从扫描的发票中提取发票编号，发票日期等pdf（Java）

Question

我不想用Java提取发票的发票号，发票日期，税额和价格。扫描发票并将其另存为PDF。有没有人知道相对简单的可能性呢？

Answer 1

这是完全可能的。根据您愿意花多少精力以及您想要的环境，您至少可以做两件事：

• 使用iText7 Core从您的pdf文件中提取文本，然后使用正则表达式在该文本中查找内容

• 使用pfd2Data（iText7的附加组件）将发票（或其他pdf文档）与模板文档进行匹配。如果匹配成功，则pdf2Data将生成一个xml文件，其中包含pdf中的所有数据（您在模板中指定的数据）。从xml数据源中提取数据应该是微不足道的。

http://developers.itextpdf.com/content/best-itext-questions-stackoverview/content-parsing-extraction-and-redaction-text/itext7-how-read-text-specific-position

http://itextpdf.com/blog/pdf2data-extract-information-invoices-and-templates