教程 · PDF
发票 PDF 批量提取金额：先统一版式再谈自动解析
先判断发票版式和是否有文本层，再用固定字段规则提取金额并逐项复核，避免合计出错。
前置：有一批电子或扫描发票 PDF，需要汇总金额、税额和开票方信息。
材料：发票 PDF 一组、PDF 文本提取工具、表格软件、原始发票对照
材料：发票 PDF 一组、PDF 文本提取工具、表格软件、原始发票对照
步骤
1. 抽样确认版式是否一致
先抽 5 张看开票方、版式和字段位置是否相同，同一平台开出的电子发票通常一致，混杂不同来源就必须分开处理；版式不统一时任何自动规则都会漏字段。
2. 确认有没有文本层
在发票 PDF 里试着选中金额，能选中就直接复制或导出文本；选不中说明是扫描件，需要先 OCR，再人工校对数字，不要直接采信识别结果。
3. 按固定字段建提取规则
把价税合计、税额、开票日期、发票号码定义成固定字段，按关键词定位取值；金额里的千分位和小数点要在清洗阶段统一处理，否则汇总时会对不齐。
4. 异常项单独标记复核
把识别为空、金额为 0、日期格式异常的行单独标出来人工看；批量处理最危险的不是错一行，而是错了没人发现，异常清单就是你的安全网。
5. 汇总后和原件对总数
把提取结果求和，再和发票张数、每张价税合计逐项对照；总数对得上不代表每行都对，至少抽查 10% 的明细。
做完检查
- 提取的发票张数和文件数量一致
- 价税合计与每张原件逐项核对无误
- 异常行都有标记并人工确认过
常见错误
- 直接用批量结果汇总，不核对原件
- 千分位和小数点没清洗，合计偏差
- 扫描发票 OCR 后不校对，0 和 O 混淆
相关工具
同类教程
扫描件 PDF 压小后文字看不清：先判断是文字版还是图片版
先用能否选中文字判断 PDF 类型，再对扫描件控制分辨率与色彩，压小后文字仍然清楚可读。
查看 →合同 PDF 只签一页：拆页签完再合并，别整份重扫
把多页合同拆出签字页，签好扫描后按原顺序合并，保证页数、方向和页码完全对得上。
查看 →图片拼成 PDF 顺序全乱：按文件名补零编号再导入
通过统一命名、修正方向和固定页面尺寸，把一批照片按预期顺序拼成不裁切的 PDF。
查看 →更新时间：2026-10-29 · 平台规则/软件版本会变；操作前保留原件，以实际页面为准。
跨库学习路径
按共同关键词匹配，不是随机推荐；从任务到提示词/教程/项目继续走。