技能介绍

要解决什么问题

信贷尽调往往把 PDF、银行流水、征信、开票和房产等材料打成一个 ZIP 包，人工再按固定统计表逐项填 Excel，既慢又容易漏项、算错数。本技能把「解压 → 分类解析 → 五表输出 → 交叉核验」串成一条可重复执行的流程，目标是严格遵循版式、数字可交叉核对，而不是自由发挥报表结构。

技能如何工作

输入是一个尽调资料压缩包（常见含 PDF / XLSX / JPG 等）。执行上大致分六步：

解压与清单：用 scripts/zip_extract.py 处理 GBK 编码 ZIP，列出文件并按类型归类。
按优先级解析：客户信息统计表 XLSX 优先直接读；对公/对私流水参照 references/bank_parsing_rules.md（对私 XLSX 优先于 PDF）；企业/个人征信用 pdfplumber；开票取 24 个月；房产从 PDF/图片抽取；扫描件无法读字则标注待 OCR。
生成 Excel：输出 姓名_公司名_尽调画像_YYYYMMDD.xlsx，含 5 个 Sheet——尽调画像总表、对公/对私流水月度汇总、开票经营数据、企业征信详情（尹伯群征信统计表版式）。
核验：按 references/verification_rules.md 做 L1 原始对照、L2 流水与开票/征信交叉、L3 异常标记（如同名互转、法股互转）。
展示：通过 open_result_view 打开结果并汇报核心指标与风险提示。

若用户明确要求，还可走流水规则过滤（scripts/filter_flow.py）：同名互转、法/股互转、当日对倒、关联闭环、金融借款等五条剔除规则，产出剔除明细、有效流水与过滤统计三类 Sheet。

适用边界与注意点

版式与统计项不可缺：禁止自由改版式；所有数字以交叉核验为准。
编码与格式坑：ZIP 乱码需 GBK 解码；部分银行 PDF（如光大重复文字、中信列偏移）有文档内对策；openpyxl 合并单元格需先赋值再 merge_cells。
OCR 非默认全能：个人征信等为扫描件时可能只能标注待 OCR，需本机 Tesseract 若走 OCR 路径。
技术栈以 Python（zipfile、pdfplumber、openpyxl、pandas）为主，适合已有尽调资料包、且目标表格式固定的信贷分析场景。