python批量提取同一目录下所有PDF电子发票信息转存到EXCEL

在Python中，你可以使用`PyPDF2`库来处理PDF文件，并结合`pandas`库来创建Excel文件。这里是一个简单的步骤指南：

首先，确保安装了所需的库，如果没有，可以使用pip安装：

pip install PyPDF2 pandas openpyxl

接下来，编写一个Python脚本来批量提取PDF文件中的数据并转换到Excel：

import os
import PyPDF2
import pandas as pd

# 定义函数来读取单个PDF并提取相关信息
def extract_info_from_pdf(pdf_path):
    with open(pdf_path, 'rb') as file:
        pdf = PyPDF2.PdfFileReader(file)
        info = []
        for page_num in range(pdf.getNumPages()):
            # 假设发票信息在第一页
            text = pdf.getPage(page_num).extractText()
            # 根据实际结构解析文本，提取你需要的数据，例如：
            invoice_data = {'发票号码': text.split('发票号码：')[1].split('\n')[0],
                            '金额': text.split('金额：')[1].split('\n')[0]}
            info.append(invoice_data)
    return info

# 定义工作目录和目标Excel文件名
dir_path = 'your_directory_path'  # 替换为你需要提取的PDF文件夹路径
output_file = 'invoices.xlsx'

# 遍历目录下的所有PDF文件
pdf_files = [f for f in os.listdir(dir_path) if f.endswith('.pdf')]
data_list = []

for pdf in pdf_files:
    data_list.extend(extract_info_from_pdf(os.path.join(dir_path, pdf)))

# 将数据列表转换为DataFrame并保存到Excel
df = pd.DataFrame(data_list)
df.to_excel(output_file, index=False)