Bagaimana untuk mengekstrak item garis invois dan jadual terstruktur

Mengekstrak item baris dan jadual daripada invois adalah kunci untuk automatik penuh akaun yang boleh dibayar, audit, dan analisis perbelanjaan. Aspose.OCR Invoice to Text untuk .NET membolehkan anda untuk memotong terperinci, multi-row, data pelbagai lajur—walaupun daripada dokumen yang disemak atau difoto.

Masalah dunia sebenar

Invois mengandungi jadual produk/perkhidmatan—menulis secara manual ini adalah masa-menghabiskan dan error-prone. automatik penuh memerlukan pengekstrakan yang kukuh daripada butiran item.

Gambaran keseluruhan penyelesaian

Gunakan OCR untuk mengenal pasti kawasan jadual, berkongsi setiap baris dan lajur, dan mengeksport ke format berstruktur untuk ERP, BI, atau analisis lanjut.

Prerequisites

• Visual Studio 2019 atau seterusnya
• .NET 6.0 atau lebih baru (atau .Net Framework 4.6.2+)
• Aspose.OCR untuk .NET daripada NuGet
• Contoh imej invois atau PDF dengan item baris / jadual

PM> Install-Package Aspose.OCR

Pelaksanaan langkah demi langkah

string invoiceFile = "invoice_with_items.pdf";

using Aspose.OCR;
InvoiceRecognitionSettings settings = new InvoiceRecognitionSettings();
settings.Language = Language.English;
AsposeOcr ocr = new AsposeOcr();
OcrInput input = new OcrInput(InputType.PDF);
input.Add(invoiceFile);
List<RecognitionResult> results = ocr.RecognizeInvoice(input, settings);
string fullText = results[0].RecognitionText;

// Example: Split into lines, then columns (simplified)
string[] lines = fullText.Split(new[] { '\n' }, StringSplitOptions.RemoveEmptyEntries);
foreach (var line in lines)
{
    if (Regex.IsMatch(line, @"\d+\s+[A-Za-z].*\s+\d+[.,]\d{2}")) // crude line item match
    {
        string[] columns = line.Split(new[] { ' ' }, StringSplitOptions.RemoveEmptyEntries);
        // Map columns: SKU, description, qty, price, total, etc.
    }
}

using (var writer = new StreamWriter("invoice_lineitems.csv"))
{
    writer.WriteLine("SKU,Description,Qty,UnitPrice,Total");
    // Loop and write line items parsed above
}

using Aspose.OCR;
using System;
using System.IO;
using System.Text.RegularExpressions;
using System.Collections.Generic;

class Program
{
    static void Main(string[] args)
    {
        string invoiceFile = "invoice_with_items.pdf";
        InvoiceRecognitionSettings settings = new InvoiceRecognitionSettings();
        settings.Language = Language.English;
        AsposeOcr ocr = new AsposeOcr();
        OcrInput input = new OcrInput(InputType.PDF);
        input.Add(invoiceFile);
        List<RecognitionResult> results = ocr.RecognizeInvoice(input, settings);
        string fullText = results[0].RecognitionText;
        var lineItems = new List<string[]>();
        string[] lines = fullText.Split(new[] { '\n' }, StringSplitOptions.RemoveEmptyEntries);
        foreach (var line in lines)
        {
            if (Regex.IsMatch(line, @"\d+\s+[A-Za-z].*\s+\d+[.,]\d{2}"))
                lineItems.Add(line.Split(new[] { ' ' }, StringSplitOptions.RemoveEmptyEntries));
        }
        using (var writer = new StreamWriter("invoice_lineitems.csv"))
        {
            writer.WriteLine("SKU,Description,Qty,UnitPrice,Total");
            foreach (var item in lineItems)
                writer.WriteLine(string.Join(",", item));
        }
    }
}

Penggunaan Kasus dan Permohonan

Menghabiskan Analisis dan AP Automation

Ekstrak itemized perbelanjaan untuk melaporkan, ramalan, dan kelulusan.

Invoice Audit dan Ulasan

Audit / kelulusan aliran dengan butiran yang boleh dieksport, boleh dibaca mesin.

Integrasi ERP / Sistem Kewangan

Langsung muat data jadual terstruktur ke dalam perisian kewangan atau ERP.

Tantangan dan Penyelesaian Bersama

Tantangan 1: Format Jadual Bervariasi

** Penyelesaian:** Tune regex dan parsing logik untuk setiap pembekal/template.

Tantangan 2: Kesilapan pengiktirafan OCR dalam lajur

** Penyelesaian:** Gunakan heuristik lajur, meminta pemindaian yang berkualiti tinggi, atau bendera untuk ulasan manual.

Tantangan 3: Kolom yang hilang atau hilang

** Penyelesaian:** Normalisasi, dibahagikan, atau ulasan segera pada kes-kes yang tidak jelas.

Pertimbangan prestasi

• Batch memproses bil berbilang secara serentak
• Log/Flag Parsing Masalah untuk Ulasan Manusia

amalan terbaik

• Membina perpustakaan regex untuk templat yang diketahui
• Ulasan sampel output untuk tune parsing
• Fail asli / yang diproses untuk audit
• Mengemas kini logik pengekstrakan sebagai pembekal / templat berubah

Senario lanjutan

Senario 1: Item garis peta ke ERP/Database secara langsung

Gunakan panggilan ORM atau API untuk menekan data jadual yang dikeluarkan.

Skenario 2: Mengendalikan Jadual Multi-Page

Memperluaskan logik ke parse melalui pecahan halaman PDF / imej.

Conclusion

Aspose.OCR Invoice to Text for .NET membolehkan anda untuk mengekstrak item dan jadual baris invois terperinci - memungkinkan automatik penuh dari pemindaian/foto kepada data yang terstruktur dan boleh dijalankan.

Lihat kod ekstraksi yang lebih terstruktur dalam Aspose.OCR untuk .NET API Rujukan .