재무제표 합본 (FS Merge)

무엇을 하는 스킬인가

회계·세무 실무자가 제공한 N개의 연도별 재무제표 파일(PDF 또는 xlsx)을 받아, 모든 연도를 한 시트에 정렬해 비교 가능한 합본 xlsx를 만든다. 출력은 재무제표/손익계산서/제조원가명세서 3개 섹션이 단일 시트에 들어간 형식.

핵심 제약 두 가지:

1. 계정과목 자동 매칭 금지. 띄어쓰기·표현 차이로 오차 가능. 행 위치 기반으로 순차 매칭하되, 중복 연도 숫자 일치로 검증.
2. 불확실한 항목은 별도 플래그 컬럼에 표시. 사용자가 수기로 검증함.

입력 파일 처리

형식	읽기 방법
.xlsx (정리된 FS)	사용 가능한 스프레드시트 리더 또는 openpyxl read_only=True
.xlsx (DART 다운로드 raw)	동일하되 시트가 여러 개일 수 있음 — 시트별로 점검
.pdf (텍스트형 — 정상 추출)	pdftotext -layout, pypdf, 또는 사용 가능한 PDF 텍스트 추출기
.pdf (텍스트형 — CID 추출 실패)	이미지 변환 후 OCR/visual reading (아래 ⚠ 참조)
.pdf (스캔본)	scripts/pdf_to_images.py 로 페이지를 PNG로 렌더링 → 이미지를 직접 OCR/visual reading으로 읽기

PDF가 텍스트형인지 빠르게 판별:

pdftotext -f 1 -l 1 input.pdf - | head -20

세 가지 결과 분기:

• 의미 있는 한국어 텍스트 출력 → pdftotext 그대로 사용
• 빈 출력 + 스캔본 의심 → pdf_to_images.py 경로
• 빈 출력 + Syntax Error: Missing language pack for 'Adobe-Korea1' mapping 또는 Unknown font tag 'CJK1' → CID 인코딩 문제 (다음 ⚠ 참조)

⚠ CID 한글 PDF (네이티브 텍스트인데 추출 실패)

세무사·회계법인이 발행한 한글 PDF는 종종 ToUnicode CMap이 누락된 CID 폰트(Adobe-Korea1)를 사용한다. 이 경우 pdftotext는 빈 출력 + 위 경고를 낸다. 처리 순서:

1. 백업 시도: python -c "import pdfplumber; print(pdfplumber.open('x.pdf').pages[0].extract_text())" — 일부 케이스에서 동작
2. PyMuPDF 시도: python -c "import fitz; print(fitz.open('x.pdf').load_page(0).get_text())" — 추가 케이스 동작
3. 모두 실패하면 스캔본과 동일하게 처리: pdf_to_images.py 로 PNG 렌더링 → OCR/visual reading으로 읽기

이 패턴에서는 숫자만 추출되고 한글 계정과목이 사라지는 partial 결과가 자주 나온다. 그런 결과는 신뢰하지 말고 이미지 경로로 재시도한다.

스캔본·이미지 변환 PDF에서 숫자를 읽을 때, 자릿수 변환 위험이 있는 셀은 명시적으로 OCR_의심 플래그에 기록한다.

실행 환경 / 의존성

• scripts/build_workbook.py 는 Python 3 + openpyxl 이 필요하다.
• scripts/pdf_to_images.py 는 PDF 렌더링이 필요할 때 Python 3 + PyMuPDF (fitz) 를 사용한다.
• 의존성이 없으면 사용자에게 알리고, 현재 프로젝트/샌드박스에서 패키지 설치가 허용되는 경우에만 설치한다.

작업 절차 (6단계)

Phase 1 — 파일 인벤토리 + 기간 분류

각 입력 파일이 어떤 기수(year)를 커버하는지 정리한다. 이때 결산기간(period span)도 같이 확인:

• BS: 잔액일자만 보면 됨 (시점)
• PL/MS: 시작일~종료일 모두 확인. 12개월 미만이면 중간결산(반기/분기) 으로 표기

같은 연도가 여러 파일에 나오는 경우, 더 최근에 공시된 FS의 숫자를 채택한다 (재분류·수정 후 가장 최신 정보).

인벤토리 산출물

다음 형식으로 정리:

파일                  | BS 일자       | PL 기간              | 비고
BSPL_2022.pdf         | 2022-12-31    | 2022-01-01~12-31    | 12M
BSPL_2023.pdf         | 2023-12-31    | 2023-01-01~12-31    | 12M (3기 비교)
                      | 2022-12-31    | 2022-01-01~12-31    |
BS_202506.pdf         | 2025-06-30    | —                   | 6기 중간결산 BS
                      | 2024-12-31    | —                   | 5기 비교
PL_202506.pdf         | —             | 2025-01-01~06-30    | 6M 중간결산 PL
                      | —             | 2024-01-01~12-31    | 12M 5기 비교

Phase 2 — 파일별 추출

각 파일에서 PL · MS · BS 별로 (계정과목, 실계정 0/1, 값 배열) 을 뽑아낸다. 이 단계에서는 합치지 않는다 — 파일별로 raw 데이터만 확보.

스캔본/CID PDF는 이미지 변환 후 visual reading. 한 페이지씩 처리하면서 흐릿한 숫자에 플래그를 단다.

Phase 3 — Master 템플릿 구성

가장 최근 FS의 계정과목 순서·이름·실계정 구분(0/1)·소계 구조를 그대로 master로 채택. 출력 xlsx의 행 골격이 됨.

Phase 4 — 순차 매칭 + 중복 연도 검증

이 스킬의 핵심. 자세한 알고리즘은 references/matching_algorithm.md 참조.

요약:

• master(예: 5기 FS) 와 older(예: 4기 FS) 는 둘 다 4기 숫자를 갖고 있음
• master_idx, older_idx 두 포인터를 leaf 행끼리 동시에 진행
• 매 행마다 4기 값 비교:
  • 일치 → 정렬 OK, older의 3기 값을 master에 채움
  • 작은 차이(±1 또는 0.1% 이하) → 재계산_차이 플래그 기록 후 진행
  • 큰 불일치 → 1~2행 lookahead 시도, 못 찾으면 매칭_의심 플래그 후 진행
• 자동 추측 매칭 금지. 모든 불확실은 플래그로 사용자 검증으로 미룸

⚠ Overlap year 부재 (gap)

두 FS 파일 사이에 공통 연도가 없는 경우(예: 2023 FS 파일 + 2025-06 중간결산 파일, 그 사이 FY2024 standalone 파일 없음) 숫자 fingerprint 검증이 원천 불가능하다. 처리:

1. gap 감지되면 사용자에게 먼저 묻기: "FY2024 단독 FS 파일이 따로 있나요? 없으면 2024 비교칸은 위치 매칭만 가능하고 cross-check 불가합니다."
2. 없다고 하면 gap 이전 모든 leaf 행에 자동으로 매칭_의심 플래그를 단다 (예: "2023 ↔ 2025/06 사이 FY2024 fingerprint 검증 불가 — 위치만 매칭")
3. gap 처리 사실을 최종 보고서에도 명시

계정과목 변경 (rename / split / merge)

연도별 chart of accounts 변경(예: 매입채무 → 외상매입금, 현금및현금성자산 → 현금 + 보통예금 분리)은 자동 매칭하지 말 것. 결정 트리는 references/account_changes.md 참조.

Phase 5 — 검증 합산

• 각 소계 행 = 해당 자식들 합 인지 자체 검증 (checks 의 sum 형식)
• PL 비가산 검증 (반드시 포함):
  • 상품매출원가 = 기초재고 + 당기매입 - 기말재고
  • Ⅲ.매출총이익 = Ⅰ.매출액 - Ⅱ.매출원가
  • Ⅴ.영업이익 = Ⅲ.매출총이익 - Ⅳ.판매비와관리비
  • Ⅷ.소득세차감전이익 = Ⅴ.영업이익 + Ⅵ.영업외수익 - Ⅶ.영업외비용
  • Ⅹ.당기순이익 = Ⅷ.소득세차감전이익 - Ⅸ.소득세등
• BS:
  • 자산총계 = 부채총계 + 자본총계 (구조상 자동으로 맞음)
  • 유동자산 = 당좌자산 + 재고자산, 비유동자산 = 투자+유형+무형+기타
• 제조업의 경우: PL 당기제품제조원가 (Ⅱ.매출원가 하위) = MS Ⅺ.당기제품제조원가 (Ref 섹션에서 차이 표시)

비가산 검증식은 checks[].terms 필드로 부호 있는 선형 결합 표현 (references/output_layout.md 참조).

자본 롤포워드 검증 — 조건부

기말 이익잉여금 = 시초 + 당기순이익 ± 기타자본변동 검증은 자본 섹션이 다음 구조일 때만 수행:

• 자본금 / 이익잉여금이 별도 행으로 분리되어 있음
• 시초·기말 잔액이 명확

개인사업자·소규모법인이 자본금 단일 행으로 처리하는 경우(자본+이익+인출금 lump-sum) 이 검증은 skip한다. 인출금 정보가 BS엔 없고 시산표에만 있어서 재구성 불가능.

검증 실패는 사용자에게 보고하되 출력은 일단 생성한다 (사용자가 결과를 보고 판단).

Phase 6 — 출력 빌드

scripts/build_workbook.py 에 JSON 입력으로 데이터를 넘겨 xlsx를 생성한다.

python scripts/build_workbook.py /tmp/payload.json <output-dir>/FS_합본.xlsx

JSON schema는 빌드 스크립트 docstring 참조. 핵심 필드:

• fiscal_year_ends: 결산기말일 ISO 문자열 배열 (오래된 것부터)
• period_notes (선택): fiscal_year_ends와 평행한 배열. 12개월이 아닌 기간엔 "6M interim" 등 짧은 라벨. 12M 정상이면 null. 헤더 아래 별도 행으로 표시됨.
• statements.PL / MS / BS: 행 객체 배열. 각 행은 account, is_leaf, values, flags
• statements.BS 의 행은 group 필드 추가 가능 (사용자 지시상 비워두는 게 default)
• 행 객체에 is_section_header: true 가 있으면 실계정(C) 컬럼을 비워둠 (예: [자산]/[부채]/[자본] 시각적 구분 행)
• checks: 소계 검증. 두 가지 형식 지원:
  • child_indices: [a, b, c] — 모두 양수 합 (legacy)
  • terms: [{idx, sign}, ...] — 부호 있는 선형 결합 (비가산 검증용)
• refs: 명세서 간 cross-reference 검증

소계는 명시적으로 is_leaf: false 로 표시. is_leaf: true 인 행만 master/older 매칭의 포인터 진행 대상이다.

비제조업(MS 없음)의 경우 "MS": [] 로 빈 배열 전달 — build script가 섹션 자체를 스킵.

레이아웃 상세는 references/output_layout.md 참조.

출력 후 보고

xlsx 파일을 사용자가 지정했거나 현재 실행 환경에서 접근 가능한 출력 경로에 저장하고, 해당 환경의 파일 전달/첨부 방식으로 사용자에게 전달한다. 함께 다음을 요약 보고:

• 처리한 파일 N개와 각각 커버하는 기수·기간 (12M / 6M / 3M 표기)
• 출력 연도 범위
• Overlap-year fingerprint 검증 가능 구간 / 검증 불가 gap 구간을 명시 (예: "2022↔2023 검증 OK, 2023↔2024 gap (FY2024 standalone 파일 없음)")
• 매칭 단계에서 발견한 이슈 (각 플래그 종류별 건수와 대표 항목)
• 합산 검증 실패 항목 (있으면)
• 중간결산(non-12M)이 있으면 PL 비교 시 주의사항 별도 강조

플래그가 많아도 그대로 보고. 사용자가 수기 검증할 거라고 명시적으로 말함.

절대 하지 말 것

• 계정과목 이름으로 자동 lookup/merge (string 기반 join)
• 불일치를 휴리스틱으로 임의 해결 (예: "비슷한 이름이니까 같은 거겠지")
• 사용자에게 묻지 않고 행 삽입/삭제
• BS Group 컬럼(NOA/NWC/Capex/Debt/Tax 등) 자동 분류 시도 — 사용자가 수기로 함
• 출력 xlsx에 색상·테두리·기타 스타일 추가 (사용자가 minimal 선호)
• 단위 통일 시도 — 원본이 천원/백만원이면 그대로 유지하고 사용자에게 알림
• 중간결산 PL을 12M PL과 단순 비교 — 컬럼 헤더에 기간 명시 필수
• 부분 추출된 한글 PDF 결과를 그대로 사용 — 한글이 사라지고 숫자만 남으면 이미지 경로로 재시도

DART 링크는 무시

DART URL을 받아도 직접 fetch 하지 않는다. 사용자에게 PDF/xlsx 다운로드 후 첨부해달라고 요청.

v2 변경사항 (v1 대비)

• CID 한글 PDF 추출 실패 케이스의 fallback 절차 명시
• Overlap-year gap 발생 시 처리 절차 추가 (references/matching_algorithm.md)
• 중간결산(non-12M) 감지 및 period_notes schema 추가
• 비가산 PL 검증식(매출총이익/영업이익 등) 표준 체크리스트 명시
• 자본 롤포워드 검증의 조건부 적용 명시
• 계정과목 변경(rename/split/merge) 결정 트리 (references/account_changes.md 신규)
• checks[].terms 부호 있는 선형 결합 schema 추가
• is_section_header 행 옵션 추가 ([자산]/[부채]/[자본] 등)
• 차감계정(감가상각누계액 등) 음수 입력 규약 명시 (references/output_layout.md)