項(xiàng)目中有個(gè)ocr軟件識(shí)別發(fā)票信息的需求，實(shí)際使用中發(fā)現(xiàn)識(shí)別率有點(diǎn)低。后來(lái)發(fā)現(xiàn)對(duì)于電子發(fā)票，可以直接識(shí)別二維碼讀取部分票面信息，然后用這部分信息作為參數(shù)，通過(guò)調(diào)用稅務(wù)的接口獲取全票面信息。只要是正常的電子發(fā)票，識(shí)別率差不多是100%。

創(chuàng)作不易，轉(zhuǎn)載請(qǐng)注明出處

        <dependency>
            <groupId>org.apache.pdfbox</groupId>
            <artifactId>pdfbox</artifactId>
            <version>2.0.20</version>
        </dependency>
        <dependency>
            <groupId>com.google.zxing</groupId>
            <artifactId>core</artifactId>
            <version>3.1.0</version>
        </dependency>
        <dependency>
            <groupId>com.google.zxing</groupId>
            <artifactId>javase</artifactId>
            <version>3.1.0</version>
        </dependency>



        /**
     * 獲取電子發(fā)票pdf文件中的發(fā)票信息
     * @param filePath 電子發(fā)票路徑
     * @return 發(fā)票信息
     */
    public Invoice getInvoiceInfo(String filePath) {
        try {
            List<BufferedImage> imageList = extractImage(new File(filePath));
            if (imageList.isEmpty()) {
                logger.info("pdf中未解析出圖片，返回空");
                return null;
            }
            
            MultiFormatReader formatReader = new MultiFormatReader();
            //正常解析出來(lái)有3張圖片，第一張是二維碼，其他兩張圖片是發(fā)票上蓋的章
            BinaryBitmap binaryBitmap = new BinaryBitmap(new HybridBinarizer(new BufferedImageLuminanceSource(imageList.get(0))));
            Map hints = new HashMap<>();
            hints.put(EncodeHintType.CHARACTER_SET, "utf-8");
            Result result = formatReader.decode(binaryBitmap);
            if (result == null || StringUtils.isEmpty(result.getText())) {
                logger.info("pdf中的第一張圖片沒(méi)有解析了字符串信息，直接返回空");
                return null;
            }
            
            logger.info("從電子發(fā)票中識(shí)別出的信息為：{}",  result.getText());
            
            // 讀取到的信息為 ： 01，發(fā)票類型，發(fā)票代碼，發(fā)票號(hào)碼，發(fā)票金額，開(kāi)票日期，校驗(yàn)碼，隨機(jī)產(chǎn)生的摘要信息
            String[] infos = result.getText().split(",");
            if (infos.length != 8) {
                logger.info("pdf中的第一張圖片解析出的字符串?dāng)?shù)組長(zhǎng)度不為8，返回空。");
                return null;
            }
            
            Invoice invoice = new Invoice();
            invoice.setInvoiceType(infos[1]); //發(fā)票類型
            invoice.setInvoiceCode(infos[2]); //發(fā)票代碼
            invoice.setInvoiceNo(infos[3]); // 發(fā)票號(hào)碼
            invoice.setAmount(new BigDecimal(infos[4])); // 發(fā)票金額
            invoice.setInvoiceDate(DateUtils.parseDate(infos[5], "yyyyMMdd")); //開(kāi)票日期
            invoice.setCheckCode(infos[6]); // 校驗(yàn)碼
            
            return invoice;
        } catch (Exception e) {
            logger.info("解析pdf中的二維碼出現(xiàn)異常", e);
            return null;
        }
    }


       /**
     * 提取電子發(fā)票里面的圖片
     * @param pdfFile 電子發(fā)票文件對(duì)象
     * @return pdf中解析出的圖片列表
     * @throws Exception
     */
    private List<BufferedImage>  extractImage(File pdfFile) throws Exception {
        List<BufferedImage> imageList = new ArrayList<BufferedImage>();
        
        PDDocument document = PDDocument.load(pdfFile);
        PDPage page = document.getPage(0); //電子發(fā)票只有一頁(yè)
        PDResources resources = page.getResources();
        
        for (COSName name : resources.getXObjectNames()) {
            if (resources.isImageXObject(name)) {
                PDImageXObject obj = (PDImageXObject)resources.getXObject(name);
                imageList.add(obj.getImage());
            }
        }
        return imageList;
    }

創(chuàng)作不易，轉(zhuǎn)載請(qǐng)注明出處