发票整理助手

你在处理什么

财务报销或归档时，常见输入是「外层 ZIP 里再套 dzfp_*.zip」，解压后 PDF 与 XML 散落各处；文件名可能是商户简称、带空格或不含 20 位发票号，金额写在文件名或只在 XML 的 TotalTax-includedAmount 里。手工对齐「同一笔价税合计对应一份 PDF + 一份 XML」既慢又容易漏配。

技能怎么工作

技能提供两条互补流程，批量配对是主路径：

• 递归解压：识别外层 ZIP 中的内层 dzfp_*.zip 并展开，汇总目录下全部 PDF/XML。
• 按号配对：用 20 位数字发票号（如 2653 开头的电子发票）把 PDF↔XML 成对；文件名里没有号时，可用 PyPDF2 读 PDF 正文 回退匹配。
• 金额与命名：优先从文件名解析金额（自动去掉逗号），否则读 XML；输出统一为 {prefix}-{invoice_number}-{amount}.{pdf|xml}，并写 配对报告（原始路径→新文件名）。
• 通用处理：对 zip/rar/7z/tar 等单独解压，用 pdfplumber/PyPDF2 与标准电子发票 XML 解析元数据，按 {date}_{number}_{seller} 等占位符重命名，导出 Excel/CSV/JSON 汇总表。

桌面复制在权限受限时会尝试 shutil / robocopy 等回退，避免整批任务因单目录写失败而中断。

边界与注意

• 文本型 PDF 解析最稳；扫描件无 OCR，识别率不保证。
• RAR/7z 依赖额外库或系统上的 unrar；非标准老票种可能字段不全。
• 单文件失败会记入汇总 status/error_msg，其余文件继续处理。