📊 数据处理

发票信息批量提取

从PDF或图片发票中批量提取关键信息，生成结构化数据表格

★★☆ 中级 15-20 min 2025年1月12日

概述

手动从大量发票中提取信息录入系统非常繁琐且易出错。Claude 可以帮你批量处理发票文件，提取发票号、金额、日期、供应商等关键信息，生成规整的Excel表格。

先组织好待处理的发票文件。

请检查 ~/Documents/Invoices 文件夹：

列出所有 PDF 和图片文件（jpg、png）
统计文件数量
检查文件命名是否规范
识别文件格式和质量

从PDF或图片中提取文字。

请从所有发票文件中提取文本：

PDF 文件直接提取文字
图片文件使用 OCR 识别
将每个文件的文本内容保存到 ~/Documents/Invoices/text/ 目录
报告哪些文件提取失败或质量较差

从文本中提取结构化信息。

对每个发票文本，请提取以下字段：

发票号码
开票日期
供应商名称
购买方名称
税号
金额（小写数字）
税额
价税合计
货物或服务名称
使用正则表达式和关键词匹配识别这些字段

检查提取结果的准确性。

请验证提取的数据：

检查日期格式是否正确
验证金额数字是否合理
检查必填字段是否完整
标记可疑或低置信度的记录
对于识别失败的，列出原始文件路径供人工处理

将提取的信息导出为表格。

请生成 Excel 文件：~/Documents/invoice_data.xlsx
包含以下列：

文件名
发票号
开票日期
供应商
金额
税额
价税合计
状态（已验证/待确认/提取失败）
备注
按日期排序，使用条件格式高亮待确认的行

OCR识别准确率受发票扫描质量影响。建议人工抽查部分结果，特别是金额字段。对于重要的财务数据，务必验证准确性。

如果发票格式统一（如都来自同一平台），可以让 Claude 创建专用的解析模板，提高识别准确率和速度。

Q: 手写发票可以识别吗？ A: 手写内容识别准确率较低，建议只处理打印发票。如果必须处理手写发票，可以使用更高级的OCR服务或人工录入。

Q: 电子发票和扫描发票有区别吗？ A: 电子发票（PDF格式）可以直接提取文字，准确率高。扫描发票需要OCR识别，准确率取决于扫描质量。

Q: 如何处理多页发票？ A: Claude 会将多页内容合并处理。如果每页是独立发票，告诉 Claude 按页拆分为单独记录。