-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathGetQQmailInvoice.py
174 lines (142 loc) · 7.9 KB
/
GetQQmailInvoice.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
# -*- coding: utf-8 -*-
"""
一个简单用于生产和学习的自动过程脚本，适合财务人员，记账代理以及个体户管理发票门类、类目
想法：将QQ邮箱的发票助手下载的发票再进行分类整理
## Created on Tue Sep 20 13:26:19 2022
>> 由头，QQ邮箱发票助手发票整理给财务代理使用，例如每月下载一次发票，发票数量多没能分类，需要分类好方便报销
## Updated on Wed Mar 15 10:27:33 2023
>> Update QQ邮箱发票助手里手动每页下载的zip包，放在一个位置，循环解压缩zip files
## Updated on March 31, 2023, 4:49:01 PM
>> 添加发票号，添加更多分类，通过读取内容精确判断分类
## Updated on June 1, 2023
>> 添加处理ofd格式，添加更多类目
@author: Autolordz
"""
import os,re,glob,sys,datetime,time,shutil
import pdfplumber
file_folder = 'D:\\发票'
t0 = time.time()
print('Start Move All'.center(30,'*'))
# list_tags_swap = dict([(value, key) for key, value in list_tags.items()])
#排除公司，一般归为生活百货, add the exclude tags in except_tag
except_tag = '芯果科技|优货仓|麦德龙|京东|晶东|宜家|永旺|沃尔玛|有家实业|华润万家|超市'
#分类发票,根据自己日常发票添加修改, should be, left (Catalog) = right (Keywords)
list_tags = dict(餐饮 = '餐饮|饮食|食品|咖啡|快餐|便利店|饮料|酒家|酒楼|豪客来', # 文件名包括上述就不归类到生活百货
物流 = '物流|货拉拉|运输|冷链|货运',
交通 = '交通|地铁|滴滴|出行|摩拜|骑安',
油费 = '汽油|柴油|加油',
服饰 = '服装|饰品|唯品会|迅销|迪卡侬|热风|盖璞|飒拉',
文娱 = '文化|电影|影视|娱乐',
家具 = '家具|家私|桌|椅|柜',
差旅 = '差旅|酒店|住宿|寄存|旅游|旅店|宾馆|旅行',
教育服务 = '教育服务|培训|考试|报名|课程',
数码设备 = '数码|设备|电脑|手机|麦克风|耳机|相机|USB|转换器|插座',
文具 = '文具|打印纸|笔|文件夹|胶水|回形针|剪刀|纸刀|订书|书桌垫',
物业管理 = '物业管理|租赁|保洁|垃圾费|租金|水费|电费|水.*电',
经营 = '服务费|体育用品|轴承|包装',
医疗 = '医疗|宠物|美容|护肤|自疗|理疗|健康',
生活百货 = '生活|日用|家居|药房|%s'%except_tag
)
# Default return Catalog will be '生活百货', if nothing to find then '其他'
def get_tag(file_path):
for folder_tag in list_tags.keys():
if re.search(r'(%s)|$'%list_tags['生活百货'], file_path).group().strip():
return '生活百货'
elif not re.search(r'(%s)|$'%except_tag, file_path).group().strip() \
and re.search(r'(%s)|$'%list_tags[folder_tag], file_path).group().strip():
return folder_tag
return '其他'
from OFD_Invoice import OFD_Invoice
class Sortern_Invoice():
def __init__(self, *args, **kwargs):
super().__init__(*args, **kwargs)
def make_file(self,file_path):
try:
# 按内容指定类目
for contentcatalog in \
['油费','物业管理','数码设备','文具','家具','教育服务','差旅','交通','餐饮','医疗','生活百货','经营']:
# 将有先后顺序的类目添加这里
if re.search(r'(%s)|$'%list_tags[contentcatalog], self.Content).group().strip():
break
contentcatalog = ''
# print(contentcatalog)
# 优先判断发票内容，然后判断发票公司名字估计发票类目
folder3 = contentcatalog if contentcatalog else (get_tag(self.Seller) if self.Seller else get_tag(file_path))
# 合并文件夹路径
folder4 = os.path.join(file_folder,self.Buyer,self.Folder2,folder3)
print(folder4)
# 生成文件夹
os.makedirs(folder4,exist_ok=1)
# 合并成为发票文件名： XX公司-金额-时间-发票号.pdf 已有QQ邮箱命名的不重复命名
fname = '%s-%s-%s-%s%s'%(
self.Seller,
self.Money1,
self.datestr1,
self.InvoiceCode,
os.path.splitext(file_path)[1]
)
path2 = os.path.join(file_folder,folder4,fname)
# Move the file into folder
shutil.move(file_path,path2)
print(path2)
except Exception as e:
print(e)
def process_ofd_invoice(self,file_path):
OI1 = OFD_Invoice()
dd1 = OI1.process_ofd(file_path)
# 获取发票号码
self.InvoiceCode = dd1['发票号码']
# 获取公司生成 level 1 子文件夹
self.Buyer = dd1['Buyer']
self.Seller = dd1['Seller']
# 获取时间生成 level 2 子文件夹
self.datestr1 = dd1['开票日期']
self.Folder2 = datetime.datetime.strptime(self.datestr1, '%Y年%m月%d日').strftime('%Y %m月')
# 获取金额
self.Money1 = dd1['合计金额']
# 获取内容
self.Content = dd1['Content']
self.make_file(file_path)
def process_pdf_invoice(self,file_path):
try:
folder1 = dt1 = firm1 = firm2 = t_page2 = ''
with pdfplumber.open(file_path) as pdf:
t1 = pdf.pages[0].extract_text()
if len(pdf.pages) > 1:
# 有大于一页发票
t_page2 = pdf.pages[1].extract_text()
# 获取发票内容，Regex 提取开票公司名，本公司名，时间
reg1 = re.search(r'称\s*[:：]|$',t1).group()
firms = re.findall(r'(?<=%s)\s?[\u4e00-\u9fa5()（）]+'%reg1, t1)
firms = [x for x in firms if len(x)>4]
firms = firms[:2]
if len(firms) > 0:
firm1 = firms[0].strip()
if len(firms) > 1:
firm2 = firms[1].strip()
# 获取发票号码
self.InvoiceCode = re.search(r'(?<=发票号码[:：]).*|$', t1).group()
# 获取公司生成 level 1 子文件夹
self.Buyer = firm1 #[:6]
self.Seller = firm2
# 获取金额
money1 = re.search(r'(?<=小写).*|$', t1).group()
self.Money1 = re.search(r'(?<=[¥￥]).*|$', money1).group().strip()
self.datestr1 = re.search(r'\d{4}年\d{2}月\d{2}日|$', file_path).group()
if not self.datestr1:
self.datestr1 = re.search(r'(?<=日期[:：]).*日|$', t1).group().strip().replace(' ','')
# 获取时间生成 level 2 子文件夹
self.Folder2 = datetime.datetime.strptime(self.datestr1, '%Y年%m月%d日').strftime('%Y %m月')
# 判断发票内容作为发票类目 level 3 作为文件夹， from '纳税人识别号' to next '纳税人识别号'
idx_t1 = t1.index('纳税人识别号')
idx_t2 = t1.index('纳税人识别号',idx_t1+1)
self.Content = t1[idx_t1:idx_t2] if not t_page2 else t_page2[t_page2.index('普通发票代码'):] # 第一页判断发票内容是从‘纳税人识别号’之后, 有第二页就判断从‘普通发票代码’开始
self.make_file(file_path)
except Exception as e:
print(e)
SI1 = Sortern_Invoice()
for file_path in glob.glob(os.path.join(file_folder,'*.ofd')):
SI1.process_ofd_invoice(file_path)
for file_path in glob.glob(os.path.join(file_folder,'*.pdf')):
SI1.process_pdf_invoice(file_path)
print(('End Move All time: %.3f'%(time.time() - t0)).center(30,'*'))