amznreceipt.py

#!/usr/bin/env python3
# -*- coding: utf-8 -*-

"""PDF にした Amazon の領収書から「注文日」「注文番号」「請求総額」を取り出すやつ

# 下準備
$ pip install pymupdf click

# 使い方
$ python amznreceipt.py -f <pdf-filepath>

"""

from __future__ import annotations

import fitz
import click


def _is_digital_order(page_text: str) -> bool:
    return 'デジタル注⽂概要' in page_text


def _seek_normal_order(page_text: str) -> tuple[str, str, int]:
    """通常の注文から情報を取り出す"""
    lines = page_text.split('\n')

    order_date = order_id = billing_amount = None
    for line in lines:
        if '注文日： ' in line:
            order_date = line[line.rfind('注文日： ') + 5:]
        if '注⽂番号 ' in line:
            order_id = line[line.rfind('注⽂番号 ') + 5:]
        if 'ご請求額：￥' in line:
            billing_amount = int(line[line.rfind('ご請求額：￥') + 6:].replace(',', ''))

    return order_date, order_id, billing_amount


def _seek_digital_order(page_text: str) -> tuple[str, str, int]:
    """デジタル注文から情報を取り出す"""
    lines = page_text.split('\n')

    order_date = order_id = billing_amount = None
    for idx, line in enumerate(lines):
        if '注⽂⽇： ' in line:
            order_date = line[line.rfind('注⽂⽇： ') + 5:]
        if '注⽂番号: ' in line:
            order_id = line[line.rfind('注⽂番号: ') + 6:]
        if '総計:' in line:
            # 次の行に総計があることを仮定する
            next_line = lines[idx + 1]
            billing_amount = int(next_line.replace('￥', '').replace(',', ''))

    return order_date, order_id, billing_amount


@click.command()
@click.option('--filepath', '-f',
              type=click.Path(exists=True, file_okay=True, dir_okay=False, readable=True),
              required=True,
              help='Amazon receipt PDF file')
def main(filepath: str):
    # PDF ファイルを読み込む
    with fitz.open(filepath) as pdf_in:
        # 含まれるページを読み込む
        for pdf_page in pdf_in:
            # ページに含まれる文字列を取得する
            page_text = pdf_page.get_text()
            # デジタル注文と通常の注文でフォーマットが異なるため判定する
            is_digital_order = _is_digital_order(page_text)
            # 注文日、注文番号、請求額を取り出す
            infos = _seek_digital_order(page_text) if is_digital_order else _seek_normal_order(page_text)
            # カンマ区切りで出力する
            print(','.join(str(info) for info in infos))


if __name__ == '__main__':
    main()