对账发票字段怎么弄:InvoiceNet 批量提取
分类：工具实测 浏览量：9
摘要：
InvoiceNet 是一款开源工具，能从发票的 PDF 或图片中自动提取供应商名称、发票号码、金额、日期等关键字段，帮助电商从业者将对账、录单等繁琐工作自动化。它通过图形界面操作，支持批量处理发票并导出表格，也允许用户自定义字段和用自有发票数据训练专属模型，以提升识别准确率。该工具完全本地运行，适合注重数据隐私、有一定动手能力并愿意准备训练数据的小型电商团队或个体户。
发票信息录入太费手？InvoiceNet 帮你自动抽字段
做电商的都知道，对账、录单、整理供应商发票，看着不多，真干起来能占掉一下午。今天聊的 InvoiceNet 是个开源工具，专门从发票 PDF 或图片里自动提取关键信息——比如供应商名称、发票号码、金额、日期。它带图形界面，不用写代码也能训练自己的模型，把“人工看单敲字”变成“点几下鼠标导出表格”。
适合谁
开网店的小团队：每天要处理进货发票、快递面单、平台账单，手动录入费时还容易错。用 InvoiceNet 批量提取字段，能省下重复敲键盘的时间。
兼职做电商的个体户：没有专门财务，发票整理全靠自己。这工具安装好后，把发票拖进去就能看提取结果，不用懂深度学习。
对数据敏感、想自己掌控流程的店主：不想把发票数据传到第三方云端服务，InvoiceNet 完全本地运行，数据不出自己电脑，隐私上更安心。
能解决什么问题
对账时批量提取发票字段：把一堆 PDF 或 JPG 发票放进一个文件夹，用提取器 GUI 打开，模型自动识别“vendor_name”“invoice_date”“total_amount”这些字段，结果一键保存。不用再一张张翻看、手敲进表格。
自定义要提取的字段：默认有四种字段类型——通用字段（名称、地址）、可选字段（可能不出现的）、金额字段、日期字段。比如你想加一个“tax_id”，打开 invoicenet/__init__.py 加一行 FIELDS["tax_id"] = FIELD_TYPES["optional"] 就行，不用改其他代码。
用你自己的发票训练专属模型：不同行业的发票版式差别很大。InvoiceNet 提供 Trainer GUI，你准备一批自己的发票 PDF 和对应的 JSON 标注文件，就能训练一个更贴合自己业务的模型，识别准确率通常比通用模型更靠谱。
怎么开始用
项目在 GitHub 上，star 2696，MIT 协议，可以免费商用。安装分平台：
Ubuntu 20.04 下运行：
git clone https://github.com/naiveHobo/InvoiceNet.git
cd InvoiceNet/
# 运行安装脚本
./install.sh
# 激活虚拟环境
source env/bin/activate
Windows 10 下推荐用 Anaconda：
git clone https://github.com/naiveHobo/InvoiceNet.git
cd InvoiceNet/
# 创建并激活 conda 环境
conda create --name invoicenet python=3.7
conda activate invoicenet
# 安装 InvoiceNet
pip install .
# 安装 poppler
conda install -c conda-forge poppler
Windows 还需要单独装三个依赖：Tesseract 5.0.0、ImageMagick 7.0.10、Ghostscript 9.52。
训练数据要按固定格式放：一个文件夹里，每张发票 PDF 配一个同名 JSON 文件，JSON 里写字段名和值，比如：
{
"vendor_name":"Nike",
"invoice_date":"12-01-2017",
"invoice_number":"R0007546449",
"total_amount":"137.51"
}
启动图形界面：
# 训练模型
python trainer.py
# 提取发票信息
python extractor.py
优点和坑
优点：
- 全本地运行：发票数据不出电脑，适合对数据隐私有要求的场景。
- 可自定义字段：不用改模型结构，加一行代码就能增加提取字段，灵活度不错。
- 带图形界面：训练和提取都有 GUI，不用记命令行参数，对不熟编程的人友好。
坑：
- 没有现成的通用预训练模型。README 里明确说了，预训练模型“目前不可用”，需要你自己准备数据训练。而发票数据涉及敏感信息，收集大规模公开数据集很难——这意味着你要用，就得先攒一批自己的标注数据。
- 环境配置有门槛。Ubuntu 需要 CUDA 11.8、cuDNN 8.9.7、TensorFlow 2.13.1，版本要求比较死；Windows 要额外装 Tesseract、ImageMagick、Ghostscript 三个外部软件，任何一个装不对都跑不起来。
- 开发时间较早，更新节奏不明。项目创建于 2018 年 7 月，最近一次更新是 2026 年 10 月，但中间间隔较长，依赖的 TensorFlow 版本偏旧，在新硬件或新系统上可能遇到兼容问题。
适合你吗
适合：有一定动手能力、愿意花时间准备标注数据的小团队；对发票数据隐私要求高、不想用云端 OCR 服务的卖家；发票版式相对固定、愿意训练专属模型的用户。
不适合：想“装上就能用”、不想碰训练数据的用户——没有预训练模型这一点会卡住你；完全不懂命令行、也不想学的人，光装环境就可能劝退；发票量特别少、一个月就几张的，手动录入可能更快。
一句话：InvoiceNet 是个思路清晰的开源方案，但它是“半成品”——工具链完整，模型要自己训。适合愿意折腾、且数据能自己搞定的团队。
---
常见问题
InvoiceNet 是免费的吗？
是的，InvoiceNet 是一个开源工具，采用 MIT 协议，可以免费商用。项目在 GitHub 上，任何人都可以免费下载、使用和修改。
InvoiceNet 怎么安装？
安装分平台。Ubuntu 20.04 下运行 ./install.sh 脚本。Windows 10 推荐用 Anaconda：克隆仓库后创建环境，运行 pip install . 安装，并需额外安装 Tesseract、ImageMagick、Ghostscript 三个依赖。
InvoiceNet 能提取哪些发票字段？
默认支持提取通用字段（如供应商名称、地址）、可选字段、金额字段和日期字段。你也可以自定义字段，例如在配置文件里加一行代码就能增加“tax_id”等字段。
InvoiceNet 需要自己训练模型吗？准确率怎么样？
需要。项目没有提供现成的通用预训练模型，你必须用自己的发票 PDF 和对应的 JSON 标注文件来训练专属模型。用自己业务数据训练的模型，识别准确率通常比通用模型更靠谱。
InvoiceNet 和云端 OCR 服务比有什么优势？
主要优势是数据隐私。InvoiceNet 完全本地运行，发票数据不出自己的电脑，适合对数据安全要求高的场景。它还能自定义字段，并用你自己的发票训练更贴合业务的模型。
相关工具推荐
官方地址，点开新窗口；本文仅为工具介绍，与该项目无隶属关系。
