技能介绍

解决的问题

OFD 电子发票在国内早已普及，但拿到一张 .ofd 文件后，想把它读进 Excel 并不轻松。发票的关键数据并不摆在明面上：OFD 本质是一个 ZIP 包，内部用 XML 描述版式与内容，字段（如 InvoiceNo）只持有引用，真正的文本分散在页面内容对象的 TextCode 里。手工逐个打开解压、翻 XML，或者写一套临时脚本，对批量场景都难以复用。这个技能把这一过程固化成可重复执行的流程。

工作方式

核心是基于 GB/T 33190 的 OFD 结构做语义解析，而不是对整个文件做 OCR 或字符串搜索。运行时会弹出 tkinter 选择窗口，可以添加文件或添加文件夹，单次最多处理 200 个 OFD。对每个文件，程序会：

解压 OFD 容器，读取 Document.xml 获取文档结构与页面映射
定位 CustomTags.xml 与 CustomTag.xml 中的语义标签
沿着 ObjectRef → PageRef → Content.xml → TextObject → TextCode 链路取回实际文本
遇到金额被拆成货币符号与数字多个对象的情况，按顺序拼接并过滤 ¥、￥、逗号和空格

支持的发票类型覆盖增值税电子普通发票、增值税电子专用发票和全电发票（数电票）。提取字段包括发票号码、发票代码、开票日期、金额、税额、价税合计、购销方名称及税号。如果标准 CustomTag 路径上找不到发票号码，会回退到通用 XML 搜索模式，遍历包内 XML 查找 InvoiceNumber、发票号码、InvoiceNo 等标签，并可用正则匹配 20 位数字。

提取完成后自动生成 Excel 保存到桌面，文件名形如 OFD发票号码提取结果_YYYYMMDD_HHMMSS.xlsx。工作簿包含四个 Sheet：发票明细（序号、发票号码、发票代码、开票日期、金额、税额、价税合计、购销方名称及税号、文件名称、提取时间）、统计信息（总文件数、成功提取数、失败数、重复数）、失败列表（文件路径与失败原因）、重复列表（重复发票号码）。