이 글에서는 Python용 IronPDF 라이브러리를 사용하여 송장 PDF 파일에서 텍스트 데이터를 추출하는 방법을 설명합니다.

Python을 사용하여 PDF에서 송장 데이터를 추출하는 방법

1. PDF 송장에서 데이터를 추출하는 Python 라이브러리를 설치합니다.
2. PdfDocument.FromFile 메서드를 사용하여 PDF 파일을 엽니다.
3. ExtractAllText 메서드를 사용하여 청구서의 모든 데이터를 추출합니다.
4. print 메서드를 사용하여 청구서에서 추출된 모든 데이터를 인쇄합니다.
5. 송장 데이터에서 특정 데이터를 추출합니다.

1. IronPDF

IronPDF for Python은 Python 애플리케이션과 PDF 문서를 연결해주는 강력한 Python 라이브러리입니다. 이 다목적 도구는 개발자가 Python 프로젝트 내에서 PDF 파일을 손쉽게 생성, 조작 및 상호 작용할 수 있도록 지원합니다. IronPDF 유용한 자산으로 만들어주는 몇 가지 뛰어난 기능은 다음과 같습니다.

1. PDF 생성: IronPDF PDF 파일을 처음부터 동적으로 생성할 수 있도록 지원하여 개발자가 사용자 지정 콘텐츠, 스타일 및 레이아웃을 적용한 PDF를 프로그래밍 방식으로 만들 수 있도록 합니다. 2.HTML을 PDF로 변환: 웹 페이지를 포함한 HTML 콘텐츠를 원본 HTML의 레이아웃과 스타일을 그대로 유지한 고품질 PDF로 변환할 수 있어 보고서 및 문서 생성에 특히 유용합니다.
2. PDF 편집: 개발자는 텍스트, 이미지 및 대화형 요소를 추가, 수정 또는 제거하여 기존 PDF를 쉽게 편집할 수 있으므로 강력한 문서 조작 도구로 활용할 수 있습니다.
3. PDF 병합 및 분할: IronPDF 사용하면 여러 PDF 문서를 하나의 파일로 병합 하거나 PDF를 여러 파일로 분할할 수 있어 대규모 PDF 세트를 유연하게 관리할 수 있습니다.
4. PDF 양식: 대화형 PDF 양식의 생성 및 작성을 지원하므로 사용자 입력 및 데이터 수집이 필요한 애플리케이션에 이상적입니다.
5. 디지털 서명: PDF 문서에 디지털 서명을 추가하여 파일의 무결성과 진위성을 보장할 수 있으며, 이는 법률 및 보안 목적에 매우 중요합니다.
6. PDF 데이터 추출: IronPDF PDF 내의 정보를 보호하기 위한 추출 기능을 제공합니다.

2. 환경 설정

Python에서 IronPDF 사용하기 위한 환경을 설정하는 데에는 몇 가지 단계가 있으며, 이를 통해 라이브러리를 효과적으로 사용할 수 있게 됩니다. 다음은 단계별 안내입니다.

1. PyCharm에서 새 Python 프로젝트를 생성하고 가상 환경을 만들거나 기존 인터프리터를 사용합니다.
2. 명령줄 터미널에서 다음 명령어를 실행하여 IronPDF 설치합니다.

pip install ironpdf

명령줄을 통해 IronPDF 설치하는 중

3. IronPDF 사용하여 송장에서 데이터 추출

이 섹션에서는 Python 라이브러리 IronPDF 사용하여 송장 형식과 출력 형식에서 데이터를 추출하는 방법을 살펴봅니다. 아래 코드는 송장에서 모든 데이터를 추출하여 콘솔에 출력합니다.

예시 송장

샘플 송장

from ironpdf import PdfDocument

# Load the PDF using the PdfDocument.FromFile method
pdf = PdfDocument.FromFile("INV_2022_00001.pdf")

# Extract all text from the PDF
all_text = pdf.ExtractAllText()

# Print the extracted text
print(all_text)

from ironpdf import PdfDocument

# Load the PDF using the PdfDocument.FromFile method
pdf = PdfDocument.FromFile("INV_2022_00001.pdf")

# Extract all text from the PDF
all_text = pdf.ExtractAllText()

# Print the extracted text
print(all_text)

PdfDocument.FromFile 메서드를 사용하여 'INV_2022_00001.pdf'라는 특정 PDF 파일을 로드합니다. 그 후, 로드된 PDF 문서에서 모든 텍스트 내용을 추출하여 변수 all_text에 저장합니다. 마지막으로, 추출된 텍스트를 print 함수를 사용하여 콘솔에 출력합니다. 기본적으로 이 코드는 PDF 파일에서 구조화된 텍스트 데이터와 비구조화된 텍스트 데이터를 추출하는 과정을 자동화하여 Python 환경에서 추가 처리 또는 분석이 가능하도록 합니다.

3.1. 출력

송장 출력 텍스트가 콘솔에 표시됩니다.

4. 송장에서 특정 데이터 추출

IronPDF 사용하여 송장 데이터를 추출하는 것은 매우 간단한 과정입니다. PDF 청구서 데이터에서 청구서 번호 및 금액과 같은 데이터를 추출하는 것은 어려운 과정일 수 있지만, IronPDF와 Python 오픈소스 라이브러리 re를 함께 사용하여 달성할 수 있습니다. 아래 코드는 PDF 송장에서 특정 데이터를 추출하여 콘솔에 출력합니다.

from ironpdf import PdfDocument
import re

# Define regex patterns to find invoice number and amount
invoice_number_pattern = r"Invoice\s+(INV/\d{4}/\d{5})"
amount_pattern = r"Total\s+\$\s*([\d,.]+(?:\.\d{2})?)"

# Load the PDF using the PdfDocument.FromFile method
pdf = PdfDocument.FromFile("INV_2022_00001.pdf")

# Extract all text from the PDF
all_text = pdf.ExtractAllText()

# Search for the invoice number and amount in text
invoice_number_match = re.search(invoice_number_pattern, all_text)
amount_match = re.search(amount_pattern, all_text)

# Extract the matching groups if matches are found
invoice_number = invoice_number_match.group(1) if invoice_number_match else "Not found"
amount = amount_match.group(1) if amount_match else "Not found"

# Print the extracted data
print('Invoice Number: ' + invoice_number + '\nAmount: $' + amount)

from ironpdf import PdfDocument
import re

# Define regex patterns to find invoice number and amount
invoice_number_pattern = r"Invoice\s+(INV/\d{4}/\d{5})"
amount_pattern = r"Total\s+\$\s*([\d,.]+(?:\.\d{2})?)"

# Load the PDF using the PdfDocument.FromFile method
pdf = PdfDocument.FromFile("INV_2022_00001.pdf")

# Extract all text from the PDF
all_text = pdf.ExtractAllText()

# Search for the invoice number and amount in text
invoice_number_match = re.search(invoice_number_pattern, all_text)
amount_match = re.search(amount_pattern, all_text)

# Extract the matching groups if matches are found
invoice_number = invoice_number_match.group(1) if invoice_number_match else "Not found"
amount = amount_match.group(1) if amount_match else "Not found"

# Print the extracted data
print('Invoice Number: ' + invoice_number + '\nAmount: $' + amount)

이 코드 조각은 Python과 IronPDF 라이브러리를 사용하여 PDF 문서에서 데이터를 추출합니다. 이 과정은 필요한 라이브러리를 가져오고 PDF 텍스트 콘텐츠 내에서 송장 번호와 총액을 식별하기 위한 정규 표현식 패턴을 정의하는 것으로 시작합니다. 해당 코드는 대상 PDF 파일을 불러와서 모든 텍스트를 추출한 다음, 정의된 패턴과 일치하는 부분을 검색합니다.

일치하는 항목이 발견되면 해당 송장 번호와 금액 값을 저장합니다. 그렇지 않으면 "찾을 수 없음"을 반환합니다. 마지막으로 스크립트는 추출된 송장 번호와 금액을 콘솔에 출력하여 PDF 문서에서 특정 데이터를 추출하는 간소화된 자동화 방법을 제공합니다. 이는 다양한 데이터 처리 및 회계 애플리케이션에서 흔히 접하는 작업입니다.

4.1. 출력

출력 텍스트

5. 결론

오늘날 빠르게 변화하는 비즈니스 환경에서 Python은 PDF 송장에서 핵심 데이터를 자동으로 추출하여 재무 운영을 간소화하려는 기업에게 강력한 조력자 역할을 합니다. Python의 기능과 IronPDF 라이브러리를 활용하면 기업은 수동 데이터 입력을 크게 줄이고, 오류를 최소화하며, 시간을 절약하고, 송장 관리와 같은 회계 프로세스의 전반적인 생산성을 향상시킬 수 있습니다. IronPDF 는 PDF 생성, HTML을 PDF로 변환, PDF 편집, 병합, 분할, 양식 처리, 디지털 서명 및 정확한 데이터 추출과 같은 다양한 기능을 갖추고 있어 이러한 작업에 강력한 도구로 활용될 수 있습니다.

간단한 설정 절차만 따르면 Python 개발자는 IronPDF 프로젝트에 신속하게 통합하여 송장 처리 워크플로를 혁신하고 송장에서 데이터를 추출하는 과정을 원활하고 효율적으로 만들 수 있습니다. IronPDF 사용한 데이터 추출 코드 예제는 상세 코드 샘플 에서 확인할 수 있습니다. Python용 IronPDF 사용한 데이터 추출에 대한 전체 튜토리얼은 다음 Python 튜토리얼 에서 확인할 수 있으며, C#을 사용한 송장 추출에 대해서는 IronOCR 튜토리얼을 참조하십시오.