Skip to content

README.md

Latest commit

 

History

History
134 lines (93 loc) · 3.25 KB

README.md

File metadata and controls

134 lines (93 loc) · 3.25 KB
Raw

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。

Rust License

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