Financial Document Parser

pip install pdfplumber

# 可选：OCR 支持（用于扫描版 PDF 和图片）
pip install pdf2image pytesseract
# 还需要安装 tesseract-ocr 系统包
# Ubuntu: sudo apt install tesseract-ocr tesseract-ocr-chi-sim

# 解析 PDF 发票，输出 Markdown 报告
python financial_parser.py invoice.pdf

# 输出 JSON 格式
python financial_parser.py invoice.pdf --format json

# 导出为 CSV
python financial_parser.py invoice.pdf --format csv

# 解析图片收据
python financial_parser.py receipt.jpg

# 解析 CSV 银行对账单
python financial_parser.py statement.csv

# 完整输出（Markdown + JSON）
python financial_parser.py invoice.pdf --format all

from financial_parser import FinancialParser

# 解析文档
parser = FinancialParser("/path/to/invoice.pdf")
doc = parser.parse()

# 获取结构化数据
print(doc.doc_type)      # Invoice, Receipt, Statement
print(doc.total)         # 总金额
print(doc.line_items)    # 明细项目列表

# 导出
print(parser.to_markdown())  # Markdown 报告
print(parser.to_json())      # JSON 数据
parser.to_csv("output.csv")  # CSV 文件

# 财务文档分析报告

## 文档信息
- **类型**: Invoice
- **日期**: 2025-01-15
- **单据号**: INV-2025-0042
- **供应商**: 某某科技有限公司
- **总金额**: ¥12,580.00

## 明细项目
| 描述 | 数量 | 单价 | 金额 | 类别 |
|------|------|------|------|------|
| 云服务器年费 | 1 | ¥9,800.00 | ¥9,800.00 | Software |
| 技术支持服务 | 1 | ¥2,000.00 | ¥2,000.00 | Professional |

## 财务汇总
- **小计**: ¥11,150.94
- **税额**: ¥1,429.06
- **总计**: ¥12,580.00

## 费用分类
| 类别 | 金额 |
|------|------|
| Software | ¥9,800.00 |
| Professional | ¥2,000.00 |

## 洞察
- ✓ 最大支出类别: Software (¥9,800.00)
- ✓ 可抵扣税额: ¥1,429.06

## 需关注项
- ⚠ 大额交易: 云服务器年费 (¥9,800.00)

# 批量解析目录下所有 PDF
for f in /path/to/invoices/*.pdf; do
  python financial_parser.py "$f" --format csv
done