Invoice Processor 🔍🧾

Ein Python-Skript zum automatisierten Aufbereiten, Analysieren und Ablegen von Rechnungen (PDF & Bilder).
Mehrseitige PDFs werden aufgetrennt, per OCR ausgelesen, nach Lieferant*innen erkannt und anschließend sinnvoll umbenannt und in fertige bzw. unsichere Ordner verschoben.

---

Features

Feature	Erklärung
Mehrseitige PDF-Erkennung	Erkennt automatisch, ob eine Datei mehrere Rechnungen enthält und trennt diese bei Bedarf.
OCR-Unterstützung (Tesseract)	Nutzt zuerst den eingebetteten Textlayer; fällt dann auf Tesseract-OCR (Deutsch) zurück.
Ähnlichkeits-Analyse	Header, Footer, Ränder & Text-Content werden gewichtet, um Seiten derselben Rechnung zusammenzuführen (header_similarity, footer_similarity, …).
Lieferanten-Erkennung	Verwendet GPT-4 (oder das in config.yaml angegebene Modell), um Firmenname, Rechnungsnummer, Datum & Betrag zu extrahieren.
Intelligentes Dateinamen-Schema	YYYY-MM-DD_<Firma>_<RechnungsNr>_<Betrag>.pdf – fehlende Infos werden mit Platzhaltern ersetzt.
Konfigurierbare Ordnerstruktur	Standard: Rechnungen/, Rechnungen-Unsicher/, Backup/, temp_invoices/ (alles anpassbar).
CLI-Schalter	Aggressives/konservatives Splitten, Schwellenwerte, Bundle-Modus u.v.m.
GUI-Fallback	Bei kritischen Fehlern erscheint ein kleines Tkinter-Popup.

---

Voraussetzungen

Software	Version / Hinweis
Python	≥ 3.8
Tesseract-OCR	inkl. Sprachpaket deu
Poppler	Nur benötigt, wenn pdf2image nicht schon ein Poppler-Binary findet

Python-Pakete

Installiere die Abhängigkeiten am einfachsten via:

pip install -r requirements.txt

requirements.txt sollte mindestens enthalten:

pytesseract
pdf2image
PyPDF2
pillow
scikit-image
numpy
openai
PyYAML

---

Installation

git clone https://github.com/zeroses123/PDF-Rename
cd PDF-Rename
python -m venv .venv
source .venv/bin/activate  # Windows: .venv\Scripts\activate
pip install -r requirements.txt

Optional: Hinterlege globale Tools

# macOS
brew install tesseract poppler

# Debian/Ubuntu
sudo apt install tesseract-ocr tesseract-ocr-deu poppler-utils

---

Konfiguration (config.yaml)

Beim ersten Start wird automatisch eine config.yaml mit Default-Werten erzeugt.
Wichtige Felder:

global:
  openai_key: "sk-..."        # kann auch über ENV gesetzt werden
  model: "gpt-4.1-mini"
  threshold: 0.5              # Default-Schwelle für Seitensimilarität
  aggressive_split: false
  processing_mode: "BUNDLE"   # oder "SINGLE"
  blank_page_threshold: 0.90

  directories:
    complete: "Rechnungen"
    incomplete: "Rechnungen-Unsicher"
    backup: "Backup"
    temp: "temp_invoices"

similarity_weights:
  header_similarity:   0.2
  footer_similarity:   0.1
  margin_similarity:   0.1
  text_similarity:     0.6

company_names:
  - "Vattenfall Europe Sales GmbH"
  - "Telekom Deutschland GmbH"
  # …

---

Umweltvariablen

Variable	Zweck
OPENAI_API_KEY	wird verwendet, falls im YAML kein Key liegt
AGGRESSIVE_INVOICE_SPLIT	"true" / "false" – überschreibt YAML
INVOICE_SIMILARITY_THRESHOLD	Zahl zwischen 0 & 1 – überschreibt YAML
TESSDATA_PREFIX	Tesseract-Pfad, falls nicht systemweit verfügbar

---

Verwendung

Wechsle in den Ordner, in dem sich die zu verarbeitenden PDFs/Bilder befinden – oder übergib einen Pfad per --input.

python invoice.py [Optionen]

Häufige Optionen

Schalter	Beschreibung
--aggressive-split	Jede Seite wird als eigene Rechnung behandelt (ignoriert Heuristiken).
--conservative-split	(Default) Belässt zusammengehörige Seiten.
--threshold 0.7	Setzt manuellen Ähnlichkeits-Schwellwert (0–1).
--pdf-as-invoice	Jede PDF-Datei wird komplett als eine Rechnung genommen (kein Seiten-Split).
--bundle-mode	Ermöglicht mehrere Rechnungen innerhalb einer PDF (Multirechnungs-PDF).

Beispiel:

# Aus dem Ordner mit den PDFs
python invoice.py --aggressive-split --threshold 0.4

Ergebnis:

.
├── Backup/
│   └── <Originaldateien>.pdf
├── Rechnungen/
│   └── 2025-03-03_Telekom_4711_199EUR.pdf
└── Rechnungen-Unsicher/
    └── 2025-01-15_Unknown_NoNum_NoAmount.pdf

---

Logging & Fehlersuche

• Standard-Level: INFO
• Logmeldungen werden auf STDOUT ausgegeben; redirecte bei Bedarf:
  python invoice.py > invoice.log 2>&1
• Bei fehlender Tesseract-Installation oder Poppler-Pfaden bekommst du einen Hinweis sowie einen Tkinter-Dialog.

---

Beitrag leisten

1. Forke das Repo und erstelle einen Feature-Branch:
   git checkout -b feature/neues-ding
2. Commit & Push:
   git commit -m "Füge cooles Ding hinzu"
git push origin feature/neues-ding
3. Öffne einen Pull-Request 🚀

---

Lizenz

Dieses Projekt steht unter der MIT-Lizenz – siehe LICENSE.

---

Autor

Tom Goe Für Fragen oder Bug-Reports einfach ein Issue anlegen!