@tcos/broker-parser 0.1.0

package/dist/parsers/phillip/extractor.js

@@ -0,0 +1,1012 @@
+"use strict";
+/**
+ * Phillip pdfplumber Stage 1 提取器
+ *
+ * 纯 PDF 表格提取，不做业务逻辑处理。
+ * 输出统一的 RawTableData 格式，供 Stage 2 处理。
+ *
+ * 职责：
+ * 1. 调用 pdfplumber 提取字符坐标
+ * 2. 按行/列分组
+ * 3. 提取原始字段值
+ * 4. 不做分类、不做字段合并
+ */
+var __createBinding = (this && this.__createBinding) || (Object.create ? (function(o, m, k, k2) {
+    if (k2 === undefined) k2 = k;
+    var desc = Object.getOwnPropertyDescriptor(m, k);
+    if (!desc || ("get" in desc ? !m.__esModule : desc.writable || desc.configurable)) {
+      desc = { enumerable: true, get: function() { return m[k]; } };
+    }
+    Object.defineProperty(o, k2, desc);
+}) : (function(o, m, k, k2) {
+    if (k2 === undefined) k2 = k;
+    o[k2] = m[k];
+}));
+var __setModuleDefault = (this && this.__setModuleDefault) || (Object.create ? (function(o, v) {
+    Object.defineProperty(o, "default", { enumerable: true, value: v });
+}) : function(o, v) {
+    o["default"] = v;
+});
+var __importStar = (this && this.__importStar) || (function () {
+    var ownKeys = function(o) {
+        ownKeys = Object.getOwnPropertyNames || function (o) {
+            var ar = [];
+            for (var k in o) if (Object.prototype.hasOwnProperty.call(o, k)) ar[ar.length] = k;
+            return ar;
+        };
+        return ownKeys(o);
+    };
+    return function (mod) {
+        if (mod && mod.__esModule) return mod;
+        var result = {};
+        if (mod != null) for (var k = ownKeys(mod), i = 0; i < k.length; i++) if (k[i] !== "default") __createBinding(result, mod, k[i]);
+        __setModuleDefault(result, mod);
+        return result;
+    };
+})();
+Object.defineProperty(exports, "__esModule", { value: true });
+exports.PhillipPdfplumberExtractor = void 0;
+const child_process_1 = require("child_process");
+const path = __importStar(require("path"));
+// ============================================================================
+// 常量定义
+// ============================================================================
+/** 默认配置 */
+const DEFAULT_CONFIG = {
+    gapThreshold: 5,
+};
+/** 区域标记关键词 */
+const SECTION_MARKERS = {
+    // 交易记录区域 (包含双渲染版本)
+    transactionStart: [
+        '交易記錄',
+        'Transaction Details',
+        '交交易易記記錄錄',
+        'TTrraannssaaccttiioonn',
+    ],
+    transactionEnd: ['轉下結餘', '承下結餘', 'Balance C/F', '戶口資料', 'Account Details'],
+    // Account Details 区域 (现金余额) - 包含双渲染版本
+    accountDetailsStart: [
+        '戶口資料',
+        'Account Details',
+        '戶戶口口資資料料',
+        'AAccccoouunntt DDeettaaiillss',
+    ],
+    accountDetailsEnd: [
+        '股票投資組合',
+        'Securities Portfolio',
+        '股股票票投投資資組組合合',
+        'SSeeccuurriittiieess PPoorrttffoolliioo',
+        '詳情請參閱',
+        'Please see important',
+    ],
+    // Securities Portfolio 区域 (股票/基金持仓) - 包含双渲染版本
+    holdingsStart: [
+        '股票投資組合',
+        'Securities Portfolio',
+        '股股票票投投資資組組合合',
+        'SSeeccuurriittiieess PPoorrttffoolliioo',
+        '持倉',
+    ],
+    holdingsEnd: ['E. & O. E.', 'Please see important', '詳情請參閱'],
+    // 股息及公告区域 - 出现时应终止持仓区域解析（包含双渲染版本）
+    dividendStart: [
+        '股息及公告',
+        'Dividend',
+        'Announcements',
+        '股股息息及及公公告告',
+        'DDiivviiddeenndd',
+    ],
+};
+/** 交易类型关键词 (用于识别，不做分类) */
+const TRANS_TYPE_KEYWORDS = {
+    Payment: ['Payment', '支付'],
+    Receipt: ['Receipt', '收入'],
+    Withdraw: ['Withdraw', '提貨'],
+    Deposit: ['Deposit', '存入'],
+    Buy: ['Buy', '買入', 'Bought'],
+    Sell: ['Sell', '賣出', 'Sold'],
+};
+// ============================================================================
+// 提取器实现
+// ============================================================================
+/**
+ * Phillip pdfplumber Stage 1 提取器
+ */
+class PhillipPdfplumberExtractor {
+    constructor(config) {
+        this.config = {
+            type: 'pdfplumber',
+            ...DEFAULT_CONFIG,
+            ...config,
+        };
+    }
+    /**
+     * 从 PDF 提取原始表格数据
+     */
+    async extract(pdfPath) {
+        const startTime = Date.now();
+        const warnings = [];
+        // 1. 调用 pdfplumber 提取字符数据
+        const pdfData = await this.callPdfplumber(pdfPath);
+        // 2. 提取账户信息
+        const accountInfo = this.extractAccountInfo(pdfData);
+        // 3. 提取交易记录
+        const transactions = this.extractTransactions(pdfData, warnings);
+        // 4. 提取持仓数据 (Account Details + Securities Portfolio)
+        const holdings = this.extractHoldings(pdfData, warnings);
+        return {
+            accountInfo,
+            transactions,
+            holdings,
+            metadata: {
+                totalPages: pdfData.totalPages,
+                parseTimeMs: Date.now() - startTime,
+                extractor: 'pdfplumber',
+                warnings,
+            },
+        };
+    }
+    /**
+     * 调用 pdfplumber Python 脚本
+     */
+    async callPdfplumber(pdfPath) {
+        return new Promise((resolve, reject) => {
+            // extract.py 发布时会和本文件在同一个 dist/parsers/phillip/ 目录
+            // 开发时在 src/parsers/phillip/extract.py
+            const pythonScript = path.join(__dirname, 'extract.py');
+            const pythonBin = 'python3'; // 直接用 PATH 中的 python3
+            const proc = (0, child_process_1.spawn)(pythonBin, [pythonScript, pdfPath, '--json'], {
+                env: {
+                    ...process.env,
+                },
+            });
+            let stdout = '';
+            let stderr = '';
+            proc.stdout.on('data', (data) => {
+                stdout += data.toString();
+            });
+            proc.stderr.on('data', (data) => {
+                stderr += data.toString();
+            });
+            proc.on('close', (code) => {
+                if (code !== 0) {
+                    reject(new Error(`Python script failed: ${stderr}`));
+                    return;
+                }
+                try {
+                    const result = JSON.parse(stdout);
+                    resolve(result);
+                }
+                catch (e) {
+                    reject(new Error(`Failed to parse Python output: ${String(e)}`));
+                }
+            });
+        });
+    }
+    /**
+     * 提取账户信息
+     *
+     * 辉立日结单格式示例:
+     * 客戶名稱 Name : SUN XIAOXU 客戶編號 A/C No : M596241
+     * 日期 Issue Date : 05/11/25
+     */
+    extractAccountInfo(pdfData) {
+        // 从第一页提取头部信息
+        if (pdfData.pages.length === 0) {
+            return {};
+        }
+        const firstPageText = pdfData.pages[0].text;
+        // 提取账户编号 (格式: A/C No : M596241)
+        const accountMatch = firstPageText.match(/A\/C\s*No\s*[:：]\s*([A-Z]\d+)/i);
+        const accountCode = accountMatch ? accountMatch[1] : undefined;
+        // 提取客户名称 (格式: Name : SUN XIAOXU 客戶編號)
+        // 名称在 "Name :" 和 "客戶編號" 之间
+        const nameMatch = firstPageText.match(/Name\s*[:：]\s*([A-Z\s]+?)\s*客戶編號/i);
+        const clientName = nameMatch ? nameMatch[1].trim() : undefined;
+        // 提取账单日期 (格式: Issue Date : 05/11/25)
+        const dateMatch = firstPageText.match(/Issue\s*Date\s*[:：]\s*(\d{2}\/\d{2}\/\d{2,4})/i);
+        const statementDate = dateMatch ? dateMatch[1] : undefined;
+        return {
+            accountCode,
+            clientName,
+            statementDate,
+        };
+    }
+    /**
+     * 提取交易记录
+     *
+     * 跨页状态传递：inTransactionSection 和 lastTransaction 在页面间保持，
+     * 确保多页结单中 Page 2+ 即使没有区域标记也能继续提取交易。
+     */
+    extractTransactions(pdfData, warnings) {
+        const allTransactions = [];
+        // 跨页状态维护
+        let inTransactionSection = false;
+        let lastTransaction = null;
+        for (const page of pdfData.pages) {
+            const result = this.extractPageTransactionsWithState(page.chars, warnings, inTransactionSection, lastTransaction);
+            allTransactions.push(...result.transactions);
+            inTransactionSection = result.inTransactionSection;
+            lastTransaction = result.lastTransaction;
+        }
+        // 跨页续行合并
+        return this.mergeCrossPageContinuations(allTransactions);
+    }
+    /**
+     * 合并跨页续行
+     * 识别规则：tradeDate 为空字符串 = 续行
+     */
+    mergeCrossPageContinuations(transactions) {
+        const result = [];
+        for (const tx of transactions) {
+            if (!tx.tradeDate && result.length > 0) {
+                // 续行，合并到前一条记录
+                const lastTx = result[result.length - 1];
+                lastTx.particulars += ' ' + tx.particulars;
+                if (lastTx.sourceLines && tx.sourceLines) {
+                    lastTx.sourceLines.push(...tx.sourceLines);
+                }
+            }
+            else {
+                result.push(tx);
+            }
+        }
+        return result;
+    }
+    /**
+     * 从单页提取交易记录（支持跨页状态）
+     *
+     * 与原 extractPageTransactions 的区别：
+     * - 接收上一页的状态（是否在交易区域、最后一条交易）
+     * - 返回当前页处理后的状态，供下一页继续使用
+     * - 确保多页结单中 Page 2+ 没有区域标记时也能正确提取交易
+     *
+     * @param chars - 页面字符数据
+     * @param _warnings - 警告信息数组
+     * @param initialInSection - 初始是否在交易区域
+     * @param initialLastTx - 初始最后一条交易（用于续行合并）
+     * @returns 交易数据和更新后的状态
+     */
+    extractPageTransactionsWithState(chars, _warnings, initialInSection, initialLastTx) {
+        const transactions = [];
+        // 按 Y 坐标分组
+        const lineGroups = this.groupCharsByY(chars);
+        // 使用跨页传入的状态
+        let inTransactionSection = initialInSection;
+        const sortedYs = Object.keys(lineGroups)
+            .map(Number)
+            .sort((a, b) => a - b);
+        // 临时存储续行数据（使用跨页传入的最后一条交易）
+        let lastTransaction = initialLastTx;
+        for (let i = 0; i < sortedYs.length; i++) {
+            const y = sortedYs[i];
+            const lineChars = lineGroups[y];
+            const lineText = this.getLineText(lineChars);
+            // 检测区域边界
+            if (this.matchesAny(lineText, SECTION_MARKERS.transactionStart)) {
+                inTransactionSection = true;
+                continue;
+            }
+            if (this.matchesAny(lineText, SECTION_MARKERS.transactionEnd)) {
+                inTransactionSection = false;
+                continue;
+            }
+            if (!inTransactionSection)
+                continue;
+            // 跳过表头和分隔行
+            if (this.isHeaderOrSeparator(lineText))
+                continue;
+            // 检查是否是续行 (没有日期格式的行可能是上一条记录的续行)
+            const dateMatch = lineText.match(/(\d{2}\/\d{2}\/\d{2})/);
+            if (!dateMatch) {
+                if (lastTransaction) {
+                    // 页内续行：合并到当前页前一条记录
+                    const continuationText = this.extractContinuationText(lineChars);
+                    if (continuationText) {
+                        lastTransaction.particulars += ' ' + continuationText;
+                        if (lastTransaction.sourceLines) {
+                            lastTransaction.sourceLines.push(y);
+                        }
+                    }
+                }
+                else {
+                    // 跨页续行：创建占位记录，等待后续合并
+                    const continuationText = this.extractContinuationText(lineChars);
+                    if (continuationText) {
+                        transactions.push({
+                            tradeDate: '', // 空日期标记续行
+                            refNo: '',
+                            particulars: continuationText,
+                            sourceLines: [y],
+                        });
+                    }
+                }
+                continue;
+            }
+            // 尝试解析交易行
+            const transaction = this.parseTransactionLine(lineChars, y);
+            if (transaction) {
+                transactions.push(transaction);
+                lastTransaction = transaction;
+            }
+        }
+        return { transactions, inTransactionSection, lastTransaction };
+    }
+    /**
+     * 解析单行交易记录
+     * 只提取原始字段值，不做业务分类
+     */
+    parseTransactionLine(chars, yPosition) {
+        // 智能提取字段
+        const fields = this.extractFieldsWithSmartBoundaries(chars);
+        // 验证必要字段
+        if (!fields.tradeDate || !fields.refNo) {
+            return null;
+        }
+        return {
+            tradeDate: fields.tradeDate,
+            settleDate: fields.settleDate,
+            product: fields.product,
+            refNo: fields.refNo,
+            transType: fields.transType,
+            particulars: fields.particulars,
+            debit: fields.debit,
+            credit: fields.credit,
+            sourceLines: [yPosition],
+        };
+    }
+    /**
+     * 智能提取字段 - 基于列位置
+     *
+     * 辉立日结单列边界参考:
+     * - tradeDate:   x = 30-65
+     * - settleDate:  x = 65-110
+     * - product:     x = 100-145 (可选，如 UT)
+     * - refNo:       x = 130-180
+     * - type:        x = 170-230
+     * - particulars: x = 195-490
+     * - debit:       x = 480-530
+     * - credit:      x = 530-580
+     */
+    extractFieldsWithSmartBoundaries(chars) {
+        // 按 X 坐标排序
+        const sortedChars = [...chars].sort((a, b) => a.x0 - b.x0);
+        // 按间隔分组
+        const groups = this.groupCharsByGap(sortedChars);
+        // 识别各字段
+        let tradeDate = '';
+        let settleDate = '';
+        let product = '';
+        let refNo = '';
+        let transType = '';
+        const particularsArr = [];
+        let debitStr = '';
+        let creditStr = '';
+        for (const group of groups) {
+            const text = group.text.trim(); // 去除前后空格
+            const x0 = group.x0;
+            const x1 = group.x1;
+            const midX = (x0 + x1) / 2;
+            // 1. 日期识别 (格式 DD/MM/YY)
+            if (/^\d{2}\/\d{2}\/\d{2}$/.test(text)) {
+                if (x0 < 65 && !tradeDate) {
+                    tradeDate = text;
+                }
+                else if (x0 >= 65 && x0 < 110 && !settleDate) {
+                    settleDate = text;
+                }
+                else if (!tradeDate) {
+                    tradeDate = text;
+                }
+                else if (!settleDate) {
+                    settleDate = text;
+                }
+                continue;
+            }
+            // 2. 产品代码 (2-6字母，在 x < 145 区域，如 UT, Equity)
+            if (/^[A-Z]{2,6}$/i.test(text) && x0 >= 100 && x0 < 145) {
+                product = text;
+                continue;
+            }
+            // 3. 参考号 (8位数字，在 x = 130-180 区域)
+            if (/^\d{8}$/.test(text) && x0 >= 130 && x0 < 180) {
+                refNo = text;
+                continue;
+            }
+            // 4. 交易类型 (在 x = 170-230 区域)
+            if (x0 >= 170 && x0 < 230) {
+                const typeMatch = Object.entries(TRANS_TYPE_KEYWORDS).find(([, keywords]) => keywords.some((kw) => text === kw || text.startsWith(kw)));
+                if (typeMatch) {
+                    transType = typeMatch[0];
+                    // 检查是否有摘要粘连
+                    for (const kw of typeMatch[1]) {
+                        if (text.startsWith(kw) && text.length > kw.length) {
+                            particularsArr.push(text.substring(kw.length));
+                            break;
+                        }
+                    }
+                    continue;
+                }
+            }
+            // 5. 金额 (在右侧 x >= 478，考虑浮点数误差)
+            if (x0 >= 478) {
+                const cleanNum = text.replace(/,/g, '');
+                if (/^[\d.]+$/.test(cleanNum)) {
+                    if (midX < 530) {
+                        debitStr = text;
+                    }
+                    else {
+                        creditStr = text;
+                    }
+                    continue;
+                }
+            }
+            // 6. 摘要 (中间区域 x = 195-490)
+            if (x0 >= 195 && x1 < 490) {
+                particularsArr.push(text);
+            }
+        }
+        // 合并摘要数组
+        const particulars = particularsArr.join(' ').trim();
+        return {
+            tradeDate,
+            settleDate: settleDate || undefined,
+            product: product || undefined,
+            refNo,
+            transType: transType || undefined,
+            particulars,
+            debit: this.parseAmount(debitStr),
+            credit: this.parseAmount(creditStr),
+        };
+    }
+    /**
+     * 提取续行中的摘要内容
+     */
+    extractContinuationText(chars) {
+        const sortedChars = [...chars].sort((a, b) => a.x0 - b.x0);
+        const groups = this.groupCharsByGap(sortedChars);
+        const texts = [];
+        for (const group of groups) {
+            // 续行摘要通常在 x > 100 的区域
+            if (group.x0 >= 100 && group.x1 < 490) {
+                texts.push(group.text);
+            }
+        }
+        return texts.join(' ').trim();
+    }
+    // ============================================================================
+    // 工具方法
+    // ============================================================================
+    /**
+     * 按 Y 坐标分组字符
+     */
+    groupCharsByY(chars) {
+        const groups = {};
+        for (const c of chars) {
+            const y = Math.round(c.top);
+            if (!groups[y])
+                groups[y] = [];
+            groups[y].push(c);
+        }
+        return groups;
+    }
+    /**
+     * 按间隔分组字符
+     */
+    groupCharsByGap(chars) {
+        if (chars.length === 0)
+            return [];
+        const gapThreshold = this.config.gapThreshold ?? 5;
+        const groups = [];
+        let currentGroup = [chars[0]];
+        for (let i = 1; i < chars.length; i++) {
+            const gap = chars[i].x0 - chars[i - 1].x1;
+            if (gap > gapThreshold) {
+                groups.push({
+                    text: currentGroup.map((c) => c.text).join(''),
+                    x0: currentGroup[0].x0,
+                    x1: currentGroup[currentGroup.length - 1].x1,
+                });
+                currentGroup = [chars[i]];
+            }
+            else {
+                currentGroup.push(chars[i]);
+            }
+        }
+        if (currentGroup.length > 0) {
+            groups.push({
+                text: currentGroup.map((c) => c.text).join(''),
+                x0: currentGroup[0].x0,
+                x1: currentGroup[currentGroup.length - 1].x1,
+            });
+        }
+        return groups;
+    }
+    /**
+     * 获取一行的文本
+     */
+    getLineText(chars) {
+        return chars
+            .sort((a, b) => a.x0 - b.x0)
+            .map((c) => c.text)
+            .join('');
+    }
+    /**
+     * 检查是否匹配任意关键词
+     */
+    matchesAny(text, keywords) {
+        return keywords.some((kw) => text.includes(kw));
+    }
+    /**
+     * 检查是否是表头或分隔行
+     */
+    isHeaderOrSeparator(text) {
+        const headerKeywords = ['Date', 'RefNo', '日期', '參考', 'Product', '產品'];
+        const separators = ['|', '─', '═'];
+        if (headerKeywords.some((kw) => text.includes(kw)))
+            return true;
+        if (text.trim().length < 3)
+            return true;
+        if (separators.some((s) => text.includes(s) && text.replace(new RegExp(`[${s}\\s]`, 'g'), '').length < 5)) {
+            return true;
+        }
+        if (text.includes('Normal 普通戶口') || text.includes('Currency :'))
+            return true;
+        if (text.includes('承上結餘') || text.includes('Balance B/F'))
+            return true;
+        // PDF 页眉/页脚检测（跨页状态传递时需要过滤这些行）
+        if (this.isPageHeaderOrFooter(text))
+            return true;
+        return false;
+    }
+    /**
+     * 检查是否是 PDF 页眉或页脚行
+     *
+     * 多页结单中每页都会重复出现的页面级标题和页脚，
+     * 与交易表格的表头行不同。跨页提取交易时需要跳过这些行。
+     *
+     * 注意：getLineText 将字符直接拼接，可能没有空格（如 "A/CNo:" 而非 "A/C No :"），
+     * 因此匹配模式需要兼容无空格情况。
+     */
+    isPageHeaderOrFooter(text) {
+        const pageHeaderFooterPatterns = [
+            // 页脚：网站链接
+            'poems.com.hk',
+            'Website',
+            '網址',
+            // 页头：双渲染标题（每个字符重复一次）
+            '綜綜合合',
+            'CCoommbbiinneedd',
+            'DDaaiillyy',
+            '存存款款',
+            'EEaassyyppaayy',
+            // 页头：账户信息行（兼容有无空格）
+            'A/CNo',
+            'A/C No',
+            '客戶編號',
+            'A/ECode',
+            'A/E Code',
+            '經紀',
+            '帳戶類別',
+            // 页头：页码（兼容有无空格）
+            'Page:',
+            'Page :',
+        ];
+        return pageHeaderFooterPatterns.some((p) => text.includes(p));
+    }
+    /**
+     * 解析金额
+     */
+    parseAmount(str) {
+        if (!str)
+            return undefined;
+        const clean = str.replace(/,/g, '').trim();
+        const num = parseFloat(clean);
+        return isNaN(num) ? undefined : num;
+    }
+    // ============================================================================
+    // Holdings 提取方法
+    // ============================================================================
+    /**
+     * 提取持仓数据
+     *
+     * 包含两部分：
+     * 1. Account Details - 现金余额
+     * 2. Securities Portfolio - 股票/基金持仓
+     *
+     * 注意：Securities Portfolio 支持跨页提取，状态在页面之间传递
+     *
+     * @param pdfData - pdfplumber 输出数据
+     * @param warnings - 警告信息数组
+     * @returns 持仓数据数组
+     */
+    extractHoldings(pdfData, warnings) {
+        const allHoldings = [];
+        // 跨页状态维护
+        let inPortfolioSection = false;
+        let currentCurrency = 'HKD';
+        let lastHolding = null;
+        for (const page of pdfData.pages) {
+            // 提取 Account Details（现金余额）- 每页独立处理
+            const cashHoldings = this.extractAccountDetailsHoldings(page.chars, warnings);
+            allHoldings.push(...cashHoldings);
+            // 提取 Securities Portfolio（股票/基金持仓）- 跨页状态传递
+            const { holdings: portfolioHoldings, inPortfolioSection: newState, currentCurrency: newCurrency, lastHolding: newLastHolding, } = this.extractPortfolioHoldingsWithState(page.chars, warnings, inPortfolioSection, currentCurrency, lastHolding);
+            allHoldings.push(...portfolioHoldings);
+            inPortfolioSection = newState;
+            currentCurrency = newCurrency;
+            lastHolding = newLastHolding;
+        }
+        return allHoldings;
+    }
+    /**
+     * 从 Account Details 区域提取现金余额
+     *
+     * 辉立日结单 Account Details 格式示例：
+     * | Currency | Balance C/F | Unsettled T+1 | ... | Available Balance |
+     * | HKD      | 63,832.41   | 0.00          | ... | 63,832.41         |
+     * | USD      | -0.30       | 0.00          | ... | -0.30             |
+     * | HKD(Base)| 63,830.07   | ...           | ... | 63,830.07         |  <- 跳过
+     *
+     * @param chars - 页面字符数据
+     * @param warnings - 警告信息数组
+     * @returns 现金余额数组
+     */
+    extractAccountDetailsHoldings(chars, _warnings) {
+        const holdings = [];
+        const lineGroups = this.groupCharsByY(chars);
+        const sortedYs = Object.keys(lineGroups)
+            .map(Number)
+            .sort((a, b) => a - b);
+        let inAccountDetailsSection = false;
+        for (const y of sortedYs) {
+            const lineChars = lineGroups[y];
+            const lineText = this.getLineText(lineChars);
+            // 检测区域起始边界
+            if (this.matchesAny(lineText, SECTION_MARKERS.accountDetailsStart)) {
+                inAccountDetailsSection = true;
+                continue;
+            }
+            // 检测区域结束边界
+            if (this.matchesAny(lineText, SECTION_MARKERS.accountDetailsEnd)) {
+                inAccountDetailsSection = false;
+                continue;
+            }
+            if (!inAccountDetailsSection)
+                continue;
+            // 跳过表头行
+            if (this.isAccountDetailsHeader(lineText))
+                continue;
+            // 跳过 HKD(Base) 汇总行
+            if (lineText.includes('HKD(Base)') || lineText.includes('Base'))
+                continue;
+            // 解析现金余额行
+            const cashHolding = this.parseCashBalanceLine(lineChars);
+            if (cashHolding) {
+                holdings.push(cashHolding);
+            }
+        }
+        return holdings;
+    }
+    /**
+     * 检查是否是 Account Details 表头行
+     */
+    isAccountDetailsHeader(text) {
+        const headerKeywords = [
+            'Currency',
+            '貨幣',
+            'Balance C/F',
+            '轉下結餘',
+            'Unsettled Balance',
+            '未交收結餘',
+            'Normal 普通戶口',
+            'Accrued Interest',
+            '累計利息',
+            'Available Balance',
+            '可用結餘',
+        ];
+        return headerKeywords.some((kw) => text.includes(kw));
+    }
+    /**
+     * 解析现金余额行
+     *
+     * 行格式: Currency Balance_C/F Unsettled_T+1 ... Available_Balance Ref_ExRate DR_Int_Rate
+     * 示例:   HKD      63,832.41    0.00          ... 63,832.41         1.0000      列表1(Sch1)
+     *
+     * @param chars - 行字符数据
+     * @returns 现金余额持仓或 null
+     */
+    parseCashBalanceLine(chars) {
+        const sortedChars = [...chars].sort((a, b) => a.x0 - b.x0);
+        const groups = this.groupCharsByGap(sortedChars);
+        if (groups.length < 2)
+            return null;
+        // 第一个组应该是货币代码
+        const currencyGroup = groups[0];
+        const currency = currencyGroup.text.trim();
+        // 验证是否是有效货币代码 (3 字母)
+        if (!/^[A-Z]{3}$/.test(currency))
+            return null;
+        // 第二个组应该是 Balance C/F (转下结余)
+        // 根据辉立日结单布局，Balance C/F 通常在 x = 120-180 区域
+        const balanceGroup = groups.find((g) => g.x0 >= 100 && g.x0 < 200);
+        if (!balanceGroup)
+            return null;
+        const balance = this.parseAmount(balanceGroup.text);
+        if (balance === undefined)
+            return null;
+        // 跳过余额为 0 的记录
+        if (balance === 0)
+            return null;
+        return {
+            symbol: currency,
+            name: 'Cash Balance',
+            assetType: 'Cash',
+            quantity: balance,
+            marketPrice: 1,
+            marketValue: balance,
+            currency: currency,
+        };
+    }
+    /**
+     * 从 Securities Portfolio 区域提取股票/基金持仓（支持跨页状态）
+     *
+     * - 接收上一页的状态（是否在 Portfolio 区域、当前货币、最后一条持仓）
+     * - 返回当前页处理后的状态，供下一页继续使用
+     * - 不再依赖结束标记（如 E. & O. E.）来判断区域结束
+     *
+     * @param chars - 页面字符数据
+     * @param warnings - 警告信息数组
+     * @param initialInSection - 初始是否在 Portfolio 区域
+     * @param initialCurrency - 初始货币
+     * @param initialLastHolding - 初始最后一条持仓（用于续行合并）
+     * @returns 持仓数据和更新后的状态
+     */
+    extractPortfolioHoldingsWithState(chars, _warnings, initialInSection, initialCurrency, initialLastHolding) {
+        const holdings = [];
+        const lineGroups = this.groupCharsByY(chars);
+        const sortedYs = Object.keys(lineGroups)
+            .map(Number)
+            .sort((a, b) => a - b);
+        let inPortfolioSection = initialInSection;
+        let currentCurrency = initialCurrency;
+        let lastHolding = initialLastHolding;
+        for (let i = 0; i < sortedYs.length; i++) {
+            const y = sortedYs[i];
+            const lineChars = lineGroups[y];
+            const lineText = this.getLineText(lineChars);
+            // 检测区域起始边界（优先级高于结束边界）
+            if (this.matchesAny(lineText, SECTION_MARKERS.holdingsStart)) {
+                inPortfolioSection = true;
+                continue;
+            }
+            // 检测交易记录区域开始 - 这才是真正的持仓区域结束
+            if (this.matchesAny(lineText, SECTION_MARKERS.transactionStart)) {
+                inPortfolioSection = false;
+                continue;
+            }
+            // 检测股息及公告区域开始 - 终止持仓区域解析
+            // 股息公告行格式与持仓行类似（Equity XHKG 003750 ...），
+            // 如不终止会导致股息记录被误解析为持仓数据
+            if (this.matchesAny(lineText, SECTION_MARKERS.dividendStart)) {
+                inPortfolioSection = false;
+                continue;
+            }
+            // 注意：不再使用 holdingsEnd 标记来判断区域结束
+            // 因为 E. & O. E. 等页脚标记会在每页底部出现，导致跨页持仓丢失
+            // 只有遇到交易记录区域或股息公告区域才真正结束持仓区域
+            if (!inPortfolioSection)
+                continue;
+            // 检测货币切换头部 (Currency : HKD 或 Currency : USD)
+            const currencyMatch = lineText.match(/Currency\s*:\s*([A-Z]{3})/i);
+            if (currencyMatch) {
+                currentCurrency = currencyMatch[1].toUpperCase();
+                continue;
+            }
+            // 跳过表头、Sub-Total、Total 等行
+            if (this.isPortfolioHeaderOrFooter(lineText))
+                continue;
+            // 跳过页脚标记（但不终止区域）
+            if (this.matchesAny(lineText, SECTION_MARKERS.holdingsEnd))
+                continue;
+            // 检测续行（中文名称行，如 "股票 美图集团"）
+            if (this.isPortfolioContinuationLine(lineText, lineChars)) {
+                if (lastHolding) {
+                    const chineseName = this.extractChineseNameFromLine(lineChars);
+                    if (chineseName) {
+                        lastHolding.name = lastHolding.name
+                            ? `${lastHolding.name} ${chineseName}`
+                            : chineseName;
+                    }
+                }
+                continue;
+            }
+            // 解析持仓数据行
+            const holding = this.parsePortfolioLine(lineChars, currentCurrency);
+            if (holding) {
+                holdings.push(holding);
+                lastHolding = holding;
+            }
+        }
+        return { holdings, inPortfolioSection, currentCurrency, lastHolding };
+    }
+    /**
+     * 检查是否是 Portfolio 表头或汇总行
+     */
+    isPortfolioHeaderOrFooter(text) {
+        const keywords = [
+            'Product',
+            'Market',
+            'InstrumentCd',
+            'DisplayName',
+            '產品',
+            '市場',
+            '產品代號',
+            '代號名稱',
+            'Sub-Total',
+            'Total :',
+            'Total:',
+            'Exchange Rate',
+            '匯率',
+            'Qty B/F',
+            'Qty C/F',
+            'ClsPrice',
+            'Market Value',
+            'MgnRatio',
+            'Margin Value',
+        ];
+        return keywords.some((kw) => text.includes(kw));
+    }
+    /**
+     * 检查是否是续行（中文名称行）
+     *
+     * 续行特征：
+     * 1. 以 "股票" 或 "基金" 开头
+     * 2. 右侧没有数值金额
+     */
+    isPortfolioContinuationLine(text, chars) {
+        // 续行以 "股票" 或 "基金" 开头
+        if (text.startsWith('股票') || text.startsWith('基金')) {
+            // 检查行中是否有数值（在右侧 x > 340 区域）
+            const rightChars = chars.filter((c) => c.x0 > 340);
+            if (rightChars.length === 0) {
+                return true;
+            }
+            // 如果右侧只有非数字字符，也是续行
+            const rightText = rightChars.map((c) => c.text).join('');
+            if (!/[\d.]/.test(rightText)) {
+                return true;
+            }
+        }
+        return false;
+    }
+    /**
+     * 从续行中提取中文名称
+     */
+    extractChineseNameFromLine(chars) {
+        const sortedChars = [...chars].sort((a, b) => a.x0 - b.x0);
+        const groups = this.groupCharsByGap(sortedChars);
+        // 跳过第一个组（"股票" 或 "基金"），返回后面的内容
+        const nameGroups = groups.filter((g) => g.x0 >= 160 && g.x0 < 300);
+        return nameGroups
+            .map((g) => g.text)
+            .join(' ')
+            .trim();
+    }
+    /**
+     * 解析单行持仓数据
+     *
+     * 列边界（基于 pdfplumber 坐标分析）：
+     * - Product (Equity/UT): x0 < 60
+     * - Market (XHKG/OTCU/XNGS): x0 = 80-115
+     * - InstrumentCd: x0 = 115-165
+     * - DisplayName: x0 = 160-270
+     * - Qty B/F: x0 = 260-295
+     * - LastBoughtOn (可选日期): x0 = 295-340
+     * - Qty C/F: x0 = 340-385
+     * - ClsPrice: x0 = 385-435
+     * - Market Value: x0 = 435-485
+     * - MgnRatio: x0 = 490-520
+     * - Margin Value: x0 = 530-570
+     *
+     * @param chars - 行字符数据
+     * @param currency - 当前货币
+     * @returns 持仓数据或 null
+     */
+    parsePortfolioLine(chars, currency) {
+        const sortedChars = [...chars].sort((a, b) => a.x0 - b.x0);
+        const groups = this.groupCharsByGap(sortedChars);
+        if (groups.length < 5)
+            return null;
+        // 提取字段
+        let product = ''; // Equity/UT
+        let market = ''; // XHKG/OTCU/XNGS
+        let instrumentCd = ''; // 000100/UT.480010/PDD
+        let displayName = ''; // MINIMAX GROUP INC.
+        let qtyCF;
+        let clsPrice;
+        let marketValue;
+        for (const group of groups) {
+            const text = group.text.trim(); // 去除前后空格
+            const x0 = group.x0;
+            // Product 列 (x0 < 60)
+            if (x0 < 60 && (text === 'Equity' || text === 'UT')) {
+                product = text;
+                continue;
+            }
+            // Market 列 (x0 = 80-115)
+            if (x0 >= 80 && x0 < 120 && /^[A-Z]{4}$/.test(text)) {
+                market = text;
+                continue;
+            }
+            // 名称列和代码列在 160-175 区间存在重叠。
+            // 若前面已经识别到 InstrumentCd，则此处优先把后续文本视为名称，
+            // 避免 CATL 这类全大写简称再次被误判成代码。
+            if (instrumentCd && x0 >= 160 && x0 < 275 && !/^\d/.test(text)) {
+                displayName = text;
+                continue;
+            }
+            // InstrumentCd 列 (x0 = 115-170)
+            if (x0 >= 115 && x0 < 175) {
+                // 股票代码: 000100, 基金代码: UT.480010, 美股代码: PDD
+                if (/^\d{6}$/.test(text) || /^UT\.\d+$/.test(text) || /^[A-Z]{2,5}$/.test(text)) {
+                    instrumentCd = text;
+                    continue;
+                }
+            }
+            // DisplayName 列 (x0 = 160-270)
+            if (x0 >= 160 && x0 < 275 && !/^\d/.test(text)) {
+                displayName = text;
+                continue;
+            }
+            // Qty C/F 列 (x0 = 340-390) - 使用右侧较宽的范围
+            if (x0 >= 330 && x0 < 395) {
+                const qty = this.parseAmount(text);
+                if (qty !== undefined && !qtyCF) {
+                    qtyCF = qty;
+                    continue;
+                }
+            }
+            // ClsPrice 列 (x0 = 385-445)
+            if (x0 >= 385 && x0 < 450) {
+                const price = this.parseAmount(text);
+                if (price !== undefined && !clsPrice) {
+                    clsPrice = price;
+                    continue;
+                }
+            }
+            // Market Value 列 (x0 = 435-490)
+            if (x0 >= 435 && x0 < 500) {
+                const value = this.parseAmount(text);
+                if (value !== undefined && !marketValue) {
+                    marketValue = value;
+                    continue;
+                }
+            }
+        }
+        // 验证必要字段
+        if (!instrumentCd)
+            return null;
+        // 确定资产类型
+        let assetType = 'Stock';
+        if (product === 'UT' || instrumentCd.startsWith('UT.')) {
+            assetType = 'Fund';
+        }
+        return {
+            symbol: instrumentCd,
+            name: displayName || undefined,
+            assetType,
+            quantity: qtyCF,
+            marketPrice: clsPrice,
+            marketValue: marketValue,
+            currency: currency,
+            extras: {
+                product: product || undefined,
+                market: market || undefined,
+            },
+        };
+    }
+}
+exports.PhillipPdfplumberExtractor = PhillipPdfplumberExtractor;
+//# sourceMappingURL=extractor.js.map