從掃描的發票中提取發票號碼，發票日期等pdf（Java）

Question

我不想使用Java提取發票號，發票日期，稅額和發票價格。發票被掃描並保存爲PDF。有沒有人知道這個相對簡單的可能性？

Answer 1

完全有可能。根據多少努力，你願意花，你打算什麼上下文，你可以做至少兩件事情：

• 使用iText7核心，從您的PDF文件中提取文本，然後用正表達式在該文本中查找內容

• 使用pfd2Data（iText7的附件）將發票（或其他pdf文檔）與模板文檔進行匹配。如果匹配成功，pdf2Data將生成一個xml文件，其中包含pdf中的所有數據（您在模板中指定的文件）。從xml數據源提取數據應該很簡單。

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