當(dāng)前位置：首頁 > 前端技术 > HTML >内容正文

HTML

前端工程师后段工程师_工程师如何在会计中生存

發(fā)布時(shí)間：2023/12/14 HTML 36 豆豆

生活随笔收集整理的這篇文章主要介紹了前端工程师后段工程师_工程师如何在会计中生存小編覺得挺不錯(cuò)的,現(xiàn)在分享給大家,幫大家做個(gè)參考.

前端工程師后段工程師

經(jīng)營自己的“樂趣”之一就是處理會(huì)計(jì)。

現(xiàn)在，為了生存，我嘗試了一些類似的操作：

為我的客戶生成發(fā)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(jù)和發(fā)票：差旅費(fèi)，書本費(fèi)，會(huì)議費(fèi)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(gè)工具可以將收據(jù)與銀行對賬單中的行進(jìn)行匹配，并生成一些報(bào)告，這些報(bào)告可能會(huì)使我的業(yè)務(wù)顧問感到非常高興。

這樣做的第一步是擁有一個(gè)工具，該工具可以使一堆PDF可以將日期與它們關(guān)聯(lián)。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(jìn)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(jīng)包含文本，或者PDF是簡單的圖像，我們需要使用OCR技術(shù)識(shí)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(dāng)然，現(xiàn)實(shí)生活總是會(huì)帶來驚喜。有些PDF每段包含一個(gè)塊（太棒了！），而另一些PDF 每個(gè)字母則包含一個(gè)塊。 ? 這意味著我們必須查看每個(gè)字母的位置，看看它是否與另一個(gè)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(shù)。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(yù)期的那么瑣碎，因?yàn)槲覀冃枰櫭總€(gè)單詞的確切位置。因此，在單詞中分割一個(gè)塊時(shí)，需要進(jìn)行一些數(shù)學(xué)運(yùn)算才能找到每個(gè)單詞的邊界。

第二步：識(shí)別日期

我們現(xiàn)在有很多話。我們需要查看它們并找到與日期相對應(yīng)的單詞序列。

現(xiàn)在，日期可能以各種奇怪的格式出現(xiàn)。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(jù)。

讓我們看一些例子。

首先是經(jīng)典的DD / MM / YY：

15/04/2016
18-06-2016
2016年1月1日

有時(shí)您可以找到Y(jié)Y / 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(dāng)然，有些日期無法確定，因?yàn)槊绹嗽谀硞€(gè)時(shí)候認(rèn)為將日期的月份和日期倒置是個(gè)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(gè)日期是訂單的日期

現(xiàn)在，發(fā)票可以包含許多不同的日期。考慮以下示例：

一個(gè)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?nèi)绾翁幚磉@種情況？

好吧，我們使用了一系列啟發(fā)式方法，這些方法在大多數(shù)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(fā)票/ fattura或命令/ 突擊隊(duì)/領(lǐng)隊(duì)。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(jīng)常工作嗎？是的，他們有。

結(jié)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(gè)好主意，一點(diǎn)也不愚蠢和不幸。實(shí)際上，這是造成痛苦的主要原因，也是造成錯(cuò)誤的首要原因。

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

最后，我對這個(gè)原型非常滿意，因?yàn)榻?jīng)過一些調(diào)整后，它似乎可以在90％的時(shí)間內(nèi)正確猜出。不錯(cuò)，真不錯(cuò)。

哦，嗯，??我想我得回到我的會(huì)計(jì)了。

您是否想自動(dòng)化一些事情以簡化生活？

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