前端工程師 后段工程師

經營自己的“樂趣”之一就是處理會計。

現在，為了生存，我嘗試了一些類似的操作：

• 為我的客戶生成發票
• 處理銀行對帳單

一件無聊的事情是整理我必須支付的收據和發票：差旅費，書本費，會議費等。您明白了。

為什么我需要使用軟件在PDF文件中查找日期

理想情況下，我希望有一個工具可以將收據與銀行對賬單中的行進行匹配，并生成一些報告，這些報告可能會使我的業務顧問感到非常高興。

這樣做的第一步是擁有一個工具，該工具可以使一堆PDF可以將日期與它們關聯。 一旦獲得日期，我便知道要考慮的銀行對賬單的哪幾行，并且可以進行匹配（也許還要考慮金額）。

第一步：從PDF中提取文本

有兩種可能的情況：PDF已經包含文本，或者PDF是簡單的圖像，我們需要使用OCR技術識別文本。

在第一種情況下，事情相對容易。 我們使用PDFBox提取文本：

fun getTextInPdf(fileName: String): List<PieceOfText> {val reader = PdfReader(FileInputStream(File(fileName)))val n = reader.numberOfPagesvar i = 0val listener = MyTextRenderListener()val processor = PdfContentStreamProcessor(listener)while (i<n) {val page = reader.getPageN(i + 1)val resourcesDic = page.getAsDict(PdfName.RESOURCES)processor.processContent(ContentByteUtils.getContentBytesForPage(reader, i + 1), resourcesDic)i++}reader.close()return listener.process() }

但是，當然，現實生活總是會帶來驚喜。 有些PDF每段包含一個塊（太棒了！），而另一些PDF 每個字母則包含一個塊。 ? 這意味著我們必須查看每個字母的位置，看看它是否與另一個字母相鄰。 在這種情況下，我們需要將它們合并以獲得單詞。

如果PDF中沒有文本，則需要采用OCR技術。 我使用過用C ++編寫的tesseract 。 為了在JVM中使用它，我使用了javacpp-presets 。

一旦獲得了文本塊，就需要將其分成單詞序列。 這部分相對容易，但并不像預期的那么瑣碎，因為我們需要跟蹤每個單詞的確切位置。 因此，在單詞中分割一個塊時，需要進行一些數學運算才能找到每個單詞的邊界。

第二步：識別日期

我們現在有很多話。 我們需要查看它們并找到與日期相對應的單詞序列。

現在，日期可能以各種奇怪的格式出現。 還請考慮我有英文（英國和美國），法語，德語和意大利語的收據。

讓我們看一些例子。

首先是經典的DD / MM / YY：

• 15/04/2016
• 18-06-2016
• 2016年1月1日

有時您可以找到YY / MM / DD來代替：

• 2016-05-13

該月份可以用任何語言的字母表示：

• 2016年5月7日
• 2016年6月18日
• 2016年4月22日
• 2016年6月1日
• 2016年4月12日

也可以縮寫為：

• 2016年4月14日
• 2016年4月12日

當然，有些日期無法確定，因為美國人在某個時候認為將日期的月份和日期倒置是個好主意。 因此，如果我讀2/3/2016，則可能是3月2日或2月3日。 這意味著某些日期是不明確的。

第三步：確定哪個日期是訂單的日期

現在，發票可以包含許多不同的日期。 考慮以下示例：

一個日期的順序（在法國COMMANDE）的聲音，另一種是公司的登記日期。 這絕對是我們不感興趣的日期。

還有其他示例：

或再次：

我們如何處理這種情況？

好吧，我們使用了一系列啟發式方法，這些方法在大多數情況下似乎都有效。 最有力的方法之一是在日期附近尋找有意義的單詞，例如， 制造/發票/ fattura或命令/ 突擊隊/領隊。 我們還可以使用字體大小和日期在頁面上的位置。

這些技巧總是奏效嗎？ 沒有。

他們經常工作嗎？ 是的，他們有。

結論

首先，讓我與大家分享我對美國人選擇的日期格式的熱烈贊賞。 我覺得這是個好主意，一點也不愚蠢和不幸。 實際上，這是造成痛苦的主要原因，也是造成錯誤的首要原因。

我的大部分收據都是電子格式，其中包含文字。 在少數需要使用OCR的情況下，它似乎工作得足夠好。

最后，我對這個原型非常滿意，因為經過一些調整后，它似乎可以在90％的時間內正確猜出。 不錯，真不錯。

哦，嗯，??我想我得回到我的會計了。

您是否想自動化一些事情以簡化生活？

翻譯自: https://www.javacodegeeks.com/2016/09/engineer-supposed-survive-accounting.html

前端工程師 后段工程師

總結

以上是生活随笔為你收集整理的前端工程师 后段工程师_工程师如何在会计中生存的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。