瑞士QR账单生成器:Java版开源库推荐
项目介绍
Swiss QR Bill for Java 是一个开源的Java库,专门用于生成和解码瑞士QR账单。该项目与.NET版本共同开发,旨在为开发者提供一个高效、易用的工具来处理瑞士的QR账单支付系统。瑞士QR账单自2020年6月30日起成为瑞士的主要支付方式,通过扫描QR码,用户可以轻松完成支付,极大地简化了支付流程。
项目技术分析
该库实现了瑞士QR账单的2.2和2.3版本规范,并支持Swico S1语法定义。主要功能包括:
- 生成多种格式的QR账单:支持PDF、SVG和PNG文件格式。
- 集成到现有PDF文件:可以将QR账单添加到已有的PDF文件中。
- 多种输出尺寸:支持生成210mm x 105mm的支付单、148mm x 105mm的支付部分、A4纸张或仅QR码。
- 多语言支持:支持德语、法语、意大利语、英语和罗曼什语。
- 数据验证:提供详细的数据验证信息,确保账单数据的准确性。
- 结构化账单信息:支持添加或检索结构化的账单信息(符合Swico S1标准)。
- 解析QR码数据:能够解析嵌入在QR码中的账单数据。
项目及技术应用场景
Swiss QR Bill for Java 适用于以下场景:
- 电子商务平台:在线商店可以通过生成QR账单,简化客户的支付流程。
- 企业财务系统:企业可以使用该库自动化账单生成和处理流程,提高财务管理的效率。
- 发票系统:发票系统可以通过集成该库,自动生成包含QR码的发票,方便客户快速支付。
- 银行和支付服务提供商:银行和支付服务提供商可以使用该库生成符合瑞士标准的QR账单,确保支付的合规性。
项目特点
- 易用性:库的设计简洁明了,开发者可以轻松上手,快速集成到现有系统中。
- 高效性:库体积小巧,运行速度快,适合在高并发环境下使用。
- 免费商用:采用MIT许可证,允许商业使用,无需支付额外费用。
- 依赖少:仅依赖PDFBox和Nayuki的QR码生成器,减少了依赖管理的复杂性。
- 多平台支持:除了Java版本,还有.NET版本,满足不同开发者的需求。
如何开始
该库已发布到Maven Central,开发者可以通过Maven或Gradle轻松集成到项目中。以下是Maven和Gradle的依赖配置示例:
Maven:
<dependency>
<groupId>net.codecrete.qrbill</groupId>
<artifactId>qrbill-generator</artifactId>
<version>[3.3.0,3.999999]</version>
</dependency>
Gradle:
compile group: 'net.codecrete.qrbill', name: 'qrbill-generator', version: '3.3.0+'
生成QR账单的步骤也非常简单,只需填充Bill数据结构并调用QRBill.generate方法即可。更多示例代码可以在examples目录中找到。
API文档
详细的API文档可以在Javadoc中查看,涵盖了QRBill、Bill、Address、BillFormat等类的详细说明。
更多信息
更多关于该项目的详细信息可以在Wiki中找到,Wiki中包含了.NET和Java版本的共同文档。
未来更新
自2025年11月21日起,瑞士QR账单规范将升级到2.3版本,并引入更多支付标准的变化。该库已经为这些变化做好了准备,开发者可以提前了解并适应这些变化。
字体许可证
该库包含了Liberation Sans字体,该字体由Google和Red Hat提供,采用SIL Open Font License, Version 1.1许可证。
QR码生成
QR码的生成依赖于Nayuki的QR码生成器。
其他编程语言
除了Java版本,该项目还提供了.NET版本。如果需要其他编程语言的库或专业服务,可以访问MoneyToday.ch了解更多信息。
Swiss QR Bill for Java 是一个功能强大且易于集成的开源库,无论是个人开发者还是企业用户,都能从中受益。立即尝试,体验瑞士QR账单的便捷与高效!
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00