# Invoice

**Repository Path**: wanggangdev/invoice

## Basic Information

- **Project Name**: Invoice
- **Description**: 电子发票（PDF）识别与验真，使用pdfbox进行电子发票识别，使用用友API进行验真。
- **Primary Language**: Java
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 120
- **Created**: 2020-11-11
- **Last Updated**: 2020-12-20

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 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：
<img src='https://hanmanyi.club/images/123.png' style="max-width:50%;">
![解析结果](https://hanmanyi.club/images/111.png)


#### 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：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）