Python高效办公：告别手动录入！这个发票批量自动汇总方法太牛了，财务人紧急收藏！（附代码）

一键运行，秒级结果就在眼前：

很多朋友看到代码会觉得 “复杂”，其实只要拆解开，每部分都很简单。

第一步、导入所需模块

import pdfplumber
from pathlib import Path
import re
import pandas as pd
import time

• pdfplumber：专门读取PDF的库，可使用pip install pdfplumber命令安装。
• pandas：处理表格数据的神器，最后用它生成Excel,可使用pip install pandas命令安装。
• pathlib：主要作用是处理文件路径。
• import re：导入正则表达式
• import time：时间戳，用于记录开始时间和结束时间。

第二步、设置提取信息的函数

汇总发票的本质就是从文件中找出指定格式的文字，再把关键部分提取出来。完成此项工作主要依靠正则表达式。通过设置相应的函数，把文本放入到下面表达式，最终返回想要的结果。

1、date_kaipiao(text)：提取开票日期的函数

def date_kaipiao(text):
    if m := re.search(r"开票日期：([\d]{4}年[\d]{1,2}月[\d]{1,2}日)",text):
        return m.group(1)
    else:
        return None

• re.search：作用是搜索整个字符串然后第一个匹配到指定的字符则返回值
• r”开票日期：([\d]{4}年[\d]{1,2}月[\d]{1,2}日)”：正则表达式，意思是从text中找包含“开票信息：”的字符串，后面为4位数据+年+（1-2位数字）+月+（1-2位数字）+日。
• m.group(1)：把正则表达式括号里的内容提取出来，去掉前面的“开票日期：”
• 如果没有找到符合条件的内容，就返回None，避免出错。

2、其他函数：

• leixing()：通过关键词判断发票类型，含”增值税”即为专用发票，不含的为普通发票。
• haoma_fapiao()：提取10-20位的数字发票号。
• name_gongsi()：捕获”名称：”后的中文企业名，[一-龢]匹配所有中文字符。
• feiyong()：提取经济活动的主要内容。
• jia_shui()：处理价税分离数据，以元组形式返回金额和税额。
• chaolianjie()：生成可点击跳转的Excel超链接，方便打开文件溯源核查。file.absolute()用于获取文件的完整路径。file.stem用于获取文件不带后缀名的主名。
  每个人的发票格式可能不一样，如“合计”、“总计”，只需修改对应的正则表达式即可。

第三步、变量初始化

s_t = time.time()
path = Path(r"E:\例子\pdf发票汇总")
dic = {key: [] for key in ["开票日期", "票据类型", "公司名称", "费用名称", "金额","税额",                           "价税合计", "发票编号", "领票人", "其他", "文件路径"]}
file_num = 0

• 使用字典推导式初始化数据容器：dic = {key: [] for key in [...]}保证字段对齐

第四步、处理文件，汇总信息

for file in path.glob('*.pdf'):
    with pdfplumber.open(file) as pdf:
            for page in pdf.pages:
                pdf_text = page.extract_text()
                ……

• path.glob(‘*.pdf’)：获取path路径下所有的pdf格式文件：
• with pdfplumber.open(file) as pdf：使用pdfplumber模块打开文件。
• for page in pdf.pages：遍历每一页。
• page.extract_text()：获取每一页的文本内容
• 提取的相应内容后写入dic字典。
• except Exception as e：异常处理机制，确保单个文件出错后不会中断整体流程。

第五步、保存信息，显示结果

df = pd.DataFrame(dic)
df.to_excel(f"{path}/发票汇总.xlsx", index=None)
e_t=time.time()
print(f"共处理了{file_num}张发票\n用时{e_t-s_t:.2f}秒")

• 首先把字典写入pd.DataFrame,然后保存到为{path}/发票汇总.xlsx，最后显示处理的结果和运行时长。