如何使用Python從PDF發票中提取文字？

您可以使用IronPDF的 PdfDocument.FromFile 方法載入PDF，並使用 ExtractAllText 方法從文件中檢索所有文字內容。

如何安裝Python的IronPDF？

使用Python套件管理器pip與命令 pip install ironpdf 來安裝IronPDF。

我可以使用Python從PDF中提取特定資料，如發票號碼嗎？

可以，使用IronPDF結合Python的 re 庫，您可以定義正則表達式模式以從PDF發票中提取特定資料，如發票號碼和金額。

IronPDF for Python有哪些功能？

IronPDF提供如PDF生成、HTML轉PDF、PDF編輯、合併、拆分、表單處理、數位簽名、資料提取等功能。

IronPDF能將HTML轉換為Python中的PDF嗎？

可以，IronPDF能將包括網頁在內的HTML內容轉換為高質量的PDF，保留原HTML的佈局和樣式。

IronPDF如何在發票資料提取中提高生產力？

IronPDF自動化了PDF發票資料的提取，減少了手工輸入和錯誤，從而節省時間，提高財務操作的生產力。

使用IronPDF在Python中編輯PDF文件是否可能？

可以，IronPDF允許開發者通過新增、修改或刪除文字、圖像和互動元素來編輯現有PDF。

IronPDF可以在Python中合併或拆分PDF文件嗎？

可以，IronPDF提供功能將多個PDF文件合併為一個文件或將一個PDF拆分為多個文件。

IronPDF是否支持在Python中新增數位簽名到PDF？

可以，IronPDF讓您可以向PDF文件新增數位簽名，確保文件的完整性和真實性。

為什麼IronPDF被認為是Python開發者的強大工具？

IronPDF因其在處理各種PDF操作（包括生成、轉換、編輯和資料提取）方面的全面能力而被認為非常強大，這些功能對開發者至關重要。

Python PDF 程式庫

Explore IronPDF for Python 開始免費試用

HTML 轉 PDF

Online Demo 查看所有程式碼範例

from ironpdf import *

# Instantiate Renderer
renderer = ChromePdfRenderer()
 
# Create a PDF from a HTML string using Python
pdf = renderer.RenderHtmlAsPdf("<h1>Hello World</h1>")
 
# Export to a file or Stream
pdf.SaveAs("output.pdf")

# Advanced Example with HTML Assets
# Load external html assets: Images, CSS and JavaScript.
# An optional BasePath 'C:\site\assets\' is set as the file location to load assets from
myAdvancedPdf = renderer.RenderHtmlAsPdf("<img src='icons/iron.png'>", r"C:\site\assets")
myAdvancedPdf.SaveAs("html-with-assets.pdf")

from ironpdf import *

# Instantiate Renderer
renderer = ChromePdfRenderer()
 
# Create a PDF from a HTML string using Python
pdf = renderer.RenderHtmlAsPdf("<h1>Hello World</h1>")
 
# Export to a file or Stream
pdf.SaveAs("output.pdf")

# Advanced Example with HTML Assets
# Load external html assets: Images, CSS and JavaScript.
# An optional BasePath 'C:\site\assets\' is set as the file location to load assets from
myAdvancedPdf = renderer.RenderHtmlAsPdf("<img src='icons/iron.png'>", r"C:\site\assets")
myAdvancedPdf.SaveAs("html-with-assets.pdf")

USING IRONPDF FOR PYTHON

如何在 Python 中從 PDF 中提取發票資料

Curtis Chau

Updated: 2026年4月21日

本文將討論如何使用 IronPDF 程式庫從發票PDF檔案中提取文字資料。

如何在Python中從PDF中提取發票資料

安裝用於從PDF發票中提取資料的Python程式庫。
使用 PdfDocument.FromFile 方法打開PDF檔案。
使用 ExtractAllText 方法從發票中提取所有資料。
使用 print 方法列印從發票中提取的所有資料。
從發票資料中提取特定資料。

1. IronPDF

IronPDF for Python 是一個強大的程式庫，使用Python作為Python應用程式與PDF文件之間的橋樑。這個多功能工具為開發者提供了在Python專案中輕鬆建立、操作和操作PDF文件的方法。以下是使IronPDF成為一個有價值資產的一些突出功能：

PDF生成： IronPDF 支援從頭開始動態生成PDF文件，允許開發者以程式方式建立具有自訂內容、樣式和佈局的PDF。
HTML到PDF轉換： 可以將HTML內容，包括網頁，轉換為高質量的PDF，保留原始HTML的佈局和樣式，這對於生成報告和文件特別有用。
PDF編輯： 開發者可以輕鬆編輯現有的PDF，如新增、修改或移除文字、圖片和互動元素，使其成為一個強大的文件操作工具。
PDF合併和分割： IronPDF 允許您將多個PDF文件合併為一個文件或將PDF分割為多個文件，提供在管理大量PDF時的靈活性。
PDF表單： 它支援建立和填寫互動式PDF表單，這對於需要使用者輸入和資料收集的應用程式非常理想。
數位簽名： 可以為PDF文件新增數位簽名，確保您的文件的完整性和真實性，這對於法律和安全目的至關重要。
從PDF中提取資料： IronPDF 提供提取功能來保護PDF中的資訊。

2. 設定環境

在Python中為IronPDF設置環境涉及幾個步驟，以確保您可以有效地使用該程式庫。以下是一個逐步的指南：

在PyCharm中建立一個新的Python專案並建立一個虛擬環境或使用現有的解釋器。
通過在命令行終端中運行以下命令來安裝IronPDF：

> pip install ironpdf

pip install ironpdf

如何在Python中從PDF中提取發票資料，圖1：從命令行安裝IronPDF 從命令行安裝IronPDF

3. 使用IronPDF從發票中提取資料

本節將了解如何使用Python庫IronPDF從發票格式和輸出格式中提取資料。下面的程式碼將從發票中提取所有資料並在控制台中列印出來。

範例發票

如何在Python中從PDF中提取發票資料，圖2：範例發票 範例發票

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)

Python

上述程式碼使用PdfDocument.FromFile方法載入了一個名為"INV_2022_00001.pdf"的特定PDF文件。隨後，從載入的PDF文件中提取所有文字內容並將其儲存在變數all_text中。最後，使用print函式將提取的文字列印到控制台。基本上，此程式碼自動化了從PDF文件中提取結構化和非結構化文字資料的過程，使其可以在Python環境中進行進一步的處理或分析。

3.1. 輸出

如何從PDF中提取發票資料，圖3：輸出到控制台的發票文字 輸出到控制台的發票文字

4. 從發票中提取特定資料

使用IronPDF提取發票資料是一個非常簡單的過程。從PDF發票資料中提取發票號和金額等資料可能是一個棘手的過程，但使用IronPDF結合Python開源庫re，可以實現。以下程式碼將從PDF發票中提取特定資料並在控制台中列印出來。

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)

Python

此程式碼片段利用Python和IronPDF程式庫從PDF文件進行資料提取。它首先導入所需的程式庫，並定義正則表達式模式以識別PDF文字內容中的發票號碼和總金額。然後，程式碼載入目標PDF，提取其所有文字，並進而搜尋定義模式的匹配項。

如果找到成功的匹配項，則儲存相應的發票號和金額值；否則，它將分配"未找到"。最後，腳本將提取的發票號和金額列印到控制台，提供了一種自動化從PDF文件中提取特定資料的簡潔方式，這在各種資料處理和會計應用程式中常常遇到。

4.1. 輸出

如何提取發票資料從PDF在Python中，圖4：輸出文字 輸出文字

5. 結論

在當今快速變化的商業環境中，Python作為組織的強大盟友，在通過自動化從PDF發票中提取關鍵資料以簡化其財務操作方面發揮著重要作用。利用Python的功能和IronPDF程式庫，企業可以顯著減少手動資料輸入、減少錯誤、節省時間，並提高在管理發票的會計過程中的整體生產率。 IronPDF以其多功能功能，如PDF生成、HTML到PDF轉換、PDF編輯、合併、分割、表單處理、數位簽名和精確的資料提取，成為了這些任務的強大工具。

通過簡單的設置程式，Python開發者可以迅速將IronPDF整合到他們的項目中，革新他們的發票處理工作流，使得發票中的資料提取成為一個無縫且高效的過程。使用IronPDF進行資料提取的程式碼範例可以在詳細的程式碼範例中找到。在Python中使用IronPDF進行資料提取的完整教程可以在以下Python教程中找到，而發票提取使用C#，請參閱IronOCR教程。