invoice2data提取发票条目匹配失败报错Ignoring *Item line求助

你的正则规则和实际发票条目格式存在3个核心不匹配点，直接导致匹配失败：

• 数值格式不兼容：原正则中price/value/vat_value字段用\d+仅能匹配整数，而实际发票条目里的金额都是带小数点的（如83.79/15.92），完全无法命中。
• 商品名称匹配规则不合理：原正则要求商品名称每个单词后必须跟1个空格，既不支持名称中间的多空格分隔，也不兼容名称末尾无空格的场景，会直接截断匹配逻辑。
• 空白字符处理不全面：原正则仅匹配普通空格[ ]，无法兼容OCR识别出的制表符、跨行换行、多余连续空格，比如第二条日志里的86.5被拆成了两行，直接匹配失败。

1. 修正正则规则 #

将原line字段的正则替换为如下版本，兼容小数、多空白、跨行场景：

\*\s*(?P<crt>\d+)\s+(?P<name>[\w\s\-\/]+?)\s+(?P<um>[a-zA-Z]+)\s+(?P<quantity>\d+)\s+(?P<price>\d+(?:\.\d+)?)\s+(?P<value>\d+(?:\.\d+)?)\s+(?P<vat_value>\d+(?:\.\d+)?)\s*\*

核心修改点：

• 数值匹配规则改为\d+(?:\.\d+)?，同时支持整数和带小数的金额
• 空白匹配统一用\s+，兼容空格、制表符、换行符
• 商品名称用非贪婪匹配[\w\s\-\/]+?，自动匹配到下一个字段（单位um）前的所有内容
• 兼容日志中条目前后包裹的*符号

2. 补充配置参数 #

在lines配置下添加multiline: true，允许正则跨行匹配，解决部分条目被OCR拆分到多行的问题：

lines:
  start: Valoarea TVA
  end: Data scadenta
  multiline: true
  line: # 替换为上面修正后的正则

内容的提问来源于stack exchange，提问作者shAkur