XML电子发票号码提取器

问题背景

XML 格式的电子发票（增值税电子普通发票、增值税电子专用发票、全电发票等）在归档或入账前，常需要把发票号码汇总成一张清单。手工逐个打开文件、复制号码既慢又容易出错，而不同票种的 XML 结构并不统一：发票号码可能藏在 fphm、InvoiceNo、EInvoiceNumber 这类标签里，也可能只出现在某个属性的 value 中。更隐蔽的坑是 Excel：20 位的全电发票号码一旦被识别成数字，会直接变成科学计数法，前导零也会被吃掉。

工作方式

这个技能的核心是一个本地 HTML 工具，运行时不依赖外部服务。触发后它会把 extract_xml_invoice.html 复制到当前工作目录并在内置浏览器面板中打开，后续全部操作都在页面上完成。

发票号码识别按固定优先级回退，逐级放宽匹配条件：

• 标签文本匹配：扫描所有元素，匹配标签名含 invoice、发票、fp、no、编号、fpdm、fphm 等关键词的元素，且文本是 6–30 位字母数字组合
• 标签属性匹配：若标签属性（invoiceNo、EInvoiceNumber、发票号码等）符合号码格式，优先采用属性值
• XPath 路径回退：尝试 //Invoice/InvoiceNo、//fphm、//EInvoice//EInvoiceNumber 等常见路径
• 通用属性回退与文件名回退：从任意元素属性中找号码；全电发票文件名通常含 20 位数字，可作为兜底
• 通用文本回退：取第一个符合格式的元素文本

解析结果以 Excel 明细表输出，列为序号、文件名、发票号码、XML 标签、状态。其中发票号码列强制写为文本格式，专门用于保住 20 位号码和前导零。

适用边界

这套逻辑本质上是启发式扫描，不解析发票的完整业务语义。如果某个票种的 XML 使用了完全未见的命名（既无关键词、也无常见属性），只能依赖通用文本回退，存在误匹配的风险——建议对结果抽查校验。另外，它只提取发票号码，不校验号码的合法性与真伪，也不做票种区分。