Python xml.etree.ElementTree简单解析OFD电子发票（附代码）

        OFD文件格式号称中国版的PDF，具有中国自主版权的一种电子文件格式。税局启用电子发票后，电子发票的文件格式也在逐步将PDF格式转成OFD格式，一些新办企业的开票软件领取的开票软件往往是OFD格式的电子发票。在纯电子费用报销的时候我们就需要解析OFD电子发票的信息。

        本质上OFD文件是一个xml文件压缩包，我们用解压软件解压OFD电子发票，产生DOC_0的目录和OFD.xml文件，把DOC_0下面的所有xml文件浏览器打开，对比原发票信息，发现Doc_0\Attachs\original_invoice.xml和Doc_0\Pages\Page_0\Content.xml两个文件包含大量发票信息，original_invoice.xml的发票信息和名称是一一对应的，如：<fp:InvoiceCode>044002100113</fp:InvoiceCode>，表示发票代码是044002100113；但是original_invoice.xml没有发票类型信息；Content.xml文件包括所有发票文本信息，但是没有跟名称一一对应。那么要获得完整的发票信息，只有从Content.xml的文本信息中获致发票类型（如广东增值税普通发票），然后从original_invoice.xml获取其他发票信息形成字典，如{"发票代码":044002100113}。具体代码如下：

一、用zipfile解压缩OFD电子发票

import xml.etree.ElementTree as ET
import re
import zipfilefilename="D:\\测试发票\\044002000311_67725019.ofd"
rf=zipfile.ZipFile(filename, mode='r') # mode的值只能为'r'
# 判断同名文件夹是否存在，若不存在则创建同名文件夹
if os.path.isdir(os.path.splitext(filename)[0]):rf_list = rf.namelist() # 得到压缩包里所有的文件#print('ofd文件内容', rf_list)
else:os.mkdir(os.path.splitext(filename)[0])#for f in rf_list:#	rf.extract(f, os.path.splitext(filename)[0])rf.extractall(os.path.splitext(filename)[0]) # 解压文件rf.close() # 关闭文件，必须有，释放内存

二、获取发票类型：用xml.etree.ElementTree的itertext()方法遍历Content.xml中所有文本，当文本中含关键词“发票”，或者“增值税电子”时，返回对象的文本，并截取最后四个字符：“普通发票”或者“专用发票”。

path1 = "D:\\测试发票\\044002000311_67725192\\Doc_0\\Pages\\Page_0\\Content.xml"
tree1 = ET.parse(path1)
root1 = tree1.getroot()
InvoiceName = "发票"
for text in root1.itertext():#遍历Content.xml文件所有文本信息if InvoiceName in text:Invoice_Name=text[-4:]#当文本信息中包含“发票”两字，获取这段文本，并保留最后四个字符break

三、获取发票其他信息：用xml.etree.ElementTree的iter方法遍历original_invoice.xml文件根及子元素名称和文本。

path2="D:\\测试发票\\044002000311_67725192\\Doc_0\\Attachs\\original_invoice.xml"
tree2 = ET.parse(path2)
root2 = tree2.getroot()ofd_key1 = []
ofd_value1 = []
for child in root2.iter():childtag = child.tag.split("}")[-1]#用split("}")分割命名空间，仅保留元素名称childtext = child.textif childtext == None:               #文本内容为None时，用空字符替换childtext = ""ofd_key1.append(childtag)ofd_value1.append(childtext)
resp=dict(zip(ofd_key1,ofd_value1))    #发票信息组成字典

四、整理发票信息：通过resp["Invoicetype"] = Invoice_Name,把发票类型信息加入到resp字典或者把resp字典重新按需要整理成自己想要的，或者中文的就完成了。