PDF发票统计skill

基于pdfplumber本地提取增值税电子发票和火车票信息，输出格式化Excel，支持多税率及水印页兜底识别。

PDF增值税发票抽取 Skill

基于 pdfplumber 的纯本地提取方案，支持增值税电子发票（普通发票）和火车票（铁路电子客票），输出格式化 Excel。

---

功能特性

特性	说明
票据类型	增值税电子发票（普通发票）+ 铁路电子客票（火车票）
提取字段	发票号码、日期、购买方、销售方、税号、项目名称、金额、税率、税额、价税合计
输出格式	Excel（15列，冻结首行，会计格式）
本地运行	纯 Python + pdfplumber，无外部 API
多税率处理	多税率发票税率留空
免税/不征税	税额=0，税率列显示对应文字
水印页兜底	支持水印遮挡场景的发票号/日期/税号兜底提取
火车票	自动识别，金额=0，税率留空，项目名称=火车票

---

使用方式

方式一：通过 skill-vetter 安装（推荐）

bash

clawhub install pdf-vat-invoice-extractor

方式二：直接使用脚本

bash

python3 invoice_extractor.py <PDF路径> [输出Excel路径]

• <PDF路径>：必填，合并PDF文件路径
• [输出Excel路径]：选填，默认在同目录下生成 <原文件名>_发票统计.xlsx

---

运行示例

bash

# 示例1：指定输出路径
python3 invoice_extractor.py /path/to/invoices.pdf /path/to/output.xlsx

# 示例2：使用默认输出路径（PDF同目录）
python3 invoice_extractor.py /path/to/invoices.pdf

---

字段填写规则（重要）

税率/征收率

情形	填写内容
单税率（如3%、6%、13%）	对应百分比
仅含"不征税"文字	不征税
仅含"免税"文字	免税
含多个不同税率	留空

税额

情形	填写内容
免税/不征税	0
含税额	实际税额

火车票

• 金额 = 0
• 税率 = 留空
• 税额 = 0
• 销售方/销售方税号 = 留空
• 项目名称 = "火车票"

---

依赖安装

bash

pip3 install pdfplumber openpyxl

---

故障排查

问题	可能原因	解决方案
日期为空	水印页日期格式特殊	检查PDF水印样式，更新normalize_date兜底正则
税号为空	水印遮挡标签	检查zone扫描逻辑是否有新变体
项目名称为空	**误输入	检查parse_star_word双星处理逻辑
金额为0但非火车票	合汁行提取失败	检查金额正则匹配逻辑

---

更新日志

• v1.0：支持增值税发票 + 火车票混合PDF