我正在寻找一种解决方案，可以从我的发票中提取数据并向我的会计师发送摘要。
有一些公司提供此类服务，每月约20欧元，并且通常很好地识别发票。但是我尝试过的服务不能提取我喜欢的所有数据，或者缺少某些功能，例如将数据导出到Excel以将数据发送给我的会计师。而且每月支付20欧元，并且必须管理另一个服务以处理每月5张发票，这对我来说还不太吸引人。
我进行了一些研究，并找到了这个stackoverflow问题:
Can anyone recommend OCR software to process invoices?
它有点过时，希望能找到更多最新的建议。我尝试了Ephesoft社区版，一开始看起来非常有前途。但是该软件需要学习和审核步骤。在审核步骤中，似乎没有将数据反馈到学习步骤。此外，这比手工操作更加繁琐。我认为它是为大型企业设计的。
我正在寻找一种简单的数据提取软件，它可以随着我显示给它的每个步骤而学习。
我还查看了Apache Tika，但似乎还没有准备好与简单的Web界面一起使用。
1. 您有付费OCR服务的推荐吗？灵活提取总增值税金额/增值税%/总金额/总货币金额/增值税货币/支付账户/公司名称。并能导出到Excel吗？
2. 您有开源软件的推荐吗？
3. 您有一些关于如何处理少量（每年不足50张）发票的一般建议吗？
5个回答
9
除了基本的OCR和正则表达式（对于一些非常有限的用例可能有效），还有其他几个提供API访问的选项。这些选项实际上可以在没有任何演示或销售过程的情况下开始使用：
- TagGun - 专门针对收据，可以提取行项目，每月免费50张收据。 - Elis - 专门针对发票，支持各种模板自动识别（预先训练的机器学习模型），每月免费300张以下。
如果您愿意经历销售过程（并且它们似乎是真实的和活跃的）：
- TagGun - 专门针对收据，可以提取行项目，每月免费50张收据。 - Elis - 专门针对发票，支持各种模板自动识别（预先训练的机器学习模型），每月免费300张以下。
如果您愿意经历销售过程（并且它们似乎是真实的和活跃的）：
- LucidTech和Itemize（不确定它们的准确性和提取的领域，因为它们的API细节是非公开的）
- FlexiCapture Engine - 基于模板，如果您愿意为每个特定发票格式定义一个模板
（免责声明：我与Elis的供应商Rossum有关联。欢迎建议添加其他API！）
- Petr Baudis
2
请查看Veryfi，它可以在3-5秒内从收据和发票中提取包括行项目在内的50多个字段。它可以直接使用（不需要训练），精度高，并支持30多种语言/地区。
以下是如何使用它的详细概述： https://www.veryfi.com/engineering/invoice-data-capture-api/ *我是Veryfi的联合创始人，所以请随时提问。
> pip install veryfi
veryfi_client = Client(client_id, client_secret, username, api_key)
categories = ['Grocery', 'Utilities', 'Travel'] # list of your categories
file_path = '/tmp/invoice.jpg'
response = veryfi_client.process_document(file_path, categories=categories)
print (response)
以下是如何使用它的详细概述： https://www.veryfi.com/engineering/invoice-data-capture-api/ *我是Veryfi的联合创始人，所以请随时提问。
- Dmitry Birulia
2
Sypht提供了一种API来实现这个功能：http://www.sypht.com。
Python客户端：https://github.com/sypht-team/sypht-python-client
第一步
pip install sypht
第二步
from sypht.client import SyphtClient, Fieldset
sc = SyphtClient('<client_id>', '<client_secret>')
with open('invoice.png', 'rb') as f:
fid = sc.upload(f, fieldsets=["document, "invoice"])
print(sc.fetch_results(fid))
免责声明：我与供应商有关联
- Simon Mittag
1
从发票中提取数据是一个复杂的问题，我还没有看到任何开源解决方案。OCR只是数据提取过程的一部分。您需要图像预处理、数据识别的AI引擎等。
您有许多解决方案来解决这个问题，每个解决方案都有所不同。@Peter Baudis已经提到了其中一些。
它们从非常简单的开始：
- OCR SPACE Receipt scanning - 以表格格式提取数据，但仍然需要解析它们并确定文本的哪个部分是例如发票号码
到更高级的：
- Nanonets - 机器学习API多种解决方案（发票、税务表格等） - typless - 任何文档（发票、采购订单等）的单调用API，每月免费50张发票 - Parascript - 模板系统，类似于Abby FlexiCapture 重要的是要知道你的用例。没有一种适用于所有情况的解决方案。它取决于你想要实现什么：
- 数据挖掘 - 必须便宜快速。缺失或不正确的数据并不是使命关键。你可以在数据分析中清理它。 - 企业自动化 - 经过培训的重复发票必须几乎达到100％的工作效果。速度和新发票并非使命关键。 - 海关等领域的自动化 - 需要返回尽可能多的数据。整个数据集的准确性至关重要，但可能每个文档都会被审核。
因此，你应该测试它们并看看它们如何适合你的流程/需求。
免责声明：我是typless的创建者之一。欢迎提出建议。
您有许多解决方案来解决这个问题，每个解决方案都有所不同。@Peter Baudis已经提到了其中一些。
它们从非常简单的开始：
- OCR SPACE Receipt scanning - 以表格格式提取数据，但仍然需要解析它们并确定文本的哪个部分是例如发票号码
到更高级的：
- Nanonets - 机器学习API多种解决方案（发票、税务表格等） - typless - 任何文档（发票、采购订单等）的单调用API，每月免费50张发票 - Parascript - 模板系统，类似于Abby FlexiCapture 重要的是要知道你的用例。没有一种适用于所有情况的解决方案。它取决于你想要实现什么：
- 数据挖掘 - 必须便宜快速。缺失或不正确的数据并不是使命关键。你可以在数据分析中清理它。 - 企业自动化 - 经过培训的重复发票必须几乎达到100％的工作效果。速度和新发票并非使命关键。 - 海关等领域的自动化 - 需要返回尽可能多的数据。整个数据集的准确性至关重要，但可能每个文档都会被审核。
因此，你应该测试它们并看看它们如何适合你的流程/需求。
免责声明：我是typless的创建者之一。欢迎提出建议。
- Jan Giacomelli
1
您可以尝试Nanonets，这个Github仓库中有一个示例：
https://github.com/NanoNets/invoice-processing-with-python-nanonets
import requests, os, sys, json
model_id = "Your Model Id"
api_key = "Your API Key"
image_path = "Invoice Path"
url = 'https://app.nanonets.com/api/v2/ObjectDetection/Model/' + model_id + '/LabelFile/'
data = {'file': open(image_path, 'rb'), 'modelId': ('', model_id)}
response = requests.post(url, auth=requests.auth.HTTPBasicAuth(api_key, ''), files=data)
print(json.dumps(json.loads(response.text), indent = 2))
- sj7
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接