確定申告用に領収書のファイル名をAIに作らせててみた

OCRでテキストを抽出し、Gemini AIに推定させることで、領収書のファイル名を自動生成する仕組みを作りました。🤖✨ 🚀 ポイント ✅ PDFを画像に変換＆OCRでテキスト抽出 ✅ AIで日付・支払先・金額を解析 ✅ YYY-MM-DD_支払額_支払い先.jpg の形式でリネーム ✅ 並列処理で高速化＆バックアップ機能付き

揺らぎのある文字列の意味解釈はGemini AIにやってもらうのがポイント

• pythonでOCRして、テキストデータからファイル名を生成しようと思ったのだけど、書き方が各店各様なので、個別の指示が膨大になり断念。２時間あれこれしてしまいました。ちょっと立ち止まって考えたら生成AIに推定させたらいいんじゃない？と思いついて、さがしたらこの記事を見つけた次第。
• こちらの記事からヒントを得て、openAIのAPIでなく、Google Gemini AI APIを使ってみました。感謝感謝！！！
• ここでopenAIは無料訳なのでかAPIを見つけられなかったので、よく使っているGoogleのサービスを使うことにしました。でもやたらとセキュリティーが厳しくてドキュメントが多すぎる。
• そこでこれらもAIに聞きながら作業したらできました。
• プログラムはcursor + chatGPTを使って、スクラチビルドです。これが本当に効率がいい。
• ある程度エラー処理も追加しました。
• 個人用なので不具合があるかも。

コードはこちら

• ライセンス:MIT

• github

方針

• 完璧は目指さない
• ファイル名は YYYｰMM-DD_支払額_支払い先.jpgとしました

考え方

1. Gemini AI APIの取得 （ここが難しそうなので最後に書いてます）
2. ローカルでの処理：
   • PDFファイルをJPEGに変換
   • 画像ファイルのBase64エンコード
   • ファイル名の生成と重複チェック
   • バックアップの作成
   • ログファイルの管理
   • 並列処理の制御
3. Gemini AIの処理：
   • 画像からのテキスト抽出
   • 日付の解析と西暦変換
   • 支払先の正規化
   • 金額の抽出
   • 摘要の抽出
   • 複数ページの結合処理
4. 領収書の情報抽出における課題
   • 店舗ごとに異なるフォーマット
   • 和暦と西暦の混在
   • 支払日の表記ゆれ（発行日、利用日、支払日など）
   • 複数ページにわたる情報
5. 生成AIの活用
   • 柔軟なテキスト解釈
   • 文脈を考慮した情報抽出
   • 複数の表記形式への対応
6. 処理の流れ
   • 画像/PDFの読み込み
   • OCRによるテキスト抽出
   • Gemini AIによる情報の構造化
   • ファイル名の生成と変更
7. エラー処理とバックアップ
   • 元ファイルの自動バックアップ
   • 処理失敗時のログ記録
   • 重複ファイル名の処理

実装のポイント

1. PDFの全ページ処理

   def pdf_to_jpeg(pdf_path, temp_dir, logger):
       """PDFの全ページをJPEGに変換"""
       images = convert_from_path(pdf_path)
       jpeg_paths = []
       for i, image in enumerate(images):
           jpeg_path = os.path.join(temp_dir, f"page_{i+1}.jpg")
           image.save(jpeg_path, 'JPEG')
           jpeg_paths.append(jpeg_path)
       return jpeg_paths

2. 和暦の自動変換

   # 和暦変換ルール
   - 令和元年 = 2019年
   - 令和2年 = 2020年
   - 令和3年 = 2021年
   - 令和4年 = 2022年
   - 令和5年 = 2023年
   - 令和6年 = 2024年
   - 令和7年 = 2025年

3. 日付の優先順位

   1) 宿泊サービスの場合は宿泊最終日を支払日とする
   2) 支払済印の日付
   3) 領収印の日付
   4) 取引日/利用日
   5) 発行日

4. 並列処理による高速化

   max_workers = min(multiprocessing.cpu_count(), len(valid_files))
   with concurrent.futures.ThreadPoolExecutor(max_workers=max_workers) as executor:
       futures = [executor.submit(process_file, file, args, logger, backup_dir) 
                 for file in valid_files]

5. ファイル名の生成規則

   new_filename_base = f"{date_formatted}_{amount}円_{company_name}"
   # 例：2024-03-23_7440円_一休

使用上の注意点

1. APIキーの設定

   • ~/.google_AI_APIファイルにAPIキーを保存
   • フォーマット：GOOGLE_API_KEY=あなたのAPIキー

2. 対応ファイル形式

   • JPEG (.jpg, .jpeg)
   • PNG (.png)
   • PDF (.pdf)

3. バックアップについて

   • 処理前に自動的にバックアップを作成
   • バックアップディレクトリ名：backup_YYYYMMDD_HHMMSS

4. 年の指定

   # 特定の年のみ処理
   ./receipt_rename.py -y 2024 -- *.jpg
   
   # 複数年を指定
   ./receipt_rename.py --year 2024 2025 -- *.jpg