pdf-invoice-stat
多格式增值税发票提取 skill v2.4.7(稳定版)。支持 PDF / XML / OFD / ZIP / RAR 五种格式,涵盖增值税电子普票、铁路电子客票、通行费、餐饮、过路费等类型,本地运行无外部 API 依赖,输出 v2.4.0 原版 15 列 Excel 报表。
多格式发票提取 Skill v2.4.7(稳定版)
当前版本: v2.4.7
发布状态: 稳定版(Stable)
发布日期: 2026-10-23
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)
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 | ✅ |
格式支持(v2.4.5 新增 XML/OFD/ZIP/RAR)
| 格式 | 说明 | 状态 |
|---|---|---|
| 增值税电子发票 | ✅ 主路径(零改动) | |
| XML | 数电票 / 全电发票 | ✅ v2.4.5 |
| OFD | 国标 GB/T 33190 | ✅ v2.4.5 |
| ZIP | 压缩包(内含三种格式) | ✅ v2.4.5 |
| RAR | 压缩包(无密码) | ✅ v2.4.5(brew install unar) |
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:统一入口(推荐,格式自动识别)
import sys
sys.path.insert(0, '/path/to/pdf-invoice-stat')
from format_router import extract_invoices, create_excel_any
invoices = extract_invoices('invoice.pdf') # PDF/XML/OFD/ZIP/RAR 自动识别
create_excel_any(invoices, 'output.xlsx') # v2.4.0 原版 15 列样式
方式二:只用 PDF(v2.4.4 原版接口)
from invoice_extractor import extract_all_invoices, create_excel
invoices = extract_all_invoices('invoices.pdf')
create_excel(invoices, duplicate_rows=[], output_path='output.xlsx')
方式三:命令行
# 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 run_tests.sh
或单跑:
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
pdfplumber>=3.0.0
openpyxl>=3.0.0
License
MIT
- Downloads
- Security audit
- Review
- Last updated
- 15h ago
- Current version
- v2.4.7
- License
- MIT-0
