票据自动整理成Excel，难的其实不是识字

之前分享过一套把票据转成 Excel 的本地流程，本以为最难的是让电脑认字。真上手才发现，OCR 能把字抠出来，离能用的表格还差得远。

识别出一大段文字后，还得靠脚本把发票号码、日期和金额分别塞进对应的列里。版式固定的文件好办，直接切块识别；要是格式乱飞，就得重新调规则。而且 PDF 得先转成图片才能接着处理。

导出表格时，一定要顺手带上来源文件名和页码。OCR 偶尔会把数字或小数点看错，不留个“回头路”，几百张票查错能查到天黑。

另外，涉及财务资料最好走本地 OCR，个人用电脑、团队放内网都行。但本地运行只是保隐私，代替不了前期的版式适配和人工核对。

做这类自动化别一上来就贪多。先拿一小批样本定好字段，跑通了再扩大批量。这样就算翻车，也知道该去哪调规则。