Claude Code x PyMuPDF/pdfplumber でPDF一括処理・データ抽出を完全自動化する完全ガイド

毎月の請求書PDF手動入力が完全自動化された

経理担当の森田です。毎月100枚以上の請求書PDFから金額・会社名・日付を手動でExcelに転記するのに丸一日かかっていました。Claude CodeでPDFのデータ自動抽出から会計システムへの自動連携まで完全自動化できました。

STEP 1：PDFからテキストを自動抽出する

PyMuPDFを使ってPDFのテキストを高精度で自動抽出します。

import fitz  # PyMuPDF
import glob, re
from pathlib import Path

def extract_text_from_pdf(pdf_path):
    doc = fitz.open(pdf_path)
    full_text = ""
    for page in doc:
        full_text += page.get_text("text")
    doc.close()
    return full_text

def parse_invoice(text):
    # 会社名の抽出（正規表現）
    company_patterns = [
        r"御中\s*
(.+?)様",
        r"請求先[：:]\s*(.+)",
        r"株式会社(.+?)(?:\s|様|御中|$)",
        r"(.+?)株式会社",
    ]
    company = ""
    for pattern in company_patterns:
        match = re.search(pattern, text)
        if match: company = match.group(1).strip(); break
    
    # 請求日の抽出
    date_patterns = [
        r"請求日[：:]\s*(\d{4}[年/-]\d{1,2}[月/-]\d{1,2})",
        r"発行日[：:]\s*(\d{4}[年/-]\d{1,2}[月/-]\d{1,2})",
        r"(\d{4}年\d{1,2}月\d{1,2}日)",
    ]
    invoice_date = ""
    for pattern in date_patterns:
        match = re.search(pattern, text)
        if match: invoice_date = match.group(1); break
    
    # 金額の抽出
    amount_patterns = [
        r"合計[金額]*[：:￥¥]\s*([0-9,，]+)",
        r"請求金額[：:]\s*￥?([0-9,，]+)",
        r"お支払い金額[：:]\s*￥?([0-9,，]+)",
    ]
    amount = 0
    for pattern in amount_patterns:
        match = re.search(pattern, text)
        if match:
            amount = int(match.group(1).replace(",","").replace("，",""))
            break
    
    return {"会社名": company, "請求日": invoice_date, "金額": amount}

results = []
for pdf_path in glob.glob("invoices/invoice_*.pdf"):
    text   = extract_text_from_pdf(pdf_path)
    parsed = parse_invoice(text)
    parsed["ファイル"] = Path(pdf_path).name
    results.append(parsed)
    print(f"  {parsed['ファイル']}: {parsed['会社名']} / {parsed['金額']:,}円")

print(f"抽出完了: {len(results)}件")

STEP 2：PDFの表を自動抽出してExcelに変換する

pdfplumber を使ってPDF内の表データを自動抽出し、Excelに変換します。

import pdfplumber
import pandas as pd

def extract_tables_from_pdf(pdf_path):
    all_tables = []
    with pdfplumber.open(pdf_path) as pdf:
        for page_num, page in enumerate(pdf.pages, 1):
            tables = page.extract_tables()
            for table in tables:
                if not table or len(table) < 2: continue
                df = pd.DataFrame(table[1:], columns=table[0])
                df["ページ"] = page_num
                all_tables.append(df)
    return all_tables

def normalize_invoice_table(df):
    # 列名の正規化（様々な表記に対応）
    col_mapping = {}
    for col in df.columns:
        if col and ("品目" in col or "商品" in col or "品名" in col): col_mapping[col] = "品目"
        elif col and ("数量" in col or "Qty" in col):    col_mapping[col] = "数量"
        elif col and ("単価" in col or "単位" in col):   col_mapping[col] = "単価"
        elif col and ("金額" in col or "小計" in col):   col_mapping[col] = "金額"
    df = df.rename(columns=col_mapping)
    
    # 数値列の変換
    for col in ["数量","単価","金額"]:
        if col in df.columns:
            df[col] = df[col].apply(lambda x: int(str(x).replace(",","").replace("￥","").strip() or 0) if x else 0)
    return df

# 全請求書の明細を抽出
all_details = []
for pdf_path in glob.glob("invoices/invoice_*.pdf"):
    tables = extract_tables_from_pdf(pdf_path)
    for table in tables:
        try:
            normalized = normalize_invoice_table(table.copy())
            if "品目" in normalized.columns and "金額" in normalized.columns:
                normalized["請求書"] = Path(pdf_path).name
                all_details.append(normalized)
        except Exception as e: print(f"  テーブル変換エラー: {e}")

if all_details:
    combined = pd.concat(all_details, ignore_index=True)
    combined.to_excel("invoice_details.xlsx", index=False)
    print(f"明細抽出完了: {len(combined)}行 → invoice_details.xlsx")

STEP 3：スキャンPDFをOCRで自動テキスト化する

手書きやスキャンされたPDFをOCRで自動テキスト化します。

import fitz, easyocr, pytesseract
from PIL import Image
import io, numpy as np

reader = easyocr.Reader(["ja","en"], gpu=False)

def ocr_scanned_pdf(pdf_path, use_easy=True):
    doc  = fitz.open(pdf_path)
    full_text = ""
    
    for page_num, page in enumerate(doc, 1):
        # ページを画像に変換（300dpi）
        mat = fitz.Matrix(300/72, 300/72)
        pix = page.get_pixmap(matrix=mat)
        img_bytes = pix.tobytes("png")
        img = Image.open(io.BytesIO(img_bytes))
        img_np = np.array(img)
        
        if use_easy:
            # easyocr（日本語精度高）
            results = reader.readtext(img_np, detail=0)
            page_text = " ".join(results)
        else:
            # pytesseract（高速）
            page_text = pytesseract.image_to_string(img, lang="jpn+eng",
                config="--psm 6 --oem 3")
        
        full_text += f"
--- ページ{page_num} ---
{page_text}"
        print(f"  ページ{page_num}: {len(page_text)}文字抽出")
    
    doc.close()
    return full_text

# スキャンPDFを一括OCR処理
for pdf_path in glob.glob("scanned/scan_*.pdf"):
    print(f"OCR処理中: {Path(pdf_path).name}")
    text = ocr_scanned_pdf(pdf_path)
    
    # テキストファイルに保存
    txt_path = pdf_path.replace(".pdf", "_ocr.txt").replace("scanned/","extracted/")
    with open(txt_path, "w", encoding="utf-8") as f:
        f.write(text)
    
    # 請求情報の抽出も実行
    parsed = parse_invoice(text)
    print(f"  → {parsed['会社名']} / {parsed['金額']:,}円")

STEP 4：複数PDFを一括結合・分割する

複数のPDFを結合したり、ページ範囲で分割する処理を自動化します。

import fitz
from datetime import datetime

def merge_pdfs_by_date(pdf_dir, output_path):
    merger = fitz.open()
    pdf_files = sorted(glob.glob(f"{pdf_dir}/*.pdf"))
    
    for pdf_path in pdf_files:
        src = fitz.open(pdf_path)
        merger.insert_pdf(src)
        src.close()
        print(f"  追加: {Path(pdf_path).name} ({src.page_count}ページ)")
    
    merger.save(output_path)
    merger.close()
    print(f"結合完了: {len(pdf_files)}ファイル → {output_path}")

def split_pdf_by_pages(pdf_path, pages_per_file=10, output_dir="./split/"):
    import os
    os.makedirs(output_dir, exist_ok=True)
    
    src = fitz.open(pdf_path)
    total_pages = src.page_count
    
    for i in range(0, total_pages, pages_per_file):
        part = fitz.open()
        part.insert_pdf(src, from_page=i, to_page=min(i+pages_per_file-1, total_pages-1))
        part_num = i // pages_per_file + 1
        out_path = f"{output_dir}{Path(pdf_path).stem}_part{part_num:03d}.pdf"
        part.save(out_path)
        part.close()
        print(f"  分割: {out_path} ({part.page_count}ページ)")
    
    src.close()
    print(f"分割完了: {total_pages}ページ → {(total_pages+pages_per_file-1)//pages_per_file}ファイル")

# 今月の請求書を結合
from datetime import date
ym = date.today().strftime("%Y%m")
merge_pdfs_by_date(f"invoices/{ym}/", f"invoices/月次集_{ym}.pdf")

# 大きなPDFを10ページ分割
split_pdf_by_pages("invoices/月次集_202604.pdf", pages_per_file=10)

STEP 5：抽出データを会計システムに自動連携する

抽出した請求書データを会計システム（freee・MoneyForward）に自動インポートします。

import requests, pandas as pd

FREEE_API = "https://api.freee.co.jp"
ACCESS_TOKEN = "YOUR_FREEE_TOKEN"
COMPANY_ID   = 1234567

headers = {"Authorization": f"Bearer {ACCESS_TOKEN}", "Content-Type": "application/json"}

def create_invoice_entry(invoice_data):
    items = [{
        "account_item_id": 100003,  # 買掛金
        "amount":          invoice_data["金額"],
        "description":     f"{invoice_data['会社名']}への支払い",
        "tax_code":        1,  # 課税仕入
    }]
    
    payload = {
        "company_id": COMPANY_ID,
        "issue_date": invoice_data["請求日"],
        "type":       "expense",
        "details":    items,
        "payment_type": "accrual",  # 未払計上
    }
    
    res = requests.post(
        f"{FREEE_API}/api/1/deals",
        headers=headers, json=payload
    )
    
    if res.status_code in [200, 201]:
        deal = res.json()["deal"]
        print(f"  freee登録完了: {invoice_data['会社名']} / ¥{invoice_data['金額']:,} → ID:{deal['id']}")
        return deal["id"]
    else:
        print(f"  登録失敗: {res.status_code} {res.text}")
        return None

# 未処理の請求書を自動仕訳
df = pd.read_csv("extracted_invoices.csv")
unprocessed = df[df["freee_id"].isna()]

for _, row in unprocessed.iterrows():
    if row["金額"] > 0 and row["請求日"]:
        freee_id = create_invoice_entry(row.to_dict())
        if freee_id:
            df.loc[df.index == row.name, "freee_id"] = freee_id

df.to_csv("extracted_invoices.csv", index=False)
print(f"freee自動登録完了: {len(unprocessed)}件")

制作実績サンプル

このクオリティの資料が、あなたの業務でも作れます

Aurant Technologies が実際に制作したコンサルティング資料（全82枚）のサンプルです。Claude Code × AI自動化により、従来の1/5のコスト・時間で同等品質を実現します。

タイトル・ダーク背景

3カラム比較・分析

AI活用フロー図解

Before/After比較

構造化コンテンツ

→

全10枚を
見る

御社のテーマでこのレベルの資料を作成できます

制作費・納期・自動化プランは無料相談でご確認いただけます

📊 サンプル全10枚を見る →