invoice_rust

发票识别工具 (Rust版本)

使用Rust编写的发票识别工具，自动识别和提取PDF发票信息，生成Excel清单。

功能特点

• 🖥️ 图形化界面 - 使用egui构建的现代化GUI界面
• 📊 自动提取信息 - 发票号码、日期、购买方、销售方、金额等
• 🎯 高识别率 - PDF发票识别率接近100%
• ⚡ 高性能 - Rust原生性能，处理速度快
• 🔒 内存安全 - Rust的内存安全保证

系统要求

• Rust 1.70 或更高版本
• macOS / Windows / Linux

安装和运行

1. 安装Rust

如果还没有安装Rust，请访问 rustup.rs 安装。

2. 编译项目

cd invoice_rust
cargo build --release

3. 运行程序

cargo run --release

或者直接运行编译后的可执行文件：

./target/release/invoice-extractor

使用方法

1. 选择发票目录 - 点击"浏览..."按钮选择包含发票PDF文件的目录
2. 输入购买方关键词 - 输入购买方公司名称的关键词（用于识别购买方）
3. 选择输出文件 - 选择Excel文件的保存位置（可选，默认为发票目录下的"发票清单.xlsx"）
4. 开始识别 - 点击"开始识别"按钮，程序会自动处理所有发票文件
5. 查看结果 - 处理完成后，在日志区域查看识别结果，Excel文件已保存到指定位置

识别字段

程序会自动提取以下信息：

• 发票号码（20位数字）
• 开票日期
• 购买方名称
• 购买方税号
• 销售方名称
• 销售方税号
• 项目内容
• 金额

技术栈

• GUI框架: egui + eframe
• PDF处理: pdf-extract
• 正则表达式: regex
• Excel生成: rust_xlsxwriter
• 文件对话框: rfd

项目结构

invoice_rust/
├── Cargo.toml          # 项目配置和依赖
├── README.md           # 项目说明文档
└── src/
    ├── main.rs         # 程序入口
    ├── extractor.rs    # 发票信息提取核心逻辑
    └── gui.rs          # GUI界面实现

核心识别方法

本项目使用基于规则的文本提取方法：

1. PDF文本提取 - 使用pdf-extract库从PDF中提取纯文本
2. 正则表达式匹配 - 使用多个正则表达式模式识别和提取不同的发票信息字段
3. 关键词匹配 - 通过关键词识别销售方和购买方
4. 上下文分析 - 从税号附近提取公司名称

识别率

• PDF发票销售方识别率: ~100%
• PDF发票金额识别率: ~100%

与Python版本的对比

特性	Python版本	Rust版本
性能	中等	高
内存占用	较高	较低
启动速度	较慢	快
跨平台	是	是
GUI框架	tkinter	egui
依赖管理	pip	Cargo

开发

添加新功能

1. 修改 src/extractor.rs 添加新的提取逻辑
2. 修改 src/gui.rs 更新界面
3. 运行 cargo test 进行测试

构建发布版本

cargo build --release

可执行文件位于 target/release/invoice-extractor

License

MIT

---

GitHub: https://github.com/MaydayV/fapiaoshibie