从扫描的发票中提取发票号码，发票日期等pdf（Java）

Question

我不想使用Java提取发票号，发票日期，税额和发票价格。发票被扫描并保存为PDF。有没有人知道这个相对简单的可能性？

Answer 1

完全有可能。根据多少努力，你愿意花，你打算什么上下文，你可以做至少两件事情：

• 使用iText7核心，从您的PDF文件中提取文本，然后用正表达式在该文本中查找内容

• 使用pfd2Data（iText7的附件）将发票（或其他pdf文档）与模板文档进行匹配。如果匹配成功，pdf2Data将生成一个xml文件，其中包含pdf中的所有数据（您在模板中指定的文件）。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