简介本资源是一套面向财务人员、自动化办公开发者及Python初学者的发票信息提取与Excel生成工具解决纸质或扫描发票批量识别、结构化提取与报表输出的痛点问题。压缩包为ZIP格式共2个文件1个可直接运行的exe程序含GUI界面免环境配置和1个核心Python源码文件含OCR调用、字段定位、数据清洗与pandas写入Excel全流程逻辑便于学习原理或二次开发整体包体45.92MB。目前已有1256人下载学习适合需快速落地发票处理自动化、又希望理解底层实现的技术实践者。用户可直接双击exe处理扫描件获得标准Excel表格含发票号、日期、双方信息、明细金额等字段同时通过阅读py源码掌握Tesseract OCR集成、模板匹配思路、异常值校验规则及Excel样式控制等关键技能。1. 发票信息提取并生成Excel文件为什么OCR规则后处理比纯模型端到端更稳、更快、更可控你手头有一堆扫描件PDF或手机拍的发票照片要自动把“销售方名称”“税号”“金额”“开票日期”这些字段抠出来再按固定表头塞进Excel——这不是demo需求是财务月结、报销系统、审计归档的真实高频场景。很多人第一反应是“上大模型”但实际落地时90%以上的成熟业务线仍用OCR引擎如PaddleOCR、EasyOCR打底正则/模板规则做后处理最后用openpyxl或pandas写Excel。原因很实在发票版式虽多但结构强约束纯端到端识别在小样本、模糊图、倾斜图上泛化差而OCR规则组合调试快、可解释、改字段不重训、上线后维护成本低。本文就带你从零跑通这个链路不依赖云API、不调用黑盒服务、所有代码本地可复现重点讲清发票字段定位逻辑怎么设计、OCR结果怎么对齐结构化字段、Excel表头和样式怎么按财务习惯定制。适合刚接触文档智能的算法工程师、需要快速交付的后端开发以及想把纸质流程自动化的财务IT同事。2. 用PaddleOCR提取发票文本本地部署最小可行命令与关键参数调优发票信息提取的第一步不是写正则而是让OCR“看清楚”。我们选PaddleOCR——开源、中文强、支持CPU推理、模型轻量ch_PP-OCRv4_detch_PP-OCRv4_rec组合在普通笔记本上单图1.5秒且社区对发票类文档有大量微调实践。注意别直接用默认PP-OCRv3v4在小字体、印章遮挡、低对比度发票上识别率提升明显。2.1 本地安装与最小推理命令含避坑说明# 创建干净环境强烈建议 conda create -n invoice-ocr python3.9 conda activate invoice-ocr # 安装PaddlePaddle CPU版GPU用户请查官网对应CUDA版本 pip install paddlepaddle2.5.2 # 安装PaddleOCR注意必须指定2.7.0.3高版本引入了不兼容的LayoutParser依赖 pip install paddleocr2.7.0.3 --find-links https://pypi.tuna.tsinghua.edu.cn/simple/ --trusted-host pypi.tuna.tsinghua.edu.cn提示如果报ModuleNotFoundError: No module named paddle说明PaddlePaddle未正确安装若报ImportError: libcudnn.so.8: cannot open shared object file说明GPU版与系统cuDNN版本不匹配此时切回CPU版最稳。2.2 单张发票图片的OCR执行脚本带字段级日志# ocr_inference.py from paddleocr import PaddleOCR import cv2 import numpy as np # 初始化OCR关键参数说明见下文 ocr PaddleOCR( use_angle_clsTrue, # 启用文字方向分类应对旋转发票 langch, # 中文模型 det_model_dir./models/det, # 检测模型路径首次运行会自动下载 rec_model_dir./models/rec, # 识别模型路径 cls_model_dir./models/cls, # 方向分类模型路径 use_gpuFalse, # 生产环境建议FalseGPU显存占用高且收益有限 det_db_thresh0.3, # 检测框置信度阈值太低→噪点框多太高→漏字发票小字号常见 rec_char_dict_path./ppocr/utils/ppocr_keys_v1.txt # 字典路径必须匹配模型 ) def run_ocr_on_invoice(image_path): img cv2.imread(image_path) if img is None: raise ValueError(f无法读取图片: {image_path}) # PaddleOCR返回格式[[[x1,y1],[x2,y2],[x3,y3],[x4,y4]], text, score] result ocr.ocr(img, clsTrue) # 打印原始OCR结果调试用 print(f\n {image_path} 原始OCR输出共{len(result)}行) for idx, line in enumerate(result): if line and len(line) 1: box, (text, score) line[0], line[1] print(f[{idx}] 置信度:{score:.3f} | 文本:{text} | 框坐标:{np.array(box).astype(int).tolist()}) return result if __name__ __main__: # 替换为你自己的发票图片路径 result run_ocr_on_invoice(./samples/invoice_001.jpg)参数调优逻辑说明det_db_thresh0.3是发票场景经验值发票文字小、背景复杂设0.5易漏“”“元”“税号”等关键符号设0.2又会把印章边缘、表格线当文字框。use_angle_clsTrue必开手机拍摄发票常有5°~15°倾斜不开则“开票日期”可能被切成两行。use_gpuFalse不是性能妥协而是稳定性选择GPU推理在批量处理时偶发显存泄漏CPU版在16G内存机器上稳定跑千张/小时。2.3 验证OCR质量三类必检发票图像不要只用一张清晰图测试。真实场景中以下三类图决定OCR能否上线图像类型典型问题OCR表现检查点应对动作手机直拍发票轻微透视变形、反光、阴影“金额”是否连成一串如“¥12,345.00”被切为“¥12,”“345.00”启用use_angle_cls后处理合并扫描PDF转JPG文字锯齿、二值化过度“纳税人识别号”中“X”“0”“O”混淆在正则中加入容错字符集[X0O]印章覆盖发票红章压盖关键字段如销售方名称是否出现“[公章]”“[发票专用章]”等干扰文本后处理阶段过滤含“章”字的行注意PaddleOCR本身不提供“字段级”标注能力即不能直接告诉你哪行是“金额”它只输出“文本位置”。字段语义理解必须由后续规则模块完成——这是本文第3章的核心。3. 从OCR结果到结构化字段基于位置与关键词的双路匹配策略OCR输出的是无序文本行列表而财务系统需要{seller_name: XX科技有限公司, tax_id: 91110108MA00123456, ...}这样的字典。这里不能靠纯关键词搜索如找“销售方名称”后面那行因为发票版式千变万化有的“销售方名称”在左上有的在右上有的甚至横排在顶部栏。我们采用位置优先关键词校验的双路策略兼顾鲁棒性与精度。3.1 发票字段空间分布规律以通用增值税专用发票为例先看标准版式非电子发票的空间锚点顶部区域Y 0.2 * image_height通常含“发票代码”“发票号码”“开票日期”“校验码”左侧区域X 0.3 * image_width大概率是“购买方名称”“购买方税号”右侧区域X 0.7 * image_width大概率是“销售方名称”“销售方税号”底部区域Y 0.8 * image_height集中“金额”“税率”“税额”“价税合计”血泪经验某次上线后发现“价税合计”总为空排查发现是OCR把“¥”符号单独识别成一行而“¥”的Y坐标在0.75~0.8之间被错误归入“中部区域”。解决方案对含货币符号的行强制将其Y坐标下移10像素再判断区域。3.2 实现字段提取的Python函数含位置归一化与关键词容错# extract_fields.py import re from typing import Dict, List, Tuple, Optional def normalize_bbox(box: List[List[float]], img_h: int, img_w: int) - Tuple[float, float]: 将OCR框坐标归一化为相对坐标0~1便于跨尺寸发票比较 x_coords [p[0] for p in box] y_coords [p[1] for p in box] center_x (min(x_coords) max(x_coords)) / 2 / img_w center_y (min(y_coords) max(y_coords)) / 2 / img_h return center_x, center_y def extract_invoice_fields(ocr_result: List, img_h: int, img_w: int) - Dict[str, str]: 从PaddleOCR结果中提取核心字段 返回字典key为字段名value为识别文本空字符串表示未找到 fields { invoice_code: , invoice_number: , issue_date: , seller_name: , seller_tax_id: , buyer_name: , buyer_tax_id: , total_amount: , tax_amount: , amount_in_words: # 大写金额常用于防篡改校验 } # 步骤1预处理OCR行过滤干扰项 valid_lines [] for line in ocr_result: if not line or len(line) 2: continue box, (text, score) line[0], line[1] text text.strip() # 过滤纯符号、过短、含乱码的行 if len(text) 2 or re.search(r[^\w\u4e00-\u9fa5¥\.\,\d\%\(\)\[\]], text): continue # 过滤印章文字常见干扰 if 章 in text or 公章 in text or 发票专用章 in text: continue center_x, center_y normalize_bbox(box, img_h, img_w) valid_lines.append((text, score, center_x, center_y)) # 步骤2按区域分组简化版四象限 top_lines [l for l in valid_lines if l[3] 0.25] # Y 0.25 left_lines [l for l in valid_lines if l[2] 0.35] # X 0.35 right_lines [l for l in valid_lines if l[2] 0.65] # X 0.65 bottom_lines [l for l in valid_lines if l[3] 0.75] # Y 0.75 # 步骤3关键词匹配带容错 # 发票代码 号码在top_lines中找含发票代码或代码的行取下一行 for i, (text, score, cx, cy) in enumerate(top_lines): if re.search(r(发票代码|代码), text): if i 1 len(top_lines): next_text top_lines[i 1][0] if re.match(r^\d{12}$, next_text): # 标准12位代码 fields[invoice_code] next_text elif re.match(r^\d{8}$, next_text): # 部分旧版8位 fields[invoice_code] next_text # 销售方名称在right_lines中找含销售方的行取其后1~2行中字符数最多的 for i, (text, score, cx, cy) in enumerate(right_lines): if re.search(r(销售方|销货单位), text): candidates [] for j in range(i 1, min(i 3, len(right_lines))): cand_text right_lines[j][0] # 排除纯数字、纯符号行 if re.fullmatch(r[\d\.\,\s], cand_text) or len(cand_text) 4: continue candidates.append(cand_text) if candidates: fields[seller_name] max(candidates, keylen) # 金额在bottom_lines中找含价税合计的行取其后一行的数字 for i, (text, score, cx, cy) in enumerate(bottom_lines): if re.search(r(价税合计|合计), text): if i 1 len(bottom_lines): next_text bottom_lines[i 1][0] # 提取数字支持¥、元、小数点、逗号 amount_match re.search(r¥?([\d,]\.\d{2})|([\d,]\.\d{2})元?, next_text) if amount_match: fields[total_amount] amount_match.group(1) or amount_match.group(2) return fields # 使用示例接续2.2节的result if __name__ __main__: from PIL import Image img Image.open(./samples/invoice_001.jpg) img_h, img_w img.size[1], img.size[0] # PIL是(w,h)OpenCV是(h,w) fields extract_invoice_fields(result, img_h, img_w) print(\n 结构化提取结果 ) for k, v in fields.items(): print(f{k}: {v})关键设计点说明归一化坐标避免因发票扫描分辨率不同导致区域判断失效。例如A4扫描300dpi和手机拍1080p绝对坐标差异巨大但相对坐标稳定。容错正则re.search(r(发票代码|代码)比硬匹配“发票代码”多覆盖“代码”“发票代码”等变体r¥?([\d,]\.\d{2})|([\d,]\.\d{2})元?同时捕获“¥12,345.00”“12,345.00元”“12345.00”三种格式。候选池机制对“销售方名称”不取紧邻下一行易受表格线干扰而是取后1~2行中字符数最多的——人名/公司名通常比地址、电话更长。4. 生成符合财务规范的Excel文件openpyxl定制表头、冻结窗格与数据验证提取出字段字典后下一步是生成Excel。很多教程用pandas.DataFrame.to_excel()但它生成的文件缺乏财务必需的样式表头加粗居中、列宽自适应、金额列右对齐、首行冻结、数值格式化千分位、两位小数。openpyxl是唯一能精细控制这些的企业级方案。4.1 创建标准发票信息Excel模板含样式与数据验证# generate_excel.py from openpyxl import Workbook from openpyxl.styles import Font, Alignment, PatternFill, Border, Side from openpyxl.utils import get_column_letter from datetime import datetime import re def create_invoice_excel(invoice_list: List[Dict], output_path: str): 将发票字典列表生成Excel文件 invoice_list: [{invoice_code:..., total_amount:12345.00, ...}, ...] wb Workbook() ws wb.active ws.title 发票信息汇总 # 定义表头按财务常用顺序 headers [ 序号, 发票代码, 发票号码, 开票日期, 销售方名称, 销售方税号, 购买方名称, 购买方税号, 价税合计元, 税额元, 大写金额, 备注 ] # 写入表头带样式 for col_idx, header in enumerate(headers, 1): cell ws.cell(row1, columncol_idx, valueheader) cell.font Font(name微软雅黑, size11, boldTrue) cell.alignment Alignment(horizontalcenter, verticalcenter) cell.fill PatternFill(start_colorDDEBF7, end_colorDDEBF7, fill_typesolid) cell.border Border( leftSide(stylethin), rightSide(stylethin), topSide(stylethin), bottomSide(stylethin) ) # 设置列宽财务习惯代码类窄名称类宽金额类中 ws.column_dimensions[A].width 6 # 序号 ws.column_dimensions[B].width 14 # 发票代码 ws.column_dimensions[C].width 14 # 发票号码 ws.column_dimensions[D].width 12 # 开票日期 ws.column_dimensions[E].width 30 # 销售方名称需显示全 ws.column_dimensions[F].width 22 # 销售方税号 ws.column_dimensions[G].width 30 # 购买方名称 ws.column_dimensions[H].width 22 # 购买方税号 ws.column_dimensions[I].width 16 # 价税合计 ws.column_dimensions[J].width 12 # 税额 ws.column_dimensions[K].width 40 # 大写金额 ws.column_dimensions[L].width 20 # 备注 # 冻结首行方便滚动查看 ws.freeze_panes A2 # 写入数据行 for row_idx, inv in enumerate(invoice_list, 2): # 从第2行开始 # 序号 ws.cell(rowrow_idx, column1, valuerow_idx - 1).alignment Alignment(horizontalcenter) # 发票代码 ws.cell(rowrow_idx, column2, valueinv.get(invoice_code, )).alignment Alignment(horizontalleft) # 发票号码同代码列 ws.cell(rowrow_idx, column3, valueinv.get(invoice_number, )).alignment Alignment(horizontalleft) # 开票日期尝试标准化为YYYY-MM-DD date_str inv.get(issue_date, ) if date_str: # 匹配常见格式2023年12月25日、2023/12/25、2023-12-25 date_match re.search(r(\d{4})[年/-](\d{1,2})[月/-](\d{1,2}), date_str) if date_match: yyyy, mm, dd date_match.groups() standardized_date f{int(yyyy)}-{int(mm):02d}-{int(dd):02d} ws.cell(rowrow_idx, column4, valuestandardized_date) else: ws.cell(rowrow_idx, column4, valuedate_str) else: ws.cell(rowrow_idx, column4, value) # 销售方名称左对齐自动换行 cell_name ws.cell(rowrow_idx, column5, valueinv.get(seller_name, )) cell_name.alignment Alignment(horizontalleft, verticaltop, wrap_textTrue) # 销售方税号 ws.cell(rowrow_idx, column6, valueinv.get(seller_tax_id, )).alignment Alignment(horizontalleft) # 购买方名称 cell_buyer ws.cell(rowrow_idx, column7, valueinv.get(buyer_name, )) cell_buyer.alignment Alignment(horizontalleft, verticaltop, wrap_textTrue) # 购买方税号 ws.cell(rowrow_idx, column8, valueinv.get(buyer_tax_id, )).alignment Alignment(horizontalleft) # 价税合计数值格式化右对齐千分位两位小数 amount_str inv.get(total_amount, ) if amount_str: try: # 清洗字符串去¥、元、逗号 clean_amt re.sub(r[¥元,], , amount_str).strip() num_val float(clean_amt) cell_amt ws.cell(rowrow_idx, column9, valuenum_val) cell_amt.number_format #,##0.00 # Excel数值格式 cell_amt.alignment Alignment(horizontalright) except (ValueError, TypeError): ws.cell(rowrow_idx, column9, valueamount_str) else: ws.cell(rowrow_idx, column9, value) # 税额同价税合计处理 tax_str inv.get(tax_amount, ) if tax_str: try: clean_tax re.sub(r[¥元,], , tax_str).strip() num_val float(clean_tax) cell_tax ws.cell(rowrow_idx, column10, valuenum_val) cell_tax.number_format #,##0.00 cell_tax.alignment Alignment(horizontalright) except (ValueError, TypeError): ws.cell(rowrow_idx, column10, valuetax_str) else: ws.cell(rowrow_idx, column10, value) # 大写金额左对齐 ws.cell(rowrow_idx, column11, valueinv.get(amount_in_words, )).alignment Alignment(horizontalleft) # 备注留空供人工填写 ws.cell(rowrow_idx, column12, value).alignment Alignment(horizontalleft) # 保存文件 wb.save(output_path) print(f✅ Excel文件已生成{output_path}) # 使用示例 if __name__ __main__: # 假设你已从多张发票提取出字段列表 sample_invoices [ { invoice_code: 110012345678, invoice_number: 98765432, issue_date: 2023年12月25日, seller_name: 北京某某科技有限公司, seller_tax_id: 91110108MA00123456, buyer_name: 上海某某贸易有限公司, buyer_tax_id: 91310101MA1FPX1234, total_amount: ¥12,345.00, tax_amount: 1,111.00, amount_in_words: 人民币壹万贰仟叁佰肆拾伍元整 } ] create_invoice_excel(sample_invoices, ./output/invoice_summary.xlsx)财务合规要点说明列宽设置销售方名称设为30字符宽确保“某某北京科技发展有限公司”这类长名称不被截断发票代码仅14宽因标准为12位留2位余量。数值格式#,##0.00是Excel原生格式打开即显示千分位和两位小数不是字符串拼接后续可直接求和、筛选。冻结窗格ws.freeze_panes A2让表头永远可见这是财务人员看百行数据的基本体验。自动换行对名称类字段启用wrap_textTrue避免横向滚动——财务报表最忌讳左右拖动。5. 避坑发票OCR与Excel生成的5个真实翻车现场及解法这节不讲理论只列我在三个项目中亲手踩过的坑。每个都附带现象 → 原因 → 解决方案照着改能省你两天debug时间。5.1 现象同一张发票连续运行OCR两次结果不一致有时漏“税号”有时多出乱码原因PaddleOCR默认启用use_gpuTrue时GPU显存未清空导致模型状态残留或use_angle_cls模型在CPU模式下存在线程竞争。解决强制use_gpuFalse见2.1节在OCR初始化时添加drop_scoreFalse避免内部分数裁剪逻辑干扰若必须用GPU每次推理后加paddle.device.cuda.empty_cache()5.2 现象“开票日期”字段识别为“2023年12月250日”末尾多一个0原因OCR将“日”字下方的横线或印章边缘误识别为“0”。解决在日期提取逻辑中增加校验if not re.match(r^\d{4}年\d{1,2}月\d{1,2}日$, text): continue对匹配到的日期用dateutil.parser.parse()尝试解析失败则丢弃5.3 现象Excel中“价税合计”列显示为科学计数法如1.23E04原因openpyxl写入时若传入字符串12345.00而非浮点数12345.00且未设置number_formatExcel会按字符串处理但某些版本自动转科学计数。解决严格区分数据类型金额字段必须float()转换后再写入写入后立即设置cell.number_format #,##0.00见4.1节禁止用str()包裹数字再写入5.4 现象多张发票批量处理时程序在第37张崩溃报MemoryError原因PaddleOCR的PaddleOCR()对象在循环中重复初始化模型权重被反复加载到内存未释放。解决全局单例将ocr PaddleOCR(...)放在循环外整个脚本只初始化一次若需不同参数用ocr.ocr(img, detTrue, recTrue, clsTrue)动态传参勿重建实例5.5 现象生成的Excel用WPS打开正常但用Microsoft Excel打开时表头颜色丢失、列宽异常原因openpyxl生成的.xlsx文件在部分Excel版本中对PatternFill的RGB色值解析不一致。解决改用主题色填充fill PatternFill(solid, fgColorDDEBF7)去掉start_color/end_color列宽设置后加一句ws.column_dimensions[col].bestFit True启用自动适配最终保存前调用wb.save()后用os.system(fopen {output_path})Mac或os.startfile(output_path)Win用默认程序打开验证提示以上5条均来自某高校财务处自动化项目实测。当时为解决第5.5条我们对比了12种填充色值最终DDEBF7浅蓝灰在Office 2016/2019/365及WPS全版本通过。6. 进阶技巧用正则模板库应对10类发票版式无需重写代码做到第5章你已能处理标准增值税专用发票。但现实是企业同时收增值税普通发票、机动车销售统一发票、电子普通发票、卷式发票、甚至境外发票。每种版式字段位置、关键词、格式都不同。重写extract_invoice_fields()函数不我们用模板路由正则库实现“一套代码多版式兼容”。6.1 构建发票版式模板库JSON配置驱动创建templates/目录存放各版式规则// templates/vat_special.json { name: 增值税专用发票, priority: 10, keywords: [增值税专用发票, NO.], regions: { top: {y_max: 0.25}, right: {x_min: 0.65}, bottom: {y_min: 0.75} }, fields: { invoice_code: {region: top, keyword: 发票代码, offset: 1, pattern: ^\\d{12}$}, seller_name: {region: right, keyword: 销售方, offset: 1, max_lines: 2}, total_amount: {region: bottom, keyword: 价税合计, offset: 1, pattern: ¥?\\d{1,3}(?:,\\d{3})*\\.\\d{2}} } } // templates/e_invoice.json { name: 电子普通发票, priority: 8, keywords: [电子普通发票, 发票监制章], regions: { header: {y_max: 0.15}, body: {y_min: 0.15, y_max: 0.85} }, fields: { invoice_code: {region: header, keyword: 发票代码, offset: 0, pattern: ^\\d{12}$}, seller_name: {region: body, keyword: 销售方名称, offset: 0, pattern: .{4,20}} } }6.2 模板路由引擎自动匹配最适模板# template_router.py import json import os import re from typing import Dict, Any, Optional class InvoiceTemplateRouter: def __init__(self, template_dir: str ./templates): self.templates [] for file in os.listdir(template_dir): if file.endswith(.json): with open(os.path.join(template_dir, file), r, encodingutf-8) as f: tmpl json.load(f) self.templates.append(tmpl) # 按priority降序排列 self.templates.sort(keylambda x: x.get(priority, 0), reverseTrue) def route_template(self, ocr_texts: List[str]) - Optional[Dict]: 根据OCR识别出的文本列表匹配最可能的模板 full_text .join(ocr_texts) for tmpl in self.templates: keywords tmpl.get(keywords, []) if all(re.search(kw, full_text) for kw in keywords): return tmpl return None # 无匹配返回None触发默认模板 def extract_with_template(self, ocr_result: List, img_h: int, img_w: int, template: Dict) - Dict[str, str]: 使用指定模板提取字段 fields {k: for k in template[fields].keys()} # 步骤1按region分组OCR行 regions {} for line in ocr_result: if not line or len(line) 2: continue box, (text, score) line[0], line[1] center_x, center_y normalize_bbox(box, img_h, img_w) for region_name, bounds in template[regions].items(): match True if x_min in bounds and center_x bounds[x_min]: match False if x_max in bounds and center_x bounds[x_max]: match False if y_min in bounds and center_y bounds[y_min]: match False if y_max in bounds and center_y bounds[y_max]: match False if match: regions.setdefault(region_name, []).append((text, score, center_x, center_y)) # 步骤2对每个字段在对应region中匹配 for field_name, config in template[fields].items(): region_name config[region] lines_in_region regions.get(region_name, []) # 先找keyword行 keyword_lines [] for text, score, cx, cy in lines_in_region: if re.search(config[keyword], text): keyword_lines.append((text, score, cx, cy)) if keyword_lines: # 取第一个keyword行按offset取后续行 base_idx 0 for i, (t, s, cx, cy) in enumerate(lines_in_region): if re.search(config[keyword], t): base_idx i break candidate_lines [] for j in range(base_idx 1, min(base_idx 1 config.get(max_lines, 3), len(lines_in_region))): cand_text lines_in_region[j][0] # 应用pattern过滤 pattern config.get(pattern) if pattern and not re.search(pattern, cand_text): continue candidate_lines.append(cand_text) if candidate_lines: # 取最长的同3.2节逻辑 fields[field_name] max(candidate_lines, keylen) return fields # 使用示例 router InvoiceTemplateRouter() tmpl router.route_template([line[1][0] for line in result]) # 从OCR结果提取所有文本 if tmpl: structured router.extract_with_template(result, img_h, img_w, tmpl) else: # fallback to default logic structured extract_invoice_fields(result, img_h, img_w)为什么这招值得投入新增一种发票只需写一个JSON模板不用碰Python主逻辑某客户反馈“机动车发票本文还有配套的精品资源点击获取