免费快速建站工具,上海做网站的网站,做网站建设的上市公司有哪些,个人备案网站可以做产品推广文章目录 参考文章技术栈需求解析发票类型 1. 最终项目结构1.1 说明 2. 相关代码2.1 导入相应的maven依赖2.2 实体类2.3 工具类2.4 三层架构controllerservicemapper 参考文章
参考文章
技术栈
SpringBootVue
需求
本文主要是实现提取发票中的部分内容#xff0c;并实现自… 文章目录 参考文章技术栈需求解析发票类型 1. 最终项目结构1.1 说明 2. 相关代码2.1 导入相应的maven依赖2.2 实体类2.3 工具类2.4 三层架构controllerservicemapper 参考文章
参考文章
技术栈
SpringBootVue
需求
本文主要是实现提取发票中的部分内容并实现自动回填到页面中对应位置。
解析发票类型 1. 最终项目结构
新建一个Springboot项目 1.1 说明
实体 entity 包下 主要有两个实体分别是发票实体NewInvoice和发票备注实体Note 工具 utils 包下 PDF类用于解析PDF文件InvoiceRegexEnum 类是发票信息的正则表达式枚举类提取发票信息所用到的正则表达式都在这个枚举类中
2. 相关代码
2.1 导入相应的maven依赖
!-- 添加依赖开始位置--dependencygroupIdorg.apache.pdfbox/groupIdartifactIdpdfbox/artifactIdversion2.0.21/version/dependencydependencygroupIdorg.apache.pdfbox/groupIdartifactIdfontbox/artifactIdversion2.0.21/version/dependencydependencygroupIdorg.apache.pdfbox/groupIdartifactIdjempbox/artifactIdversion1.8.13/version/dependencydependencygroupIdorg.apache.pdfbox/groupIdartifactIdxmpbox/artifactIdversion2.0.0/version/dependencydependencygroupIdorg.apache.pdfbox/groupIdartifactIdpreflight/artifactIdversion2.0.0/version/dependencydependencygroupIdorg.apache.pdfbox/groupIdartifactIdpdfbox-tools/artifactIdversion2.0.0/version/dependencydependencygroupIdorg.apache.poi/groupIdartifactIdpoi/artifactIdversion5.0.0/version/dependencydependencygroupIdorg.apache.poi/groupIdartifactIdpoi-ooxml/artifactIdversion5.0.0/version/dependencydependencygroupIdcom.google.zxing/groupIdartifactIdcore/artifactIdversion3.1.0/version/dependencydependencygroupIdcom.google.zxing/groupIdartifactIdjavase/artifactIdversion3.1.0/version/dependencydependencygroupIdorg.apache.commons/groupIdartifactIdcommons-lang3/artifactIdversion3.12.0/version/dependencydependencygroupIdcommons-io/groupIdartifactIdcommons-io/artifactIdversion2.11.0/version/dependencydependencygroupIdcommons-codec/groupIdartifactIdcommons-codec/artifactId/dependency!-- 添加依赖结束位置--
2.2 实体类
电子发票实体类NewInvoice
package com.example.pdf.entity;import lombok.AllArgsConstructor;
import lombok.Data;
import lombok.NoArgsConstructor;import java.math.BigDecimal;/*** 电子发票实体类*/
Data
AllArgsConstructor
NoArgsConstructor
public class NewInvoice {
// private String fileAbsolutePath; // 文件绝对路径private String number; // 发票号码private String date; // 开票日期
// private String sellerName; // 销售方名称private BigDecimal amount; // 合计金额private BigDecimal taxAmount; // 合计税额private BigDecimal totalAmount; // 价税合计金额private Note Detail; // 发票备注信息private String note; // 备注}
备注实体类Note
package com.example.pdf.entity;import lombok.Data;/*** 发票备注信息*/
Data
public class Note {private String buyer; // 购方private String buyerAccount; // 购方银行账号private String seller; // 销方private String sellerAccount; // 销方银行账号private String payee; // 收款人private String checker; // 复核人
// Override
// public String toString() {
// return 购方开户银行 buyer ;
// 银行账号 buyerAccount ; \n
// 销方开户银行 seller ;
// 银行账号 sellerAccount ; \n\n
// 收款人 payee ;
// 复核人 checker ;;
// }
}
2.3 工具类
正则表达式枚举类
package com.example.pdf.utils;/*** 正则表达式枚举类*/
public enum InvoiceRegexEnum {/*** 机器编码、发票代码、发票号码、开票日期和校验码的提取正则*/REGULAR_A(机器编号:(?machineNumber\\d{12})|发票代码:(?code\\d{12})|发票号码:(?number\\d{8})|:(?date\\d{4}年\\d{2}月\\d{2}日)|校验码:(?checksum\\d{20}|\\S{4,})),/*** 新版发票的机器编码、发票代码、发票号码、开票日期和校验码的提取正则*/REGULAR_A_NEW(发票号码:(?number\\d{20})|:(?date\\d{4}年\\d{2}月\\d{2}日)|(售名称|销名称):(?name\\S*)),/*** 发票号码备用提取正则*/REGULAR_A_1((国制|制普通发票)(?number\\d{8})),/*** 发票号码跨行提取正则*/REGULAR_A_1R(发票号码:(?number\\d{7})[\\s\\S]*?(\\d)),/*** 开票日期备用提取正则*/REGULAR_A_2(开票日期:(?date\\d{4}\\d{2}月\\d{2}日)),/*** 发票代码备用提取正则*/REGULAR_A_3(发票代码(?code\\d{12})),/*** 发票代码跨行提取正则*/REGULAR_A_3R(发票代码:(?code\\d{10})[\\s\\S]*?(\\d)),/*** 金额、税额提取正则匹配形如 合计¥?金额¥?税额 的文本*/REGULAR_B(合计¥?(?amount[^ \\f\\n\\r\\t\\v*]*)(?:¥?(?taxAmount\\S*)|\\*)\\s),/*** 金额提取正则用于匹配结果有误的修正*/REGULAR_BR(合计¥(?amount\\d\\.\\d)),/*** 金额、税额备用提取正则*/REGULAR_B_1(合\\u0020*计\\u0020*¥?(?amount[^ ]*)\\u0020¥?(?:(?taxAmount\\S*)|\\*)\\s),/*** 价税合计提取正则匹配“价税合计大写XXX小写¥YYY”格式的文本*/REGULAR_C(价税合计\\u0028大写\\u0029(?amountString\\S*)\\u0028小写\\u0029¥?(?amount\\S*)\\s),/*** 收款人、复核、开票人、销售方提取正则匹配格式为“收款人:xxx复核:xxx开票人:xxx销售方”的字符串*/REGULAR_D(收款人:(?payee\\S*)复核:(?reviewer\\S*)开票人:(?drawer\\S*)销售方),/*** 发票类型提取正则匹配xxx通发票格式的发票类型*/REGULAR_E((?p\\S*)通发票),/*** 发票类型提取正则匹配xxx用发票格式的发票类型*/REGULAR_E_1((?p\\S*)用发票),/*** 发票类型提取 - 辅助正则*/REGULAR_E_AUX((?:国|统|一|发|票|监|制)),/*** 购买方信息提取正则*/REGULAR_F(名称:(?name\\S*)|纳税人识别号:(?code\\S*)|地址、电话:(?address\\S*)|开户行及账号:(?account\\S*)|电子支付标识:(?account2\\S*)),/*** 针对深圳发票的销售方名称提取正则*/REGULAR_FR(名称:(?name\\S*)),/*** 处理除了金额和税额之外的其他文本元素正则*/REGULAR_G(^(-?\\d)(\\.\\d)?$),/*** 备注信息提取正则*/REGULAR_A_NOTE_BUYER(购方开户银行:(?buyer[^;]);),REGULAR_A_NOTE_BUYERACCOUNT(银行账号:(?buyerAccount\\d)(?[,;])),REGULAR_A_NOTE_SELLER(销方开户银行:(?seller.*?)(?[,;]|\\Z)),REGULAR_A_NOTE_SELLERACCOUNT(银行账号:(?sellerAccount\\d)(?[,;]|\\Z)),REGULAR_A_NOTE_PAYEE(收款人:(?payee.*?)(?[,;]|\\Z)),REGULAR_A_NOTE_CHECKER(复核人:(?checker.*?)(?[,;]|\\Z)),/*** 检查当前详细项字符串是否符合特定条件正则*/REGULAR_H(\\S\\d*(%|免税|不征税|出口零税率|普通零税率)\\S*),REGULAR_H_1(^ *\\d*(%|免税|不征税|出口零税率|普通零税率)\\S*),REGULAR_H_2(\\S\\d%[\\-\\d]\\S*),REGULAR_H_3(^ *\\d*(%|免税|不征税|出口零税率|普通零税率)\\S*);private final String regex;InvoiceRegexEnum(String regex) {this.regex regex;}public String getRegex() {return regex;}
}
解析PDF工具类
package com.example.pdf.utils;import com.example.pdf.entity.NewInvoice;
import com.example.pdf.entity.Note;
import lombok.extern.slf4j.Slf4j;
import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.pdmodel.PDPage;
import org.apache.pdfbox.text.PDFTextStripper;
import org.springframework.web.multipart.MultipartFile;import java.io.File;
import java.io.FileOutputStream;
import java.io.IOException;
import java.math.BigDecimal;
import java.nio.file.Files;
import java.nio.file.Path;
import java.text.ParseException;
import java.text.SimpleDateFormat;
import java.util.Date;
import java.util.regex.Matcher;
import java.util.regex.Pattern;import static com.example.pdf.utils.InvoiceRegexEnum.*;Slf4j
public class PDF {private static final String PDF_EXTENSION .pdf;/*** 调用该方法将前端接受到的文件暂存** param file*/public static NewInvoice parsePdfFile(MultipartFile file) {NewInvoice newInvoice new NewInvoice();try {// 创建一个临时文件Path tempFile Files.createTempFile(tempPrefix, .pdf);File tempFilePath tempFile.toFile();// 将MultipartFile的内容写入到临时文件try (FileOutputStream fos new FileOutputStream(tempFilePath)) {fos.write(file.getBytes());}// 现在你可以使用临时文件的路径来调用你的解析方法newInvoice extractInvoiceInformation(tempFilePath.getAbsolutePath());// 删除临时文件或者在某些情况下保留它tempFilePath.delete();} catch (IOException e) {// 处理异常e.printStackTrace();}// 返回值return newInvoice;}/*** 提取发票信息*//*** 提取发票信息** param filePath 发票地址* return*/public static NewInvoice extractInvoiceInformation(String filePath) {// 指定要处理的文件夹路径NewInvoice newInvoice1 newPdfProcessInvoicesInFile(filePath);String note ;if (newInvoice1.getDetail().getBuyer() ! null) {note 购方开户银行 newInvoice1.getDetail().getBuyer() ; ;} else {note ;}if (newInvoice1.getDetail().getBuyerAccount() ! null) {note note 银行账号 newInvoice1.getDetail().getBuyerAccount() ; ;} else {note note ;}if (newInvoice1.getDetail().getSeller() ! null) {note note 销方开户银行 newInvoice1.getDetail().getSeller() ; ;} else {note note ;}if (newInvoice1.getDetail().getSellerAccount() ! null) {note note 银行账号 newInvoice1.getDetail().getSellerAccount() ; ;} else {note note ;}if (newInvoice1.getDetail().getPayee() ! null) {note note 收款人 newInvoice1.getDetail().getPayee() ; ;} else {note note ;}if (newInvoice1.getDetail().getChecker() ! null) {note note 复核人 newInvoice1.getDetail().getChecker() ;;} else {note note ;}newInvoice1.setNote(note);return newInvoice1;}/*** 处理指定的PDF发票文件** param filePath 文件路径* return 包含提取信息的 NewInvoice 列表*/public static NewInvoice newPdfProcessInvoicesInFile(String filePath) {File file new File(filePath);NewInvoice returnResult new NewInvoice();if (isPdfFile(file)) {NewInvoice result extractInvoice(file.getAbsolutePath()); // 提取文件内容if (result ! null) {returnResult createProcessedInvoice(result);// 创建一个新的发票对象} else {handleExtractionError(file);}}return returnResult;}/*** 创建一个处理后的 NewInvoice 对象** param result 原始的 NewInvoice 对象* return 处理后的 NewInvoice 对象*/private static NewInvoice createProcessedInvoice(NewInvoice result) {NewInvoice returnResult new NewInvoice();returnResult.setNumber(result.getNumber());returnResult.setDate(result.getDate());returnResult.setTotalAmount(result.getTotalAmount());returnResult.setAmount(result.getAmount());returnResult.setTaxAmount(result.getTaxAmount());returnResult.setDetail(result.getDetail());return returnResult;}/*** 处理提取失败的情况输出错误信息** param file 提取失败的文件*/private static void handleExtractionError(File file) {log.warn(文件: {}\t提取失败~~~\n, file.getName());}/*** 检查文件是否为PDF文件** param file 要检查的文件* return 如果是PDF文件返回 true否则返回 false*/private static boolean isPdfFile(File file) {return file.isFile() file.getName().toLowerCase().endsWith(PDF_EXTENSION);}/*** 从本地文件或URL中提取发票信息。** param filePath 本地文件路径或发票的URL。* return 包含提取信息的 NewInvoice 对象。*/private static NewInvoice extractInvoice(String filePath) {File sourceFile new File(filePath);if (!sourceFile.exists()) {log.error(指定的源文件不存在);}NewInvoice result null;try {// 调用函数解析PDF 返回 发票对象【基本信息】result extract(sourceFile);} catch (Exception e) {e.printStackTrace();result new NewInvoice();}return result;}/*** 解析PDF 文件返回发票对象** param file PDF文件* return* throws IOException*/public static NewInvoice extract(File file) throws IOException {NewInvoice invoice new NewInvoice(); // 新建发票对象// 接收一个表示 PDF 文件路径的字符串作为参数并返回一个 PDDocument 对象。// 这个对象代表了整个PDF 文档可以通过这个对象来访问文档的各个部分PDDocument doc PDDocument.load(file);// 从 PDDocument 对象 doc 中获取第一页并将这个页面对象赋值给PDPage类型的变量// PDPage 对象代表了文档中的一个页面PDPage firstPage doc.getPage(0);// 获取页面裁剪框宽度并将宽度四舍五入为整数// 【页面裁剪宽度定义了页面上用于显示内容的区域】int pageWidth Math.round(firstPage.getCropBox().getWidth());// PDFTextStripper 用于从PDF文档中提取文本的工具PDFTextStripper textStripper new PDFTextStripper(); // 创建一个实例textStripper.setSortByPosition(true); // 提取文本时按照物理位置进行排序// 提取整个文档的所有文本内容并将这些文本内容作为一个长字符串返回String fullText textStripper.getText(doc);// 页面翻转 不重要if (firstPage.getRotation() ! 0) {pageWidth Math.round(firstPage.getCropBox().getHeight());}// 处理文本中可能有错误的符号String allText replace(fullText).replaceAll(, ().replaceAll(, )).replaceAll(, ¥);// 提取 新版发票的机器编码、发票代码、发票号码、开票日期和检验码{Pattern pattern Pattern.compile(REGULAR_A_NEW.getRegex()); // 新版发票的机器编码、发票代码、发票号码、开票日期和检验码的提取正则Pattern patternNumber Pattern.compile(REGULAR_A_1.getRegex());// 发票号码备用提取正则Pattern patternDate Pattern.compile(REGULAR_A_2.getRegex()); // 开票日期备用提取正则// matcer 类对于输入字符串进行解释和匹配操作这些操作是基于某个Pattern对象定义的规则正则表达式进行的。// 检查allText 字符串中是否匹配pattern中定义的正则表达式的文本Matcher matcher pattern.matcher(allText);while (matcher.find()) {// 在输入字符串allText中查找与模式匹配的第一个子序列// 如果 提取到发票号码则设置发票号码if (matcher.group(number) ! null) {invoice.setNumber(matcher.group(number));} else if (matcher.group(date) ! null) {String rawDate matcher.group(date); // 发票日期解析日期并设置日期try {SimpleDateFormat inputDateFormat new SimpleDateFormat(yyyy年MM月dd日);SimpleDateFormat outputDateFormat new SimpleDateFormat(yyyy-MM-dd);Date parsedDate inputDateFormat.parse(rawDate);String formattedDate outputDateFormat.format(parsedDate);invoice.setDate(formattedDate);} catch (ParseException e) {System.out.println(无法解析日期 rawDate);}}// 如果没有提取到的话使用备用在进行提取if (matcher.group(number) null) {Matcher matcher2 patternNumber.matcher(allText);if (matcher2.find()) {invoice.setNumber(matcher2.group(number));}}if (matcher.group(date) null) {Matcher matcher3 patternDate.matcher(allText);if (matcher3.find()) {String rawDate matcher3.group(date);try {SimpleDateFormat inputDateFormat new SimpleDateFormat(yyyyMM月dd日);SimpleDateFormat outputDateFormat new SimpleDateFormat(yyyy-MM-dd);Date parsedDate inputDateFormat.parse(rawDate);String formattedDate outputDateFormat.format(parsedDate);invoice.setDate(formattedDate);} catch (Exception e) {System.out.println(无法解析日期 rawDate);}}}}}// 提取 金额、税额等{Pattern pattern Pattern.compile(REGULAR_B.getRegex()); // 金额、税额提取正则匹配形如“合计金额税额”的文本Matcher matcher pattern.matcher(allText);if (matcher.find()) {try {invoice.setAmount(new BigDecimal(matcher.group(amount)));} catch (Exception e) {// 不处理}try {invoice.setTaxAmount(new BigDecimal(matcher.group(taxAmount)));} catch (Exception e) {invoice.setTaxAmount(new BigDecimal(0));}}}// 如果没有提取到则再使用备用的正则进行提取if (null invoice.getAmount()) {Pattern pattern Pattern.compile(REGULAR_B_1.getRegex());Matcher matcher pattern.matcher(fullText);if (matcher.find()) {try {invoice.setAmount(new BigDecimal(matcher.group(amount)));} catch (Exception e) {invoice.setAmount(new BigDecimal(0));}try {invoice.setTaxAmount(new BigDecimal(matcher.group(taxAmount)));} catch (Exception e) {invoice.setTaxAmount(new BigDecimal(0));}}}invoice.setTotalAmount(invoice.getAmount().add(invoice.getTaxAmount()));// 先创建一个发票备注实例Note note new Note();// 提取发票备注信息{// 提取购方开户银行Pattern patternBuyer Pattern.compile(REGULAR_A_NOTE_BUYER.getRegex()); // 提取备注信息Pattern patternBuyerAccount Pattern.compile(REGULAR_A_NOTE_BUYERACCOUNT.getRegex()); // 提取备注信息Pattern patternSeller Pattern.compile(REGULAR_A_NOTE_SELLER.getRegex()); // 提取备注信息Pattern patternSellerAccount Pattern.compile(REGULAR_A_NOTE_SELLERACCOUNT.getRegex()); // 提取备注信息Pattern patternPayee Pattern.compile(REGULAR_A_NOTE_PAYEE.getRegex()); // 提取备注信息Pattern patternChecker Pattern.compile(REGULAR_A_NOTE_CHECKER.getRegex()); // 提取备注信息Matcher matcher0 patternBuyer.matcher(allText);if (matcher0.find()) {// 如果查询到的话就设置备注信息try {note.setBuyer(new String(matcher0.group(buyer)));} catch (Exception e) {// 不处理}}Matcher matcher1 patternBuyerAccount.matcher(allText);if (matcher1.find()) {// 如果查询到的话就设置备注信息try {note.setBuyerAccount(new String(matcher1.group(buyerAccount)));} catch (Exception e) {// 不处理}}Matcher matcher2 patternSeller.matcher(allText);if (matcher2.find()) {// 如果查询到的话就设置备注信息try {note.setSeller(new String(matcher2.group(seller)));} catch (Exception e) {// 不处理}}Matcher matcher3 patternSellerAccount.matcher(allText);if (matcher3.find()) {// 如果查询到的话就设置备注信息try {note.setSellerAccount(new String(matcher3.group(sellerAccount)));} catch (Exception e) {// 不处理}}Matcher matcher4 patternPayee.matcher(allText);if (matcher4.find()) {// 如果查询到的话就设置备注信息try {note.setPayee(new String(matcher4.group(payee)));} catch (Exception e) {// 不处理}}Matcher matcher5 patternChecker.matcher(allText);if (matcher5.find()) {// 如果查询到的话就设置备注信息try {note.setChecker(new String(matcher5.group(checker)));} catch (Exception e) {// 不处理}}}invoice.setDetail(note);return invoice;}/*** 替换字符串中的空格、全角空格、冒号和特殊空白字符为标准字符。** param str 要进行替换的字符串* return 替换后的字符串*/private static String replace(String str) {return str.replaceAll( , ).replaceAll( , ).replaceAll(, :).replaceAll( , );}}2.4 三层架构
controller
package com.example.pdf.controller;import com.example.pdf.entity.NewInvoice;
import com.example.pdf.service.InvoiceService;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.http.HttpStatus;
import org.springframework.http.ResponseEntity;
import org.springframework.web.bind.annotation.*;
import org.springframework.web.multipart.MultipartFile;RestController
RequestMapping(/invoice)
public class InvoiceController {AutowiredInvoiceService invoiceService;/*** param*/
// PostMapping
// public void insert() {
// invoiceService.save();
// }CrossOrigin(origins http://localhost:8081, allowedHeaders *, allowCredentials true)PostMapping(/upload)public ResponseEntityObject uploadFile(RequestParam(file) MultipartFile file) {try {// 调用你的文件解析服务NewInvoice parsedData invoiceService.parsePdfFile(file);// 返回解析后的数据return ResponseEntity.ok(parsedData);} catch (Exception e) {return ResponseEntity.status(HttpStatus.INTERNAL_SERVER_ERROR).body(Error parsing file);}}}
service
service
package com.example.pdf.service;import com.example.pdf.entity.NewInvoice;
import org.springframework.web.multipart.MultipartFile;public interface InvoiceService {
// void save();NewInvoice parsePdfFile(MultipartFile file);
}
serviceImpl
package com.example.pdf.service.impl;import com.example.pdf.entity.NewInvoice;
import com.example.pdf.mapper.InvoiceMapper;
import com.example.pdf.service.InvoiceService;
import com.example.pdf.utils.PDF;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;
import org.springframework.web.multipart.MultipartFile;Service
public class InvoiceServiceImpl implements InvoiceService {AutowiredInvoiceMapper invoiceMapper;
//
// Override
// public void save(){
// //获得发票对象
// InvoiceSubset invoiceSubset extractInvoiceInformation(D:\\00-sqq\\idea\\test\\dzfp_24952000000116465179_深圳必维华法商品检定有限公司东莞分公司_20240726105216.pdf);
// //调用mapper将发票对象存入到数据库中
// invoiceMapper.save(invoiceSubset);
// }/*** 调用解析文件的方法解析上传的文件* param file* return*/Overridepublic NewInvoice parsePdfFile(MultipartFile file) {NewInvoice newInvoice PDF.parsePdfFile(file);return newInvoice;}
}
mapper
因为没有操作数据库所以没有使用到mapper层
