malue-ai 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