Amazonの適格請求書を一気に読み込んでCSVファイルにする

Amazonの適格請求書（PDF)から一部を抜き出す方法

目的

Amazonの適格請求書（PDF）から、登録番号と合計金額を取り出してCSVファイルに変換したかったので、調べてpythonコードを作成しました。

前準備

pypdfが必要です。以下のコマンドでインストールします。

pip install pypdf

amazonの請求書は、xxx_Amazon_invoice.pdfという名前にしておきます。xxxは連番や商品名です。

コード

コードは以下になります。convert.pyなどのファイル名で保存してください。

import pypdf
import pandas as pd
from tqdm import tqdm
import glob

pdf_files = glob.glob("*Amazon_invoice.pdf")
F = []
T = []
P = []

for pdf_file in tqdm(pdf_files):
    reader = pypdf.PdfReader(pdf_file)
    F.append(pdf_file)
    T.append("")
    P.append("")
    for e in tqdm(reader.pages):
        txt = e.extract_text()
        for v in txt.split("\n"):
            if "登録番号" in v :
                v = v.split()[-1]
                T[-1] = v
            if "合計" in v :
                v = v.split()
                if len(v) > 3:
                    v = v[3].replace("合計", "") 
                    P[-1] = v[1:]


df = pd.DataFrame()
df["請求書ファイル名"]=F
df["登録番号"]=T
df["合計金額"]=P

df.to_csv("output.csv", index=False)
print(df)

実行

以下のように実行するとoutput.csvを作成します。

python3 convert.py

中身は、以下のようになります。

output.csv
請求書ファイル名,登録番号,合計金額
001_Amazon_invoice.pdf,Txxxxxxxxxxxxx,"29,800"
002_Amazon_invoice.pdf,Txxxxxxxxxxxxx,"5,292"
003_Amazon_invoice.pdf,Txxxxxxxxxxxxx,"2,090"

注意事項

アマゾンのinvoiceのフォーマットが変更された場合は修正が必要となります。以下の部分が、登録番号と合計を取り出している部分なので、ここを修正してください。

        txt = e.extract_text()
        for v in txt.split("\n"):
            if "登録番号" in v :
                v = v.split()[-1]
                T[-1] = v
            if "合計" in v :
                v = v.split()
                if len(v) > 3:
                    v = v[3].replace("合計", "") 
                    P[-1] = v[1:]