技能介绍

每月发票入账时，财务或运营同学手里通常有两样东西：一堆 PDF 发票，和一份持续维护的「发票清单.xlsx」。人工核对发票号码、把命中的行填上入账日期、再整理一份给税务系统的明细，步骤重复但容错率低——漏填一行、日期格式写歪一次，整批都要返工。

这个技能把这条链路拆成两步脚本：先从 PDF 提取字段生成 Excel，再按发票号码与清单批量匹配、回填日期，并额外产出一份列布局与税务系统导出文件一致的入账明细。

提取：scripts/extract_invoices.py 接受单个 PDF 或整个文件夹作为 --source，解析发票类型、发票号码、开票日期、购销方名称与纳税人识别号、项目名称、不含税金额、税率、税额、价税合计，输出 14 列的 发票提取结果_YYYYMMDD.xlsx。一个 PDF 多页多发票时按页分别提取；解析不出发票号码的文件会列出警告，而不是静默跳过。
匹配与回填：scripts/verify_invoices.py 以发票号码为键（仅保留数字后比对）与清单匹配。命中的行在 C 列写入当天日期，格式固定为 yyyy-mm-dd；若 C 列已是当天日期则跳过，因此重复运行是幂等的。未匹配的发票在提取结果的「备注」列标注"未匹配"。默认行为会先把清单备份为 发票清单_备份_YYYYMMDD_HHMMSS.xlsx，可用 --no-backup 关闭。
入账明细报告：匹配成功后默认生成 发票入账明细_YYYYMMDD.xlsx，固定 20 列，列布局与税务系统导出文件（如「入账标识6.24.xlsx」）完全一致，空白列保留不删除。脚本只填写 入账状态（默认「已入账（企业所得税税前扣除）」，可用 --account-status 覆盖）和 入账时间，其余列全部取自清单匹配行的原值，没有的内容留空、不自行补全。

默认列布局假设清单中 G 列是发票号码、J 列是开票日期、C 列是入账时间。列布局不同或清单位于特定工作表时，用 --number-col、--date-col、--sheet 覆盖。

只处理文本型 PDF。扫描件或图片型发票没有文本层，需先做 OCR（如 tesseract + pdf2image）转成文本 PDF，否则提取结果为空。
匹配键只有发票号码，不含发票代码、校验位或价税合计的交叉校验。清单中若存在同号重复记录，需要先自行清理。
明细报告不做数据补全：清单里缺失的字段一律留空，技能不会推测或填充。
运行环境需要 Python 3.10+ 以及 pdfplumber、openpyxl。脚本以绝对路径调用，也可直接 python scripts/xxx.py。完整字段说明、匹配规则与排错表见技能内的 references/workflow.md。