Excel 导入模板智能生成器
功能说明
将 Excel 数据源或截图中的字段，按照固定模板格式自动导入，生成标准化的导入模板。
支持的数据源类型：
- Excel/CSV 文件
- 截图/图片（PNG、JPG 等）
支持的报表类型：
- 资产负债表
- 现金流量表
- 利润表
- 银行账号配置
- 任意自定义表单
使用方法
方式一：处理 Excel 文件
用户提供：
- 模板文件路径
- 数据源 Excel 文件路径
- 表中文名
方式二：处理截图/图片
用户提供：
- 截图文件路径（支持多张截图）
系统自动完成：
- OCR 识别截图文字
- 提取字段名
- 生成中英文映射
- 识别字段类型
- 输出模板文件
工作流程
Step 1: OCR 识别（截图场景）
from cnocr import CnOcr
ocr = CnOcr()
result = ocr.ocr('截图路径.png')
# 打印全部识别结果检查完整性
for i, item in enumerate(result, 1):
print(f'{i}. {item["text"].strip()}')
Step 2: 字段提取与过滤
# 排除占位符
keywords_to_exclude = ['请输入', '年/月/日']
fields = []
for item in result:
text = item['text'].strip()
if text and not any(kw in text for kw in keywords_to_exclude):
fields.append(text)
Step 3: 中英文字段映射
# 预定义映射库
name_mapping = {
# 财务报表通用
'营业收入': 'operatingRevenue',
'营业成本': 'operatingCosts',
'净利润': 'netProfit',
'利润总额': 'totalProfit',
# 银行账号
'账号名称': 'accountName',
'银行名称': 'bankName',
'开户行': 'openingBank',
'银行账户': 'bankAccount',
# ... 更多见 scripts/field_mapping.py
}
# 自动映射，未知字段使用 field{N} 格式
eng_name = name_mapping.get(name, f'field{index+1}')
Step 4: 字段类型智能识别
def detect_field_type(name):
amount_keywords = ['资金', '借款', '资产', '负债', '权益', '资本',
'账款', '票据', '投资', '应收', '应付', '利润',
'费用', '收益', '收入', '成本', '税额']
if any(kw in name for kw in amount_keywords):
return '金额'
if any(kw in name for kw in ['日期']):
return '日期时间'
if any(kw in name for kw in ['类型', '状态']):
return '单选'
return '单行文本'
Step 5: 生成模板
import openpyxl
# 读取模板
tpl_wb = openpyxl.load_workbook('Excel导入模板.xlsx')
tpl_ws = tpl_wb.active
# ⚠️ 表名放在 B1，不是 A1！
tpl_ws['B1'] = '表中文名'
# 清除旧数据
for row in range(5, tpl_ws.max_row + 1):
for col in range(1, 6):
tpl_ws.cell(row=row, column=col).value = None
# 写入字段
for i, name in enumerate(fields):
row_num = i + 5
eng_name = name_mapping.get(name, f'field{i+1}')
field_type = detect_field_type(name)
tpl_ws.cell(row=row_num, column=1, value=name)
tpl_ws.cell(row=row_num, column=2, value=eng_name)
tpl_ws.cell(row=row_num, column=3, value=field_type)
tpl_ws.cell(row=row_num, column=4, value='否')
# 保存
tpl_wb.save('输出模板.xlsx')
标准模板结构
行1: A1='表中文名' | B1=实际表名
行2: A2='表英文名' | B2=entityName
行3: A3='说明'
行4: 字段中文名 | 字段英文名 | 字段类型 | 是否必填 | 字段说明
行5+: 字段数据行
字段类型说明
| 类型 | 识别关键词 | 说明 |
|---|
| 金额 | 资金、资产、负债、收入、成本、利润等 | 财务数值 |
| 日期时间 | 日期、时间 | 日期格式 |
| 单选 | 类型、状态 | 下拉选项 |
| 状态标签 | 状态 | 状态显示 |
| 单行文本 | 其他 | 普通文本 |
环境依赖
pip install openpyxl cnocr
注意事项
- 表名位置：表名必须填在 B1，A1 保持"表中文名"
- OCR 完整性：识别后检查全部结果，不能遗漏任何区域
- 残留清除：每次生成前清除第5行及之后所有旧数据
- 结果验证：生成后检查前25行确认无误
故障排除
cnocr 首次运行慢
首次运行会自动下载模型，后续会快很多。
OCR 识别不准确
- 确保截图清晰
- 避免文字与背景颜色相近
- 文字方向保持正向
