发票识别总出错？这 5 个坑我帮你踩完了

发票识别总出错？这 5 个坑我帮你踩完了

大家好，我是正在实战各种 AI 项目的程序员晚枫。

😭 我踩过的那些坑

3 个月前：

刚开始做发票自动识别项目。

信心满满：不就是调用个 API 吗？能有多难？

现实打脸：

  • 密钥失效，代码跑不起来
  • 图片模糊，识别一塌糊涂
  • 网络超时，程序直接崩溃
  • Excel 格式不对，财务姐姐骂我
  • 密钥泄露，腾讯云账号被盗用

那段时间：

  • 每天都在修 bug
  • 财务每天都在抱怨
  • 老板每天都在问进度
  • 我每天都在怀疑人生

但现在：

所有坑都填平了，项目稳定运行 3 个月。

今天：把这 5 个坑分享给你，帮你避雷。

🕳️ 坑 1：密钥泄露（最危险）

问题描述

我做的：

1
2
3
4
5
6
7
8
9
10
# ❌ 错误示范
SECRET_ID = 'AKIDxxxxxxxx'
SECRET_KEY = 'xxxxxxxxxxxxxxxx'

poocr.ocr2excel.VatInvoiceOCR2Excel(
    input_path='./invoices',
    output_path='./output',
    id=SECRET_ID,
    key=SECRET_KEY
)

然后：我把代码传到了 GitHub。

后果：

  • 第 2 天，收到腾讯云短信：您的账户产生异常消费
  • 查账单：被盗用，产生了 2000 多元费用
  • 找客服：密钥已泄露，只能冻结账户

损失：

  • 金钱：2000 多元（腾讯云赔付了大部分）
  • 时间：折腾 3 天
  • 心情：崩溃

正确做法

用环境变量：

1
2
3
4
5
6
7
8
9
10
11
12
# ✅ 正确示范
import os

SECRET_ID = os.getenv('TENCENT_SECRET_ID')
SECRET_KEY = os.getenv('TENCENT_SECRET_KEY')

poocr.ocr2excel.VatInvoiceOCR2Excel(
    input_path='./invoices',
    output_path='./output',
    id=SECRET_ID,
    key=SECRET_KEY
)

配置环境变量（Windows）：

1
2
setx TENCENT_SECRET_ID "你的 SecretId"
setx TENCENT_SECRET_KEY "你的 SecretKey"

或者用配置文件：

1
2
3
4
5
6
# config.py
SECRET_ID = 'AKIDxxxxxxxx'
SECRET_KEY = 'xxxxxxxxxxxxxxxx'

# .gitignore
config.py

记住：

  • 密钥不要硬编码
  • 不要上传到 GitHub
  • 定期更换密钥
  • 发现泄露立即冻结

🕳️ 坑 2：图片质量差（最常见）

问题描述

财务姐姐交来的发票：

  • 手机拍的，手抖，模糊
  • 光线暗，看不清
  • 有反光，字被挡住
  • 折叠的，有褶皱
  • 斜着拍的，变形

识别结果：

  • 发票号码识别错误
  • 金额识别错误
  • 日期识别错误
  • 干脆识别失败

财务姐姐说：”你这什么破工具，还不如我手录！”

正确做法

制定发票提交规范：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
📋 发票提交规范

1. 优先使用电子版 PDF 发票
2. 拍照发票要求：
   - 光线充足
   - 发票平整
   - 无反光
   - 正对拍摄
   - 四角完整
3. 推荐使用扫描 APP：
   - 扫描全能王
   - 微软 Lens
   - Adobe Scan
4. 不要折叠、不要揉搓

添加质量检查：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
import cv2

def check_image_quality(image_path):
    """检查图片质量"""
    img = cv2.imread(image_path)
    
    # 检查亮度
    brightness = np.mean(img)
    if brightness < 50:
        return False, "图片太暗"
    
    # 检查清晰度
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    variance = cv2.Laplacian(gray, cv2.CV_64F).var()
    if variance < 100:
        return False, "图片模糊"
    
    return True, "合格"

# 使用前检查
is_ok, msg = check_image_quality('invoice.jpg')
if not is_ok:
    print(f"❌ {msg}，请重新拍照")

效果：

  • 识别准确率从 95% → 98%+
  • 财务姐姐不骂了
  • 我也不崩溃了

🕳️ 坑 3：网络超时（最烦人）

问题描述

公司内网环境：

  • 访问外网慢
  • 偶尔断网
  • 防火墙限制

程序表现：

1
2
3
4
5
正在识别发票...
[超时] 请求失败
[超时] 请求失败
[超时] 请求失败
程序崩溃

财务姐姐：”怎么又失败了？”

我：”网络问题……”

财务姐姐：”我不管，今天必须弄好！”

正确做法

添加重试机制：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
import time
from requests.exceptions import Timeout, ConnectionError

def recognize_with_retry(input_path, output_path, max_retries=3):
    """带重试的识别函数"""
    for i in range(max_retries):
        try:
            poocr.ocr2excel.VatInvoiceOCR2Excel(
                input_path=input_path,
                output_path=output_path,
                id=SECRET_ID,
                key=SECRET_KEY
            )
            print("✅ 识别成功")
            return True
        except (Timeout, ConnectionError) as e:
            print(f"⚠️ 第{i+1}次失败：{e}")
            if i < max_retries - 1:
                print("⏳ 5 秒后重试...")
                time.sleep(5)
            else:
                print("❌ 重试失败，请检查网络")
                return False
    
# 使用
recognize_with_retry('./invoices', './output')

批量处理时分小批次：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
# ❌ 一次处理 1000 张
poocr.ocr2excel.VatInvoiceOCR2Excel(
    input_path='./1000_invoices',
    ...
)

# ✅ 分 10 批，每批 100 张
for i in range(10):
    batch_path = f'./batch_{i}'
    poocr.ocr2excel.VatInvoiceOCR2Excel(
        input_path=batch_path,
        ...
    )
    print(f"✅ 第{i+1}批完成")

添加超时设置：

1
2
3
4
# 在 poocr 库配置中设置超时
import poocr

poocr.config.timeout = 30  # 30 秒超时

效果：

  • 程序不再崩溃
  • 失败自动重试
  • 财务姐姐满意了

🕳️ 坑 4：Excel 格式不对（最尴尬）

问题描述

我生成的 Excel：
| 发票代码 | 发票号码 | 金额 | 税额 | 日期 |
|———-|———-|——|——|——|
| 011002100113 | 12345678 | 1000 | 130 | 2026-03-15 |

财务姐姐要的：
| 发票代码 | 发票号码 | 开票日期 | 不含税金额 | 税额 | 价税合计 | 备注 |
|———-|———-|———-|————|——|———-|——|
| 011002100113 | 12345678 | 2026 年 03 月 15 日 | 1,000.00 | 130.00 | 1,130.00 | |

财务姐姐：”这格式不对啊，我还要手动调整？”

我：”……我改。”

正确做法

自定义输出模板：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
import pandas as pd
from datetime import datetime

def format_invoice_excel(raw_data, output_path):
    """格式化 Excel 输出"""
    # 读取原始数据
    df = pd.read_excel(raw_data)
    
    # 重命名列
    df.rename(columns={
        '金额': '不含税金额',
        '日期': '开票日期'
    }, inplace=True)
    
    # 添加价税合计
    df['价税合计'] = df['不含税金额'] + df['税额']
    
    # 格式化日期
    df['开票日期'] = df['开票日期'].apply(
        lambda x: datetime.strftime(x, '%Y年%m月%d日')
    )
    
    # 格式化金额（保留 2 位小数）
    for col in ['不含税金额', '税额', '价税合计']:
        df[col] = df[col].apply(lambda x: f"{x:.2f}")
    
    # 添加备注列
    df['备注'] = ''
    
    # 调整列顺序
    df = df[['发票代码', '发票号码', '开票日期', '不含税金额', 
             '税额', '价税合计', '备注']]
    
    # 保存
    df.to_excel(output_path, index=False)
    print(f"✅ 格式化完成：{output_path}")

# 使用
format_invoice_excel('./raw_data.xlsx', './output/发票识别结果.xlsx')

提前沟通格式：

1
2
3
4
5
6
7
8
# 项目开始前，和财务确认格式
format_requirements = """
请确认 Excel 格式要求：
1. 列名：发票代码、发票号码、开票日期、不含税金额、税额、价税合计、备注
2. 日期格式：YYYY 年 MM 月 DD 日
3. 金额格式：保留 2 位小数，带千分位
4. 其他要求：_______
"""

效果：

  • Excel 格式符合要求
  • 财务姐姐直接能用
  • 我不尴尬了

🕳️ 坑 5：异常发票处理（最容易忽略）

问题描述

98% 的发票：识别成功，没问题。

2% 的发票：

  • 太模糊，识别失败
  • 发票类型特殊，不支持
  • 发票损坏，无法读取
  • 重复发票，需要标记

我之前没处理：

  • 失败的发票没记录
  • 不知道哪些需要手动处理
  • 财务姐姐问：”这 5 张呢？”
  • 我：”……我找找。”

正确做法

添加异常记录：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
import json
from datetime import datetime

def process_invoices_with_log(input_path, output_path):
    """处理发票并记录异常"""
    failed_invoices = []
    
    # 遍历所有发票
    for invoice_file in os.listdir(input_path):
        try:
            poocr.ocr2excel.VatInvoiceOCR2Excel(
                input_path=os.path.join(input_path, invoice_file),
                output_path=output_path,
                id=SECRET_ID,
                key=SECRET_KEY
            )
            print(f"✅ {invoice_file} 识别成功")
        except Exception as e:
            print(f"❌ {invoice_file} 识别失败：{e}")
            failed_invoices.append({
                'filename': invoice_file,
                'error': str(e),
                'time': datetime.now().isoformat()
            })
    
    # 记录异常发票
    if failed_invoices:
        with open('./failed_invoices.json', 'w', encoding='utf-8') as f:
            json.dump(failed_invoices, f, ensure_ascii=False, indent=2)
        print(f"⚠️ 有{len(failed_invoices)}张发票识别失败，详见 failed_invoices.json")
    else:
        print("✅ 所有发票识别成功")

# 使用
process_invoices_with_log('./invoices', './output')

生成异常报告：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
def generate_failed_report(failed_list, output_path):
    """生成异常发票报告"""
    report = "# 发票识别失败报告\n\n"
    report += f"生成时间：{datetime.now()}\n\n"
    report += f"失败数量：{len(failed_list)}\n\n"
    report += "## 失败清单\n\n"
    report += "| 文件名 | 错误原因 | 建议 |\n"
    report += "|--------|----------|------|\n"
    
    for item in failed_list:
        suggestion = "重新拍照" if "模糊" in item['error'] else "手动处理"
        report += f"| {item['filename']} | {item['error']} | {suggestion} |\n"
    
    with open(output_path, 'w', encoding='utf-8') as f:
        f.write(report)
    
    print(f"📋 异常报告已生成：{output_path}")

效果：

  • 异常发票有记录
  • 财务姐姐知道哪些需要手动处理
  • 责任清晰，不扯皮

📊 避坑检查清单

部署前检查：

  • 密钥用环境变量配置
  • 密钥未上传到代码仓库
  • 制定了发票提交规范
  • 添加了重试机制
  • 批量处理分小批次
  • Excel 格式和财务确认过
  • 异常发票有记录
  • 有失败报告生成

全部打勾，再上线。

💬 联系我

平台账号/链接
微信扫码加好友
微博@程序员晚枫
知乎@程序员晚枫
抖音@程序员晚枫
小红书@程序员晚枫
B 站Python 自动化办公社区

主营业务：AI 编程培训、企业内训、技术咨询

🎓 推荐课程

坑，我帮你踩完了。

路，我给你铺平了。

现在，轮到你了。

行动起来，让发票识别不再痛苦。 💪

P.S. 财务姐姐上周给我送了杯奶茶，说：”小枫啊，现在这工具真好用，不骂你了。”

我：”……谢谢姐姐。”

这杯奶茶，真甜。

进群

嗨，扫码 进群

微信

扫一扫，分享到微信

微信分享二维码
本站总访问量次

tag:

    缺失模块。
    1、请确保node版本大于6.2
    2、在博客根目录（注意不是yilia根目录）执行以下命令：
    npm i hexo-generator-json-content --save

    3、在根目录_config.yml里添加配置：

      jsonContent:
    meta: false
    pages: false
    posts:
      title: true
      date: true
      path: true
      text: false
      raw: false
      content: false
      slug: false
      updated: false
      comments: false
      link: false
      permalink: false
      excerpt: false
      categories: false
      tags: true

编程博主，全网粉丝30w+，开源项目：python-office，我的微信：python-office