发票整理

解决什么

处理电子发票（尤其是数电票）时，财务或开发者常面临文件分散在微信下载目录、桌面、邮箱附件等多处，手动整理耗时且易错。发票号码查重、元数据提取（如开票日期、买卖方税号）、生成报销单、归档重命名等操作，缺乏统一自动化工具，且部分用户担心文件上传云端的隐私风险。

技能如何工作

该工具在本地运行，核心链路分为四步：

• 依赖检查：必需 openpyxl 生成Excel；可选 lxml（XML解析）、pdfplumber（PDF解析，缺失时影响PDF处理能力）。
• 输入处理：提取用户指定的 扫描目录（默认 ~/Downloads 和 ~/Desktop）、输出目录（默认工作目录下 发票整理/）、是否归档重命名（默认仅生成Excel，不移动文件）。
• 安全扫描与整理：默认不移动文件；执行 --rename 前必须先通过 --dry-run 预览归档计划（源路径→目标路径），确认后才实际执行。相同发票号的重复文件仅在Excel中标记，不参与移动。
• 解析与输出：对XML/OFD/PDF文件提取统一字段（如 invoice_no、issue_date、seller_name 等），生成Excel报销单，汇报扫描/解析/重复/失败数量、价税合计总额、Excel路径；失败文件列出前10个路径供人工检查。

适用边界与注意点

• 解析优先级：XML准确性最高（结构化数据），OFD次之（内嵌XML），PDF依赖文本正则兜底，存在误差可能。
• PDF拆字适配：pdfplumber解析表格时会拆分表头（如“购 销”），工具已适配两类布局（数电票表格、连续文本），需安装 pdfplumber 以支持PDF发票处理。
• 查重与误判：以20位发票号为查重依据，相同号码文件标记为重复；非发票XML因缺少必填字段（发票号+价税合计）自动排除。
• 归档操作风险：归档是移动操作，务必先执行 --dry-run 预览；目标目录同名文件自动添加“副本”后缀。