为财务与代账团队解决票据录入难题:扫描件、拍照票据需要人工逐张敲进Excel,费时且容易出错。本工具批量接收票据的识别文本或图片,自动提取发票号码、开票日期、购买方、金额、税额等关键字段,自动统一不同来源的日期与金额格式,支持2026年09月28日、2026/09/28、2026-09-28等多种写法,按税率自动校验金额与税额是否匹配,自动合并重复票据,把校验不通过的票据单独列成待人工清单,最后一键导出结构化表格。42张票据的演示中结构化成功率100%,校验通过率约98%,可显著减少财务录入工时。
技术栈:Python 正则与规则解析引擎,可接入 Tesseract / easyocr 做图片文字识别。流程:①接入层统一读取扫描件文本与图片;②字段抽取层用分组正则提取发票号、日期、金额、税额、抬头,并对全角标点、货币符号、中文年月日字符做剥离与归一;③校验层做日期归一化和金额与税额的税率一致性校验(按13%容差比对),输出置信度分级;④异常分流层把字段缺失、日期异常、重复票据单独归档,不阻塞主流程;⑤输出层生成明细CSV与运行报告,含置信度分布与异常清单。难点是OCR噪声(例如金额被识别成带空格、标点全角化、税额字段丢失),通过容错正则与提取-校验-分流三段式设计解决,识别不确定的不硬猜,直接转人工复核。