receipt-scanner

项目介绍：receipt-scanner

receipt-scanner 是一个基于 AI 的发票和收据扫描工具，适用于 Laravel 应用。此工具能从图像、PDF 和电子邮件中轻松提取结构化的收据数据，并集成了 OpenAI 强大的文本分析功能，提供了一种高效、准确的数据处理方式。

功能特点

• 开放AI集成：该项目使用了 OpenAI 的 Chat 和 Completion 接口，可以接受文本输入并返回结构化的收据信息。
• 多种输入格式支持：支持纯文本、PDF、图像、Word 文档和网页内容等多种格式。
• OCR功能：通过集成 AWS 的 Textract 服务，能处理来自图像的文本识别。
• 精准分析：拥有经过精调的提示系统，以便更好地解析收据内容。

安装指南

用户可以通过以下命令安装该包：

composer require helgesverre/receipt-scanner

安装后，需要发布配置文件：

php artisan vendor:publish --tag="receipt-scanner-config"

由于此包依赖于 OpenAI 的 Laravel 包，用户还需发布其配置并在 .env 文件中添加 OPENAI_API_KEY。

使用方法

从纯文本中提取收据数据

假如用户有电子收据或发票的文本格式，他们可以通过以下方式处理文本：

Text::text(file_get_contents('./receipt.txt'));

然后调用 ReceiptScanner::scan() 方法进行数据提取并分析。

从其他格式中提取数据

receipt-scanner 还提供了从 PDF、图像以及 Word 文档等格式中提取文本的便捷方法。对于每种格式，用户可以直接使用对应的方法进行文本提取并分析。

收据数据模型

提取的收据数据将会被解析为一个数据传输对象 (DTO)，包括收据的主要信息、商家信息以及每个项目的详情。这些信息可以通过调用 toArray() 方法转换为数组格式，以便于灵活操作。

返回数组而非 DTO

如果用户需要以数组格式来处理数据，可以在调用 scan() 方法时指定 asArray: true 参数。

模型选择

用户可以通过指定不同的模型名称来调整文本解析的速度和精度，例如使用更快的 GPT-3 模型或更精准的 GPT-4 模型。

配置 AWS Textract 进行 OCR

在使用 Textract 进行 OCR 操作时，需要配置 AWS 凭证及 S3 存储参数以确保图像和 PDF 的顺利处理。

发布提示模板

用户可以发布并自定义提示模板，以便在文本解析中适应特殊的格式或需求。

许可证

该项目使用 MIT 许可证，详细内容请参考 LICENSE 文件。

通过这款工具，用户可以轻松地将图片、PDF 以及文本中的收据数据提取出来，大大节省了人工操作的时间和成本，适合有批量处理数据需求的企业和开发者使用。