发票-记账凭证识别生成Excel

概述

发票识别与导出

功能描述

本技能对发票图像或文档进行识别，提取结构化信息并完成校验，最终导出单一工作表的 Excel 文件。完全本地运行，免费使用。

• 核心能力：
  • 发票图像 OCR 识别与信息提取
  • 票据类型自动分类与识别
  • 字段清洗、格式校验与逻辑校验
  • 发票/凭证结果导出为 Excel
• 触发条件：
  • 用户上传发票图片或文档，需要提取信息或导出 Excel
  • 用户提供了发票/凭证结构化数据，需要导出 Excel

前置准备

首次使用时运行环境自检脚本，会自动安装缺失的 Python 依赖（pdf2image / Pillow / openpyxl / ofd2pdf）并尝试安装系统依赖 poppler：

python scripts/check_env.py

• 脚本检查通过（exit 0）即可正常使用
• poppler 自动安装失败时，按脚本输出的提示手动安装：
  • Windows：下载 poppler for Windows，将 bin 目录加入系统 PATH
  • macOS：brew install poppler
  • Linux（Ubuntu/Debian）：sudo apt-get install poppler-utils
  • Linux（CentOS/RHEL）：sudo yum install poppler-utils

也可以手动安装全部依赖：

pip install -r requirements.txt

工作流程

1. 文件接收与预处理

• 图片格式（JPG/PNG/BMP）→ 直接进入识别流程
• PDF/OFD 格式 → 调用 scripts/pdf_to_image.py 转换为图片：

python scripts/pdf_to_image.py invoice.pdf invoice.png

多页文档输出 invoice_001.png、invoice_002.png 等。

2. OCR 识别与字段提取

使用智能体原生图像识别能力提取关键字段：发票代码、发票号码、开票日期、购买方/销售方信息、商品明细、金额、税率税额、校验码等。

3. 字段清洗与校验

字段清洗（规则见 [references/invoice-formats.md](references/invoice-formats.md)）：

• 发票代码/号码：去除 No.、№、第、号、空格，只保留数字
• 开票日期：统一转为 YYYY-MM-DD
• 税号：去除空格，统一大写
• 金额：去除 ¥、千分位逗号等符号
• 重点复核 OCR 易混淆字符：0/O/6/8、1/I/l/7、5/S/6、8/6/0、9/4、B/8

类型分类（规则见 [references/invoice-types.md](references/invoice-types.md)）与格式/逻辑校验：

• 发票代码：10 位或 12 位数字（数电票无发票代码）
• 发票号码：8 位数字（数电票为 20 位）
• 税号：统一社会信用代码 18 位，或旧版纳税人识别号 15 位
• 价税合计 = 不含税金额 + 税额；税率合规（13%、9%、6%、3% 等）；明细汇总 = 总金额

4. 生成结构化 JSON

按下方「附录：JSON 结构示例」组织识别结果，保存为 result.json。

5. 导出 Excel

python scripts/export_to_excel.py result.json invoice_result.xlsx

• 发票数据：工作表名「发票信息」
• 凭证数据：工作表名「凭证分录」
• 多张发票：JSON 中用 { "invoices": [...] }，自动合并为单一工作表

6. 交付

将 Excel 文件交付给用户，并提示人工复核校验异常项。

附录：JSON 结构示例

发票模式（invoice_data）：

{
  "invoice_type": "增值税专用发票",
  "invoice_code": "4400122135",
  "invoice_number": "12345678",
  "invoice_date": "2024-01-15",
  "buyer": { "name": "某某科技有限公司", "tax_number": "91440300XXXXXXXXXX" },
  "seller": { "name": "某某信息技术有限公司", "tax_number": "91110101YYYYYYYYYY" },
  "remark": "发票备注信息",
  "line_items": [
    {
      "description": "软件服务",
      "quantity": 1,
      "unit_price": 1000.00,
      "amount": 1000.00,
      "tax_rate": 0.06,
      "tax_amount": 60.00,
      "remark": "明细备注"
    }
  ],
  "subtotal": 1000.00,
  "tax_amount": 60.00,
  "total_amount": 1060.00,
  "validation": {
    "format_valid": true,
    "logic_valid": true,
    "errors": []
  }
}

以上名称、税号、发票号码均为虚构示例。

多张发票合并模式（invoices）：

{
  "invoices": [
    { "invoice_type": "增值税专用发票", "invoice_code": "...", "invoice_number": "12345678", "invoice_date": "2024-01-15", "buyer": { "name": "购买方A", "tax_number": "..." }, "seller": { "name": "销售方A", "tax_number": "..." }, "line_items": [], "subtotal": 100.00, "tax_amount": 13.00, "total_amount": 113.00 },
    { "invoice_type": "增值税普通发票", "invoice_code": "...", "invoice_number": "87654321", "invoice_date": "2024-01-16", "buyer": { "name": "购买方B", "tax_number": "..." }, "seller": { "name": "销售方B", "tax_number": "..." }, "line_items": [], "subtotal": 200.00, "tax_amount": 26.00, "total_amount": 226.00 }
  ]
}

凭证模式（voucher_entries）：

{
  "voucher_entries": [
    {
      "date": "2010-01-31",
      "voucher_no": "1",
      "summary": "支存款",
      "subject_code": "1001",
      "subject_name": "现金",
      "aux_item": "",
      "currency": "人民币",
      "debit_foreign": 5774000.00,
      "debit_local": 5774000.00,
      "credit_foreign": 0,
      "credit_local": 0
    },
    {
      "date": "2010-01-31",
      "voucher_no": "1",
      "summary": "支存款",
      "subject_code": "1002",
      "subject_name": "银行存款",
      "aux_item": "",
      "currency": "人民币",
      "debit_foreign": 0,
      "debit_local": 0,
      "credit_foreign": 5774000.00,
      "credit_local": 5774000.00
    }
  ]
}

输出格式说明

• 发票：工作表名「发票信息」，列为发票类型、发票代码、发票号码、开票日期、购买方名称/税号、销售方名称/税号、序号、项目名称、规格型号、单位、数量、单价、金额、税率、税额、价税合计、备注、格式校验、逻辑校验、异常提示。每个明细一行，末尾附合计行。
• 凭证：工作表名「凭证分录」，列为日期、凭证号、摘要、科目编码、科目名称、辅助项、币种、借方原币/本币、贷方原币/本币。

资源索引

• 环境自检脚本：见 [scripts/check_env.py](scripts/check_env.py)
  • 用法：python scripts/check_env.py
  • 用途：检查关键脚本、Python 依赖、poppler、ofd2pdf，缺失时自动安装（poppler 按平台尽力自动安装，失败时输出手动安装指引）
• 格式规范：见 [references/invoice-formats.md](references/invoice-formats.md)
  • 何时读取：进行字段清洗或格式校验时
• 票据分类：见 [references/invoice-types.md](references/invoice-types.md)
  • 何时读取：需要识别票据类型或分类规则时
• PDF/OFD 转图片脚本：见 [scripts/pdf_to_image.py](scripts/pdf_to_image.py)
  • 用法：python scripts/pdf_to_image.py invoice.pdf invoice.png（多页输出 invoice_001.png 等）
• Excel 导出脚本：见 [scripts/export_to_excel.py](scripts/export_to_excel.py)
  • 用法：python scripts/export_to_excel.py result.json invoice_result.xlsx
  • 参数：input_json_path（JSON 文件路径或 - 表示标准输入）、output_xlsx_path（输出 Excel 路径）

注意事项

1. 图像质量：上传发票图片时，建议确保图片清晰、光照均匀、无遮挡
2. 校验复核：校验失败的信息需要人工复核确认
3. 隐私保护：处理发票时注意保护敏感信息，识别完成后可提示用户是否需要删除原文件
4. OFD 文件处理：需额外安装 pip install ofd2pdf