研究室で経費精算をする必要があるので、請求書に基づいて入出庫伝票を作成することは避けられません。物が少ないときはまだ良いですが、多くなると本当に面倒です。そこで、私が経費精算の作業に参加していたときに、入出庫伝票を簡単に作成できる小さなツールを作りました。インターフェースは以下の図の通りです：
心の負担は減りましたが、この時点でも請求書番号、コード、発行日などの情報を手動で入力する必要がありました。現在は経費精算の仕事に参加していないので、もしファイルを直接アップロードしてすべての請求書情報を取得できたらどんなに良いかと思い、さっそく取り組みました。最初のプロジェクトは js/ts で進めましたが、今回は Python を使うことにしました。人生は短いので、Python を使います。
請求書情報を抽出する主体コードの実装は以下の通りで、主に pdfplumber ライブラリと正規表現に依存しています：
import pdfplumber
import re
from typing import List, Dict, Optional
class InvoiceExtractor:
def _invoice_pdf2txt(self, pdf_path: str) -> Optional[str]:
"""
pdfplumberを使用してPDFファイルからテキストを抽出します。
:param pdf_path: PDFファイルのパス。
:return: 抽出されたテキストを文字列として返し、抽出に失敗した場合はNoneを返します。
"""
try:
with pdfplumber.open(pdf_path) as pdf:
text = '\n'.join(page.extract_text() for page in pdf.pages if page.extract_text())
return text
except Exception as e:
#print(f"{pdf_path}からテキストを抽出中にエラーが発生しました: {e}")
return None
def _extract_invoice_product_content(self, content: str) -> str:
"""
請求書テキストから商品関連の内容を抽出します。
:param content: 請求書の完全なテキスト。
:return: 抽出された商品関連の内容を文字列として返します。
"""
lines = content.splitlines()
start_pattern = re.compile(r"^(貨物または課税労務|プロジェクト名)")
end_pattern = re.compile(r"^価格税合計")
start_index = next((i for i, line in enumerate(lines) if start_pattern.match(line)), None)
end_index = next((i for i, line in enumerate(lines) if end_pattern.match(line)), None)
if start_index is not None and end_index is not None:
extracted_lines = lines[start_index:end_index + 1]
return '\n'.join(extracted_lines).strip()
return "一致する内容が見つかりませんでした"
def construct_invoice_product_data(self, raw_text: str) -> List[Dict[str, str]]:
"""
抽出されたテキストを処理し、請求書商品データのリストを構築します。
:param raw_text: 抽出された生のテキスト。
:return: 商品データのリスト、各商品は辞書として表されます。
"""
blocks = re.split(r'(?=貨物または課税労務|プロジェクト名)', raw_text.strip())
records = []
for block in blocks:
lines = [line.strip() for line in block.splitlines() if line.strip()]
if not lines:
continue
current_record = ""
for line in lines[1:]:
if line.startswith("合") or line.startswith("価格税合計"):
continue
if line.startswith("*"):
if current_record:
self._process_record(current_record, records)
current_record = line
else:
if " " in current_record:
first_space_index = current_record.index(" ")
current_record = current_record[:first_space_index] + line + current_record[first_space_index:]
if current_record:
self._process_record(current_record, records)
return records
def _process_record(self, record: str, records: List[Dict[str, str]]):
"""
単一のレコードを処理し、レコードリストに追加します。
:param record: 単一のレコードの文字列。
:param records: レコードリスト。
"""
parts = record.rsplit(maxsplit=7)
if len(parts) == 8:
try:
records.append({
"product_name": parts[0].strip(),
"specification": parts[1].strip(),
"unit": parts[2].strip(),
"quantity": parts[3].strip(),
"unit_price": float(parts[4].strip()),
"amount": float(parts[5].strip()),
"tax_rate": parts[6].strip(),
"tax_amount": float(parts[7].strip())
})
except ValueError as e:
print(f"レコードの解析に失敗しました: {record}, エラー: {e}")
pass
最終的には、請求書の商品の名前、仕様、単位、数量、単価、総額、税率、税額を含む辞書が得られます。続いて、このスクリプトに基づいて、fastapi と vue3 を組み合わせて、ドラッグアンドドロップで請求書情報を取得し、入出庫伝票をエクスポートできるアプリケーションを作成しました：
もちろん、今は経費精算の仕事を担当していないので、作ったものは後輩たちのために役立てられればと思っています。彼らが使うかどうかは別として、とにかく私は作りました。