Comment extraire des données de factures ou de reçus à l'aide de Python

Comment puis-je automatiser l'extraction des données de mes reçus et factures ? Vous vous êtes peut-être posé la question à ce sujet. Eh bien, vous êtes au bon endroit, car nous allons voir comment extraire rapidement et facilement des données de vos documents à l'aide de quelques lignes de code. Cependant, avant d'entrer dans le vif du sujet, examinons rapidement ce qu'est l'extraction de données et pourquoi elle est si importante.

‍

Qu'est-ce que l'extraction de données ?

L'extraction d'informations à partir de sources de données à des fins de traitement, de stockage ou d'analyse ultérieurs est appelée extraction de données. Il est possible d'extraire des données à partir d'un large éventail de sources, notamment des e-mails, des pages Web, des images, des documents comptables, des fichiers PDF, etc.

Vous avez la possibilité de le faire manuellement ou par le biais d'un processus automatisé. Dans l'extraction manuelle des données, les informations sont collectées à la main, tandis que dans l'extraction automatique des données, les informations sont extraites à l'aide d'outils ou de logiciels.

Les entreprises utilisent les informations qu'elles obtiennent grâce à l'extraction de données à différentes fins telles que la publicité, l'analyse, la planification stratégique, etc.

*Voici une liste de quelques excellents outils d'extraction de données.

‍

Importance de l'extraction des données

En ce qui concerne l'extraction automatique de données, elle offre de nombreux avantages, dont les suivants :

1. Cela peut aider à réduire les coûts à long et à court terme: Des économies de coûts à court et à long terme peuvent être réalisées grâce à l'automatisation de processus fastidieux et chronophages. Vous pouvez vous concentrer sur l'exploitation et la croissance de votre entreprise sans vous soucier d'engager une énorme équipe chargée des données pour la soutenir.
2. C'est un gain de temps pour les entreprises: Le timing est essentiel car le temps est synonyme d'argent. Lorsqu'elle est correctement mise en œuvre, l'extraction automatique des données permet d'économiser du temps et des ressources, permettant aux employés de se concentrer sur des tâches plus prioritaires.
3. Cela rend le travail plus précis et moins sujet aux erreurs: Lorsque des humains sont chargés de saisir régulièrement d'énormes volumes de données, les erreurs et les inexactitudes sont inévitables. Ces inexactitudes peuvent être évitées et de meilleures données peuvent être obtenues en automatisant le processus d'extraction des données, ce qui permet aux entreprises de prendre des décisions meilleures et plus éclairées, ce qui est bénéfique pour tous.
4. Il a le potentiel d'augmenter la production des employés: Lorsque vos employés ne sont pas embourbés dans des tâches fastidieuses de saisie de données, ils auront plus de temps à consacrer à d'autres tâches importantes.

‍

Utilisation de l'API OCR pour l'extraction de données

L'API de reconnaissance optique de caractères (OCR) peut numériser, reconnaître et extraire du texte à partir de fichiers image et de documents. Elle transcrira ensuite le texte dans un format compréhensible par votre ordinateur, et vous pourrez recevoir les données extraites dans des formats de fichier tels que JSON, CSV, etc. Les API d'OCR sont développées à l'aide de la technologie OCR. Ce qui les distingue, c'est qu'ils sont formés pour extraire des données de documents particuliers et, par conséquent, ils ont un degré de précision plus élevé.

Il s'agit clairement d'une technologie bénéfique pour les développeurs qui travaillent avec une grande variété d'applications, notamment celles liées à la comptabilité, au commerce électronique, à la santé, à la finance, à la logistique, etc.

Le API OCR Mindee est parfait pour détecter et extraire rapidement des informations clés à partir de documents courants tels que des factures, des reçus, des passeports, etc. Vous pouvez toutefois créer votre propre API pour extraire des données de tout type de document non répertorié ci-dessus à l'aide du générateur d'API Mindee. L'API Mindee est rapide, accessible 24 heures sur 24 et génère du JSON par défaut.

Il est également capable d'extraire des données à partir de documents enregistrés dans différents formats de fichiers, notamment jpg, png, pdf, tiff, heic et webp. Pour bien comprendre comment utiliser l'API Mindee, examinons la section suivante.

‍

Comment extraire des données de réception ou de facture à l'aide de Python

À l'aide de la bibliothèque cliente Python de Mindee, vous pouvez extraire rapidement et précisément les données d'une facture ou d'un reçu. Quelques lignes de code suffisent. Pour vous montrer comment procéder, nous utiliserons l'exemple de reçu ci-dessous.

Pour commencer :

• Tout d'abord, vous devez installer Bibliothèque cliente Python de Mindee dans votre environnement de travail

pip install mindee

• Une fois installé, inscrivez-vous Compte Mindee pour obtenir votre Clé API.
• Avec votre clé API, vous pouvez exécuter votre client Mindee :

from mindee import Client

mindee_client = Client().config_receipt("api-key")
receipt_data = mindee_client.doc_from_path("/path/to/file").parse("receipt")
print(receipt_data.http_response)

Vous trouverez ci-dessous la sortie du champ extrait.

{
  “api_request”: {
    “error”: {},
    “resources”: [
      “document”
    ],
    “status”: “success”,
    “status_code”: 201,
    “url”: “http://api.mindee.net/v1/products/mindee/expense_receipts/v3/predict”
  },
  “document”: {
    “annotations”: {
      “labels”: {}
    },
    “id”: “dd457c26-5baa-4612-827b-e10c3d1b7b3d”,
    “inference”: {
      “extras”: {},
      “finished_at”: “2022-07-07T13:12:47+00:00”,
      “pages”: [
        {
          “extras”: {},
          “id”: 0,
          “orientation”: {“value”: 0},
          “prediction”: {
            “category”: {
              “confidence”: 0.99,
              “value”: “food”
            },
            “date”: {
              “confidence”: 0.99,
              “polygon”: [
                [0.479, 0.173],
                [0.613, 0.173],
                [0.613, 0.197],
                [0.479, 0.197]
              ],
              “raw”: “26-Feb-2016”,
              “value”: “2016-02-26”
            },
            “locale”: {
              “confidence”: 0.82,
              “country”: “GB”,
              “currency”: “GBP”,
              “language”: “en”,
              “value”: “en-GB”
            },
            “orientation”: {
              “confidence”: 0.99,
              “degrees”: 0
            },
            “supplier”: {
              “confidence”: 0.71,
              “polygon”: [
                [0.394, 0.068],
                [0.477, 0.068],
                [0.477, 0.087],
                [0.394, 0.087]
              ],
              “value”: “CLACHAN”
            },
            “taxes”: [
              {
                “code”: null,
                “confidence”: 0.98,
                “polygon”: [
                  [0.19, 0.403],
                  [0.698, 0.403],
                  [0.698, 0.432],
                  [0.19, 0.432]
                ],
                “rate”: 20,
                “value”: 1.7
              }
            ],
            “time”: {
              “confidence”: 0.99,
              “polygon”: [
                [0.62, 0.173],
                [0.681, 0.173],
                [0.681, 0.191],
                [0.62, 0.191]
              ],
              “raw”: “15:20”,
              “value”: “15:20”
            },
            “total_incl”: {
              “confidence”: 0.99,
              “polygon”: [
                [0.549, 0.619],
                [0.715, 0.619],
                [0.715, 0.64],
                [0.549, 0.64]
              ],
              “value”: 10.2
            }
          }
        }
      ],
      “prediction”: {
        “category”: {
          “confidence”: 0.99,
          “value”: “food”
        },
        “date”: {
          “confidence”: 0.99,
          “page_id”: 0,
          “polygon”: [
            [0.479, 0.173],
            [0.613, 0.173],
            [0.613, 0.197],
            [0.479, 0.197]
          ],
          “raw”: “26-Feb-2016”,
          “value”: “2016-02-26”
        },
        “locale”: {
          “confidence”: 0.82,
          “country”: “GB”,
          “currency”: “GBP”,
          “language”: “en”,
          “value”: “en-GB”
        },
        “supplier”: {
          “confidence”: 0.71,
          “page_id”: 0,
          “polygon”: [
            [0.394, 0.068],
            [0.477, 0.068],
            [0.477, 0.087],
            [0.394, 0.087]
          ],
          “value”: “CLACHAN”
        },
        “taxes”: [
          {
            “code”: null,
            “confidence”: 0.98,
            “page_id”: 0,
            “polygon”: [
              [0.19, 0.403],
              [0.698, 0.403],
              [0.698, 0.432],
              [0.19, 0.432]
            ],
            “rate”: 20,
            “value”: 1.7
          }
        ],
        “time”: {
          “confidence”: 0.99,
          “page_id”: 0,
          “polygon”: [
            [0.62, 0.173],
            [0.681, 0.173],
            [0.681, 0.191],
            [0.62, 0.191]
          ],
          “raw”: “15:20”,
          “value”: “15:20”
        },
        “total_incl”: {
          “confidence”: 0.99,
          “page_id”: 0,
          “polygon”: [
            [0.549, 0.619],
            [0.715, 0.619],
            [0.715, 0.64],
            [0.549, 0.64]
          ],
          “value”: 10.2
        }
      },
      “processing_time”: 0.748,
      “product”: {
        “features”: [
          “locale”,
          “category”,
          “date”,
          “time”,
          “total_incl”,
          “taxes”,
          “supplier”,
          “orientation”
        ],
        “name”: “mindee/expense_receipts”,
        “type”: “standard”,
        “version”: “3.1”
      },
      “started_at”: “2022-07-07T13:12:46+00:00”
    }

Remarque: vous pouvez utiliser la même méthode pour extraire les données de votre document de facture. Il vous suffit de remplacer le code reçu par facture et de lier le chemin d'accès à votre document de facture.

‍

Extrayez les champs clés de vos factures ou reçus.

Vous souhaiterez peut-être extraire des champs clés ou supplémentaires de votre document. Par exemple, vous souhaiterez peut-être extraire les informations suivantes de votre reçu : montants totaux, catégories de dépenses, date, informations sur les fournisseurs, lieu et heure, entre autres. Cela peut également être appliqué à votre document de facture. Vous souhaiterez peut-être extraire les informations suivantes : numéro de facture, date de facture, nom du client, informations de paiement, etc.. Pour cela, vous devez définir dans votre code les champs que vous souhaitez extraire.

En utilisant le même document de réception, nous allons extraire les champs clés suivants de nos reçus.

• Montant total
• Informations sur les fournisseurs
• Date
• Catégorie

Remarque : Bien que cet article ne couvre qu'un petit sous-ensemble des informations pouvant être extraites d'un facture d'achat ou reçu, le Documentation sur Mindeen contient de nombreux autres exemples.

• Montants totaux : Pour obtenir le montant total, taxes comprises

To get the total amount including taxes value

total_incl = receipt_data.receipt.total_incl.value
print("total with tax", total_incl)

sortie

total with tax 7.27

• Informations sur le fournisseur : Pour obtenir le nom du fournisseur tel qu'il figure sur le reçu.

# To get the supplier name

supplier_name = receipt_data.receipt.merchant_name.value
print("Supplier Name: ", supplier_name)

sortie

Supplier Name: MINDEE TAKE OUT

• Date : Pour obtenir la date de paiement telle qu'elle apparaît sur le reçu.

# To get the receipt date of issuance

date = receipt_data.receipt.date.value
print("Date on receipt: ", receipt_date)

sortie

Date on receipt:  2022-04-03

• Catégorie : Pour obtenir la catégorie du reçu telle qu'elle apparaît sur le reçu.

# To get the category

category = receipt_data.receipt.category.value
print("purchase category: ", category)

sortie

purchase category: food

Remarque: vous pouvez utiliser la même méthode pour extraire les données de votre document de facture. Mais il y a quelques ajustements car vous devez spécifier correctement les champs de facture dans votre code. Pour plus de conseils, consultez le Documentation Mindee.

‍

Conclusion

Comme vous pouvez le constater, les processus sont simples et faciles à mettre en œuvre. Si votre application est développée dans un langage autre que Python, ne vous inquiétez pas car Mindee fournit des exemples de code dans différents langages, notamment Node.js, PHP, Ruby, Curl, etc.