#!/usr/bin/env python3 # -*- coding: utf-8 -*- """修复：① 取值安全（税号 18 位加右边界断言、名称必须含中文） ② 判定安全（无效值不参与判定；金额不自洽降为待核；发票类型归一化；支持票面人工覆盖） """ import ast # ══════════ ① invoice_parse：值批次正则加护栏 ══════════ P = '脚本/invoice_parse.py' s = open(P, encoding='utf-8').read() old = """ if not out.get('销方名称'): m = re.search(r'([0-9]{20})\\s+(20\\d{2}\\s*年\\s*\\d{1,2}\\s*月\\s*\\d{1,2}\\s*日)' r'\\s+([^\\n]{2,40}?)\\s+([0-9A-Z]{18})\\s+([^\\n]{2,40}?)\\s+([0-9A-Z]{18})', full, re.S)""" new = """ if not out.get('销方名称'): # 护栏：① 税号必须恰为 18 位（右侧加边界断言，否则 20 位发票号码会被截成 18 位误判为税号） # ② 名称必须含中文（公司名/人名），排除把号码或标签当名称 _CJK = '[\\u4e00-\\u9fa5]' m = re.search(r'\\b([0-9]{20})\\b\\s+(20\\d{2}\\s*年\\s*\\d{1,2}\\s*月\\s*\\d{1,2}\\s*日)' r'\\s+(' + _CJK + r'[^\\n]{1,39}?)\\s+([0-9A-Z]{18})(?![0-9A-Z])' r'\\s+(' + _CJK + r'[^\\n]{1,39}?)\\s+([0-9A-Z]{18})(?![0-9A-Z])', full, re.S)""" assert old in s, 'parse 值批次锚点未命中' s = s.replace(old, new, 1) # 名称清洗再加一层：纯数字/标签残留 → None old2 = """ for k in ('买方名称', '销方名称'): v = (out.get(k) or '').strip() if len(v) < 3 or v.replace('：', '').replace(':', '').strip in ('名称', '销方', '购方'): out[k] = None""" old2b = """ for k in ('买方名称', '销方名称'): v = (out.get(k) or '').strip() if len(v) < 3 or v.replace('：', '').replace(':', '').strip() in ('名称', '销方', '购方'): out[k] = None""" new2 = """ import re as _re for k in ('买方名称', '销方名称'): v = (out.get(k) or '').strip() bad = (len(v) < 3 or v.replace('：', '').replace(':', '').strip() in ('名称', '销方', '购方') or _re.fullmatch(r'[0-9A-Z]{8,}', v) or any(t in v for t in ('纳税人识别号', '统一社会信用代码', '号码', '开票日期')) or not _re.search(r'[\\u4e00-\\u9fa5]', v)) if bad: out[k] = None""" if old2b in s: s = s.replace(old2b, new2, 1) else: assert old2 in s, 'parse 名称清洗锚点未命中' s = s.replace(old2, new2, 1) open(P, 'w', encoding='utf-8').write(s) ast.parse(s) print('① ✅ invoice_parse.py 取值护栏已加（税号边界断言 + 名称必须含中文）') # ══════════ ② invoice_check：判定安全 ══════════ C = '脚本/invoice_check.py' c = open(C, encoding='utf-8').read() # 2.1 无效名称守卫 + 票面人工覆盖 old = """def check_record(rec, rules, led=None, peers=None): if rec.get('类型') == '附件': return {'状态': '附件', '问题': [], '提示': ['配套材料，随发票一并提交']} issues, notes, status = [], [], []""" new = """def _bad_name(v): \"\"\"名称字段是否无效（纯号码/标签残留/非中文）→ 视为『未从票面提取到』，不参与判定\"\"\" s = str(v or '').strip() if len(s) < 3: return True if re.fullmatch(r'[0-9A-Z]{8,}', s): return True if any(t in s for t in ('纳税人识别号', '统一社会信用代码', '名称：', '号码')): return True return not re.search(r'[\\u4e00-\\u9fa5]', s) def check_record(rec, rules, led=None, peers=None): if rec.get('类型') == '附件': return {'状态': '附件', '问题': [], '提示': ['配套材料，随发票一并提交']} issues, notes, status = [], [], [] # 票面人工覆盖：rec['票面'] 优先（页面补录后回灌） if rec.get('票面'): for k, v in (rec['票面'] or {}).items(): if v not in (None, ''): rec[k] = v rec['_票面已人工补录'] = True""" assert old in c, 'check 头部锚点未命中' c = c.replace(old, new, 1) # 2.2 抬头/税号：无效值不判定 old = """ ci = rules.get('公司开票信息') or {} if core.is_configured(ci.get('名称')): if rec.get('买方名称') and ci['名称'].strip() not in str(rec['买方名称']): status.append('异常') issues.append('抬头不符（票面：%s）→ 须重开' % rec['买方名称']) else: notes.append('规则未配置：公司抬头') if core.is_configured(ci.get('税号')): if rec.get('买方税号') and str(rec['买方税号']).strip().upper() != str(ci['税号']).strip().upper(): status.append('异常') issues.append('税号不符（票面：%s）→ 须重开' % rec['买方税号']) else: notes.append('规则未配置：公司税号')""" new = """ ci = rules.get('公司开票信息') or {} if core.is_configured(ci.get('名称')): if _bad_name(rec.get('买方名称')): status.append('待补') issues.append('票面抬头未能可靠提取 → 请在页面补录「买方名称」后重判') elif ci['名称'].strip() not in str(rec['买方名称']): status.append('异常') issues.append('抬头不符（票面：%s）→ 须重开' % rec['买方名称']) else: notes.append('规则未配置：公司抬头') bt = str(rec.get('买方税号') or '').strip() if core.is_configured(ci.get('税号')): if not re.fullmatch(r'[0-9A-Z]{18}', bt): status.append('待补') issues.append('票面税号未能可靠提取 → 请在页面补录「买方税号」后重判') elif bt.upper() != str(ci['税号']).strip().upper(): status.append('异常') issues.append('税号不符（票面：%s）→ 须重开' % bt) else: notes.append('规则未配置：公司税号')""" assert old in c, 'check 抬头锚点未命中' c = c.replace(old, new, 1) # 2.3 金额不自洽：降级为待核（解析疑点，不是票面违规） old = """ if amt is not None and tax is not None and abs((amt + tax) - total) > 0.02: status.append('异常') issues.append('金额不自洽（%.2f + %.2f ≠ %.2f）' % (amt, tax, total))""" new = """ if amt is not None and tax is not None and abs((amt + tax) - total) > 0.02: # 发票「金额+税额」必然等于价税合计；不等几乎都是提取误差 → 待核，不判异常 status.append('待核') notes.append('金额/税额与合计不一致（%.2f + %.2f ≠ %.2f），疑为提取误差，请核对票面' % (amt, tax, total))""" assert old in c, 'check 自洽锚点未命中' c = c.replace(old, new, 1) # 2.4 发票类型归一化 + 宽松白名单 old = """ t = str(rec.get('发票类型') or '') if t: if any(d and d in t for d in deny): status.append('异常') issues.append('发票类型不可报：%s' % t) elif allow and not any(a and (a in t or t in a) for a in allow): status.append('待核') issues.append('发票类型不在允许清单：%s' % t)""" new = """ t = re.sub(r'\\s+', '', str(rec.get('发票类型') or '')) # OCR 常把换行/空格插进类型名 if t: if any(d and re.sub(r'\\s+', '', d) in t for d in deny): status.append('异常') issues.append('发票类型不可报：%s' % t) else: # 宽松白名单：命中任一关键类别即视为允许（OCR 误字如「普→晋」不应误报） keys = ['电子发票', '增值税', '数电票', '铁路电子客票', '航空运输电子客票', '行程单'] if not any(k in t for k in keys): status.append('待核') issues.append('发票类型不在允许清单：%s' % t)""" assert old in c, 'check 类型锚点未命中' c = c.replace(old, new, 1) open(C, 'w', encoding='utf-8').write(c) ast.parse(c) print('② ✅ invoice_check.py 判定安全已加固（无效值不判定/自洽降级/类型归一化/支持票面覆盖）')