Skip to content

Latest commit

 

History

History
74 lines (62 loc) · 1.79 KB

README.md

File metadata and controls

74 lines (62 loc) · 1.79 KB

结构化发票处理系统

项目简介

这是一个基于 LlamaIndex 和 Azure OpenAI 的智能发票处理系统，能够自动从PDF发票中提取关键信息并将其结构化。系统使用先进的AI技术来识别和解析发票中的各种字段，如供应商信息、金额、税费等。

技术框架

  • LlamaIndex: 用于文档处理和结构化输出
  • Azure OpenAI: 提供强大的AI语言模型支持
  • Python: 编程语言 (3.10+)
  • PDFReader: PDF文档解析工具
  • Pydantic: 数据验证和序列化

主要功能

  • PDF发票文件读取
  • 自动提取发票关键信息
  • 结构化数据输出（JSON格式）
  • 支持的字段包括：
    • 发票编号
    • 发票日期
    • 总金额
    • 供应商信息
    • 商品明细
    • 税额

安装说明

  1. 克隆项目仓库
git clone [repository-url]
cd struct-invoice
  1. 创建并激活Python虚拟环境
python -m venv llamaindex-env
source llamaindex-env/bin/activate  # Linux/Mac
  1. 安装依赖包
pip install -r requirements.txt
  1. 配置环境变量 复制 .env.template 文件为 .env 并填入您的 Azure OpenAI 配置：
cp .env.template .env

需要配置的环境变量：

  • AZURE_OPENAI_API_KEY
  • AZURE_OPENAI_ENDPOINT
  • AZURE_OPENAI_MODEL
  • AZURE_OPENAI_DEPLOYMENT
  • AZURE_OPENAI_API_VERSION

使用方法

  1. 准备PDF发票文件，放置在 data 目录下
  2. 运行程序：
python main.py

输出示例

程序将输出JSON格式的结构化数据，包含从发票中提取的所有关键信息。

注意事项

  • 确保PDF文件清晰可读
  • 需要有效的Azure OpenAI API访问权限
  • 建议使用虚拟环境运行项目

贡献指南

欢迎提交Issue和Pull Request来帮助改进项目。

许可证

[许可证类型]