以pdf（Java）格式从扫描发票中提取发票编号、发票日期等

Question

我不想用Java提取发票号、发票日期、税额和发票价格。发票将被扫描并保存为PDF格式。有人知道这有一个相对简单的可能性吗

Answer 1

这是完全可能的。根据你愿意付出多少努力，以及你所处的环境，你至少可以做两件事：

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

• 使用pfd2Data（iText7的附加组件）将发票（或其他pdf文档）与模板文档相匹配。如果匹配成功，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数据源提取数据应该很简单

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