发票整理助手

自动整理发票和收据：读取文件、提取关键信息、统一命名、分类归档。

使用场景

• 用户说「帮我整理一下发票」「把下载文件夹里的发票分类」
• 报税前需要整理全年发票
• 日常收据管理，按月份/类别归档

依赖安装

首次使用时自动安装：

pip install pypdf Pillow

执行方式

通过 Python 脚本扫描文件夹，识别发票文件，提取信息并归档。

1. 扫描目标文件夹

import os
from pathlib import Path

def scan_invoices(folder: str) -> list:
    """Scan folder for invoice files (PDF/image)."""
    extensions = {'.pdf', '.png', '.jpg', '.jpeg'}
    invoices = []
    for f in Path(folder).rglob('*'):
        if f.suffix.lower() in extensions:
            invoices.append(f)
    return invoices

2. 提取发票信息

对于 PDF 发票：

from pypdf import PdfReader

def extract_pdf_text(path: str) -> str:
    """Extract text from PDF invoice."""
    reader = PdfReader(path)
    text = ""
    for page in reader.pages:
        text += page.extract_text() or ""
    return text

对于图片发票，使用 LLM 视觉能力识别内容。

3. 信息结构化

从提取的文本中识别：

• 日期：开票日期
• 金额：总金额
• 商家/供应商：开票方名称
• 类型：餐饮/交通/办公用品/住宿等
• 发票号：如有

4. 统一命名和归档

# 命名规则：日期_商家_金额_类型.ext
# 示例：20250115_星巴克_35.00_餐饮.pdf

# 目录结构
# 发票整理/
# ├── 2025-01/
# │   ├── 餐饮/
# │   ├── 交通/
# │   └── 办公用品/
# └── 2025-02/

输出规范

• 操作前先列出发现的发票清单，请求用户确认
• 整理完成后输出汇总表格（数量、总金额、分类统计）
• 保留原始文件不删除，只复制到新目录结构
• 无法识别的发票单独放入「待分类」文件夹