Pythonでレシート・請求書のPDFをExcelの表に変換する方法

用意するもの

• Python本体
• コードを書くためのエディタ(VS Codeなど)
• pdfplumber(PDFの中身を読み取るライブラリ)
• openpyxl(Excelファイルを作成するライブラリ)

ターミナルで以下のコマンドを実行し、2つのライブラリをまとめてインストールします。

pip install pdfplumber openpyxl

対応できるPDFを知っておく

PDFには、大きく分けて2つの種類があります。

PDFの中身を確認してみる

まずは、PDFの中の文字情報をそのまま取得してみましょう。

import pdfplumber

with pdfplumber.open("invoice.pdf") as pdf:
    page = pdf.pages[0]  # 1ページ目
    text = page.extract_text()
    print(text)

実行すると、PDFの1ページ目に含まれる文字が、そのままテキストとして表示されます。

PDFから表を抜き出す

文字全体ではなく、罫線で区切られた表の部分だけを抜き出したい場合は、extract_tableを使います。

import pdfplumber

with pdfplumber.open("invoice.pdf") as pdf:
    page = pdf.pages[0]
    table = page.extract_table()

for row in table:
    print(row)

実行すると、表の1行ずつがリストの形で表示されます。tableは「行のリストの中に、セルの値のリストが入っている」という二重のリスト構造になっています。

抜き出した表をExcelに書き出す

取得した表のデータを、openpyxlでそのままExcelファイルに書き出します。

import pdfplumber
import openpyxl

with pdfplumber.open("invoice.pdf") as pdf:
    page = pdf.pages[0]
    table = page.extract_table()

wb = openpyxl.Workbook()
ws = wb.active
ws.title = "明細"

for row in table:
    ws.append(row)

wb.save("invoice.xlsx")
print("Excelへの変換が完了しました")

実行すると、PDFの表と同じ内容のinvoice.xlsxが作成されます。ws.append(row)は、リストの中身を1行分のデータとしてそのままシートに追加してくれる書き方です。

実際に動かすと、こうなります

Python側で数値にしておくこともできます。"1,100"のようにカンマが入っているので、カンマを取ってからint()で変換します。

def to_num(value):
    try:
        return int(value.replace(",", ""))
    except (ValueError, AttributeError):
        return value  # 品名や空欄は、そのまま残す

for row in table:
    ws.append([to_num(v) for v in row])

上のコードのfor row in table: ws.append(row)の部分を、これに置き換えます。試したPDFでは、品名はそのまま、"1,100"は数値の1100になり、緑の三角も付かなくなりました。

複数のPDFをまとめて処理する

同じ形式のPDFが複数枚あるとき(月ごとの請求書や、複数のレシートなど)は、フォルダ内のすべてのPDFをまとめて1つのExcelにできます。

from pathlib import Path
import pdfplumber
import openpyxl

pdf_dir = Path("receipts")  # PDFが入っているフォルダ

wb = openpyxl.Workbook()
ws = wb.active
ws.title = "明細一覧"

for pdf_file in pdf_dir.glob("*.pdf"):
    with pdfplumber.open(pdf_file) as pdf:
        for page in pdf.pages:
            table = page.extract_table()
            if table:
                for row in table:
                    ws.append(row)

wb.save("receipts_summary.xlsx")
print("すべてのPDFの変換が完了しました")

pdf_dir.glob("*.pdf")で、指定したフォルダ内のPDFファイルを1つずつ順番に処理しています。PDFが何ページあっても、すべてのページの表がまとめてreceipts_summary.xlsxに書き出されます。

うまくいかないときのトラブルシューティング

まとめ

pdfplumberとopenpyxlを使って、PDF内の表を読み取りExcelに変換する方法、複数のPDFをまとめて処理する方法を紹介しました。医療費控除の集計や請求書整理など、手入力が面倒な作業ほど自動化のメリットを実感しやすくなります。