pdf-invoice-stat

PDF 增值税发票提取 skill v2.4.4（稳定版）。支持增值税电子普票、铁路电子客票、通行费、餐饮、过路费等 PDF 格式，本地运行无外部 API 依赖，输出 15 列 Excel 报表。

PDF 增值税发票提取 Skill v2.4.4（稳定版）

当前版本: v2.4.4
发布状态: 稳定版（Stable）
发布日期: 2026-10-18
测试覆盖: 48 张真实发票（idunique 10 张 + youge 海口 38 张）

版本号（单一真相源）

python

from version import __version__  # "2.4.3"

核心能力

能力	状态
增值税电子普通发票	✅
铁路电子客票（火车票）	✅
通行费发票	✅
餐饮发票	✅
过路费发票	✅
合并 PDF 多张发票	✅
跨行发票号/日期识别	✅
多税率发票税率留空（设计规范）	✅
项目名杂质清理	✅
多项目分行	✅

已知不支持（本目录范围外）

不支持	原因
XML（数电票/全电发票）	另一 SKU 路径
OFD（国标版式发票）	另一 SKU 路径

目录边界

本目录：v2.4.4 PDF 单格式版，仅处理 PDF 格式增值税发票。

使用方式

方式一：作为 Python 模块

python

import sys
sys.path.insert(0, '/path/to/pdf-invoice-stat')
from invoice_extractor import extract_all_invoices, create_excel

# 识别发票
invoices = extract_all_invoices('invoices.pdf')

# 输出 Excel
create_excel(invoices, duplicate_rows=[], output_path='output.xlsx')

方式二：命令行（待加 argparse）

bash

# 未来 v2.4.4 计划
python3 invoice_extractor.py invoices.pdf

输出 Excel 字段（15 列）

#	字段	来源
1	序号	自动
2	发票号码	页面提取
3	开票日期	页面提取
4	购买方信息-名称	页面提取
5	购买方信息-统一社会信用代码	页面提取
6	销售方信息-名称	页面提取
7	销售方信息-统一社会信用代码	页面提取
8	项目名称	页面提取
9	金额	页面提取
10	税率/征收率	页面提取
11	税额	页面提取
12	价税合计	页面提取
13	备注	页面提取
14	报销人	手动填
15	报销日期	手动填

运行测试

bash

bash run_tests.sh

或单跑：

bash

python3 tests/test_extract_v243.py
python3 tests/perf_test.py

配置（可选）

config.py 集中管理可调参数。删除它，主代码会走 fallback 默认值。

依赖

text

pdfplumber>=3.0.0
openpyxl>=3.0.0

License

MIT