利用pdfplumber處理滴滴電子發票

import pdfplumber

import os
import shutil
# 要用到pdfplumber
# os主要用於獲取pdf的檔名
# shutil主要用於copy原pdf檔案，到新的檔名

# 首先獲取所有檔名

file_list = os.listdir(
)# 建立乙個空的「報銷單」檔名list
bxd_filename_list =
pre_bxd =
'滴滴出行行程報銷單'
pre_fp =
'滴滴電子發票'
# 獲得所有的報銷單列表
for fname in file_list:
if'.pdf'
in fname and pre_bxd in fname:

# 遍歷報銷單列表

for bxd_filename in bxd_filename_list:
# 獲得報銷單的字尾部分，即'滴滴出行行程報銷單'之後的所有編號、副檔名等
# 這樣不管原來的檔名後面是什麼樣子的，
# 只要編號一樣的報銷單和發票就有了相同的名字。
ex_name = bxd_filename[
len(pre_bxd):]
with pdfplumber.
open
(bxd_filename)
as pdf:
# 獲得檔案的第一頁
page = pdf.pages[0]
# 獲得表單
table = page.extract_tables(
)# 獲得日期 + 城市 + 出發地點
f_rename = table[0]
[1][
2].split(
' ')[0
]+' '+table[0]
[1][
3]+' '
+table[0]
[1][
4]# 根據獲得的日期、出發點，重新命名檔案
shutil.copyfile(bxd_filename, f_rename+pre_bxd+
'.pdf'
)    fp_filename = pre_fp + ex_name
shutil.copyfile(fp_filename, f_rename+pre_fp+
'.pdf'
)

最大的好處，是在電腦中可以存放大量的電子發票，直接用everything檢索、以後填寫報銷非常方便。一眼就知道哪些報銷了，哪些還沒有填報。

效果如下

全部的**如下：

import pdfplumber

import os
import shutil
file_list = os.listdir(
)bxd_filename_list =
pre_bxd =
'滴滴出行行程報銷單'
pre_fp =
'滴滴電子發票'
# 獲得所有的報銷單列表
for fname in file_list:
if'.pdf'
in fname and pre_bxd in fname:
# 遍歷報銷單列表
for bxd_filename in bxd_filename_list:
# 獲得報銷單的字尾部分，即'滴滴出行行程報銷單'之後的所有編號、副檔名等
ex_name = bxd_filename[
len(pre_bxd):]
with pdfplumber.
open
(bxd_filename)
as pdf:
# 獲得檔案的第一頁
page = pdf.pages[0]
# 獲得表單
table = page.extract_tables(
)# 獲得日期 + 出發地點
f_rename = table[0]
[1][
2].split(
' ')[0
]+' '+table[0]
[1][
3]+' '
+table[0]
[1][
4]# 根據獲得的日期、出發點，重新命名檔案
shutil.copyfile(bxd_filename, f_rename+pre_bxd+
'.pdf'
)    fp_filename = pre_fp + ex_name
shutil.copyfile(fp_filename, f_rename+pre_fp+
'.pdf'
)

利用CPU多核處理

在mysql5.5.x後，可以利用innodb read io threads和innodb write io threads,取代之前的innodb file io threads引數，在linux平台上就可以根據cpu核數來更改相應的引數值，預設是4.比如cpu是2棵8核的，可以設定 innod...

利用Excel VBA處理文件

遇到如下格式的一篇word文件，格式混亂，不適合列印 由於沒有接觸過word vba，因此決定用excel vba來處理這篇文件。首先全選該文件的內容，貼上到excel文件中。然後建立乙個新的macro,修改該macro為以下 sub formatsheet formatsheet macro ma...

每日一滴（實踐） NLP之處理停用詞

顧名思義，沒用的單詞，也叫停止詞 即，執行資訊檢索任務或其他自然語言任務時需要過濾掉的詞 例如 to is the 這些詞對句子整體的理解沒多大作用，考慮到處理效率，則需要在處理資料前將這些詞去掉 這也是資料標準化中的一步 即將待處理文字中的停用詞去掉。from nltk.corpus import...