码

更多说明：

预览pdf使用pdf.js，相关源码请到github搜索该开源项目

预览ofd使用ofd.js，相关源码请到github搜索该开源项目，需要说明的是，该项目前端用的VUE，本人才疏学浅，VUE用的不多，对ofd.js发布后的内容进行了一些修改，进而可以在普通的html项目中使用。更多用法诸如ofd转pdf可以参考原项目的实现。

2021-12-04

近期国家在推专票电子化，开出的发票慢慢也都会由纸票转为电票，比如餐票、加油费、高速费等。

开源出来的代码，大家作为学习或者参考的例子使用可以，但是还不具备直接用于生产环境。对于各种类型文件的解析存在的问题有：

-ofd 格式，是最简单的，只要解压缩读取数据即可

-pdf 格式， 文件跟开发票方有关系，大部分票用本项目中的代码可以解析，但是有一些票的文字格式，不太标准，解析会有问题，像这种情况就需要单独对代码优化。 不过有一类票目前不太好处理，就是类似“套打”生成的pdf，黄色文字是模板，无法通过上述程序解析，只能解析到填充的黑色文字内容。这种情况目前还没有太好的办法， 如果大家有好办法也可以告诉我。当前我能想到的就是整个发票转为图片后，使用OCR图片识别处理。

jpg/png 格式，对于图片目前腾讯、百度都有识别接口，只是需要费用。如果有免费的识别算法，也可告诉我或者留言分享。