收据解析器

概括

用 Python 编写的收据和账单解析器。可用作 Python 模块或 CLI 工具。

它最初基于receipt-parser，但实际上已被完全重写/替换。

到目前为止，仅支持德国收据，但可以使用简单的YAML 配置文件添加其他国家/地区。

识别率

为了开发这个工具，我使用了一组 182 张不同质量的收据。一些被弄皱了，大部分被折叠了，等等。这组收据的结果是：

Total:             182
Company found:     171
Postal code found: 158
Date found:        159
Amount found:      114

如果您的收据清晰、平整且对比度良好，我预计成功率将达到 97%-99%，但总金额除外，这很难正确识别。这可能接近 75%。

在适用的情况下，我选择了自动化和质量而不是性能。例如，receiptparser 对每张图像扫描两次，一次不锐化，一次锐化，这将识别率提高了 6% 左右，但扫描时间增加了一倍。

安装

先决条件

• 蟒蛇 3
• 画中画
• 正方体

通过 PIP 安装

pip3 install receiptparser

通过 Git 安装

pip3 install -r requirements.txt
pip3 install .

Python 用法

from receiptparser.config import read_config
from receiptparser.parser import process_receipt

config = read_config('my_config.yml')
receipt = process_receipt(config, "my_receipt.jpg", out_dir=None, verbosity=0)

print("Filename:   ", receipt.filename)
print("Company:    ", receipt.company)
print("Postal code:", receipt.postal)
print("Date:       ", receipt.date)
print("Amount:     ", receipt.sum)

命令行使用

例子

从目录中读取所有图像 (.jpg) 并将识别的数据打印到标准输出的简单示例：

receiptparser tests/data/germany/img/

您可以按如下方式自定义输出：

receiptparser -v0 --format "{date:%Y-%m-%d} - {company} - {postal} - {sum}.jpg" tests/data/germany/img/

在这种情况下，-v0禁止任何输出，除了您在--format FORMAT 参数中指定的内容。FORMAT 是此处指定的 Python 格式字符串。可以在格式字符串中使用以下值：

• 公司：公司的公认名称
• 邮政：公司认可的邮政编码
• 日期：票据或收据的确认日期
• sum：账单或收据的美元（或欧元，或其他货币）金额

句法

usage: receiptparser [-h] [-c CONFIG] [--config-file CONFIG_FILE] [-t TESSERACT] [-f FORMAT] [-v {0,1,2}] input

positional arguments:
  input                 file or directory from which images will be read

optional arguments:
  -h, --help            show this help message and exit
  -c CONFIG, --config CONFIG
                        built-in config to use
  --config-file CONFIG_FILE
                        like -c, but point to a file instead
  -t TESSERACT, --tesseract TESSERACT
                        output directory for OCR recognized text (default is to discard)
  -f FORMAT, --format FORMAT
                        format of the recognized output. default is pretty-printing
  -v {0,1,2}, --verbosity {0,1,2}
                        increase output verbosity