einvoice-cli 1.0.0

package/lib/RegexPatterns.js

@@ -0,0 +1,202 @@
+/**
+ * 正则表达式模式库 - 参考原 Java 代码
+ * 用于提取发票各个字段
+ */
+
+class RegexPatterns {
+  /**
+   * 基础字段模式
+   */
+  static BASIC_FIELDS = {
+    // 机器编号: 12位数字，可能在"机器编号:"或"发票代码机器编号:"后
+    machineNumber: /(?:机器编号[:：]|发票代码机器编号[:：])(\d{12})/,
+    
+    // 发票代码: 12位数字
+    code: /发票代码[:：](\d{12})/,
+    
+    // 发票号码: 8-10位数字
+    number: /发票号码[:：](\d{8,10})/,
+    
+    // 日期: YYYY年MM月DD日 格式
+    date: /(\d{4}年\d{1,2}月\d{1,2}日)/,
+
+    // 其他日期格式
+    dateDash: /(\d{4}[-/]\d{1,2}[-/]\d{1,2})/,
+    dateCompact: /(\d{4}\d{2}\d{2})/,
+    
+    // 校验码: 20位数字或较长的非空字符序列
+    checksum: /校验码[:：](\d{20}|\S{10,})/,
+  };
+
+  /**
+   * 金额类模式
+   */
+  static AMOUNT_FIELDS = {
+    // 合计金额（不含税）
+    amount: /(?:合计|小计)[:：\s]*¥?(\d+\.?\d*)/,
+    
+    // 税额
+    taxAmount: /税额[:：\s]*¥?(\d+\.?\d*)/,
+    
+    // 价税合计 (大写和小写)
+    totalAmount: /价税合计(?:\(大写\))?[:：\s]*([^\(\)]*?)(?:\(小写\))?[:：\s]*¥?(\d+\.?\d*)/,
+    
+    // 金额+税额组合 (用于全电发票或紧凑布局)
+    amountWithTax: /¥?(\d+\.?\d*)\s*¥?(\d+\.?\d*)/,
+
+    // 带空格或分隔符的金额+税额
+    amountWithSpace: /¥?(\d+\.?\d*)\s+¥?(\d+\.?\d*)/,
+  };
+
+  /**
+   * 人名信息模式
+   */
+  static PERSON_FIELDS = {
+    // 收款人 / 复核 / 开票人
+    // 更精确的正则表达式，匹配中文名字（2-4个中文字符），使用非贪婪匹配
+    people: /收款人[:：](\S{2,4}?)复核[:：](\S{2,4}?)开票人[:：](\S{2,4}?)(?=销售方|$)/,
+  };
+
+  /**
+   * 购销方信息模式 - 统一优化版
+   */
+  static PARTY_FIELDS = {
+    // 名称：支持空格，支持冒号后的各种字符，直到换行或密码区标记
+    name: /名[\s]*称[:：\s]*([^密\n\r]+)/,
+    // 纳税人识别号：18位大写字母和数字，支持空格
+    code: /(?:纳[\s]*税[\s]*人[\s]*识[\s]*别[\s]*号|识别号)[:：\s]*([A-Z0-9]{15,20})/,
+    // 地址、电话：支持多种分隔符，提取地址部分
+    address: /地[\s]*址(?:[\s]*[、,，\s]*电[\s]*话)?[:：\s]*([^电\n\r]*)/,
+    // 电话：提取电话号码部分
+    phone: /电[\s]*话[:：\s]*([^\n\r]+)/,
+    // 开户行及账号
+    account: /开[\s]*户[\s]*行[\s]*及[\s]*账[\s]*号[:：\s]*([^\n\r]+)/,
+    // 电子支付标识
+    electronicAccount: /电[\s]*子[\s]*支[\s]*付[\s]*标[\s]*识[:：\s]*([^\n\r]*)/,
+  };
+
+  /**
+   * 明细表头识别
+   */
+  static DETAIL_HEADERS = {
+    name: /货物或应[\s]*税[\s]*劳[\s]*务[\s]*、[\s]*服[\s]*务[\s]*名[\s]*称/,
+    model: /规[\s]*格[\s]*型[\s]*号/,
+    unit: /单[\s]*位/,
+    quantity: /数[\s]*量/,
+    price: /单[\s]*价/,
+    amount: /金[\s]*额/,
+    taxRate: /税[\s]*率/,
+    taxAmount: /税[\s]*额/,
+  };
+
+  /**
+   * 发票类型识别
+   */
+  static INVOICE_TYPE = {
+    // 普通发票
+    regular: /(\S*)通发票/,
+    regularCleanup: /[国统一发票监制]/g,
+    
+    // 专用发票
+    special: /(\S*)用发票/,
+    specialCleanup: /[国统一发票监制]/g,
+    
+    // 通行费
+    tollFee: /通行费/,
+    tollFeeCheck: /车牌号/,
+  };
+
+  /**
+   * 明细行识别模式
+   */
+  static DETAIL_LINE = {
+    // 税率和金额行: 包含百分比和数字
+    taxRateLine: /\S+\d*(%|免税|不征税|出口零税率|普通零税率)\S*/,
+    // 数字提取
+    number: /^(-?\d+)(\.\d+)?$/,
+  };
+
+  /**
+   * 电子发票特定模式
+   */
+  static ELECTRONIC_INVOICE = {
+    // 电子发票类型
+    type: /电子发票\s*[（(]增值税(专用|普通)发票[）)]/,
+
+    // 合计金额模式
+    amountWithTax: /合\s*计\s*¥?\s*(\d+\.\d+)\s+¥?\s*(\d+\.\d+)/,
+
+    // 价税合计（数字）
+    totalAmount: /价税合计.*?¥?\s*(\d+\.\d+)/,
+
+    // 价税合计（中文大写）
+    totalAmountChinese: /价税合计.*?([壹贰叁肆伍陆柒捌玖拾佰仟万亿圆整]+)/,
+  };
+
+  /**
+   * 实用模式
+   */
+  static UTILITY_PATTERNS = {
+    // 电子发票号码
+    electronicsNumber: /电子发票号码[:：](\d{8,12})/,
+  };
+
+  /**
+   * 获取特定模式的所有匹配
+   * @param {string} text - 文本
+   * @param {RegExp} pattern - 正则表达式
+   * @returns {Array} 所有匹配的组
+   */
+  static getAllMatches(text, pattern) {
+    const results = [];
+    let match;
+    // 确保只有一个 'g' 标志
+    let flags = pattern.flags || '';
+    if (!flags.includes('g')) {
+      flags += 'g';
+    }
+    const globalPattern = new RegExp(pattern.source, flags);
+    while ((match = globalPattern.exec(text)) !== null) {
+      results.push(match);
+    }
+    return results;
+  }
+
+  /**
+   * 尝试多个模式，返回第一个匹配
+   * @param {string} text - 文本
+   * @param {Array<RegExp>} patterns - 正则表达式数组
+   * @returns {object} {match, pattern}
+   */
+  static tryPatterns(text, patterns) {
+    for (const pattern of patterns) {
+      const match = text.match(pattern);
+      if (match) {
+        return { match, pattern };
+      }
+    }
+    return null;
+  }
+
+  /**
+   * 提取数字型字段值
+   */
+  static extractNumber(text) {
+    if (!text) return null;
+    const match = text.match(/\d+(\.\d+)?/);
+    return match ? parseFloat(match[0]) : null;
+  }
+
+  /**
+   * 提取税率百分比
+   */
+  static extractTaxRate(text) {
+    if (!text || text.includes('免税') || text.includes('不征税')) {
+      return 0;
+    }
+    const match = text.match(/(\d+)%/);
+    return match ? parseFloat(match[1]) / 100 : 0;
+  }
+}
+
+module.exports = RegexPatterns;

package/lib/StringUtils.js

@@ -0,0 +1,70 @@
+/**
+ * 字符串工具类
+ */
+class StringUtils {
+  /**
+   * 规范化字符串 - 移除空格和特殊符号
+   */
+  static normalize(str) {
+    if (!str) return '';
+    return str
+      .replace(/\s+/g, '')
+      .replace(/　+/g, '')
+      .replace(/：/g, ':')
+      .replace(/（/g, '(')
+      .replace(/）/g, ')')
+      .replace(/￥/g, '¥');
+  }
+
+  /**
+   * 规范化为单个空格和去除前后空格
+   */
+  static replace(str) {
+    if (!str) return '';
+    return str
+      .replace(/\s+/g, ' ')
+      .replace(/　+/g, ' ')
+      .trim();
+  }
+
+  /**
+   * 去除空白字符
+   */
+  static trim(str) {
+    if (!str) return '';
+    return str.trim();
+  }
+
+  /**
+   * 判断是否为空或仅包含空白字符
+   */
+  static isBlank(str) {
+    return !str || str.trim().length === 0;
+  }
+
+  /**
+   * 判断是否不为空
+   */
+  static isNotBlank(str) {
+    return !StringUtils.isBlank(str);
+  }
+
+  /**
+   * 分割字符串
+   */
+  static split(str, separator = ' ') {
+    if (!str) return [];
+    return str.split(separator).filter((s) => s.length > 0);
+  }
+
+  /**
+   * 提取数字
+   */
+  static extractNumber(str) {
+    if (!str) return null;
+    const match = str.match(/-?\d+(\.\d+)?/);
+    return match ? match[0] : null;
+  }
+}
+
+module.exports = StringUtils;

package/lib/extractor.js

@@ -0,0 +1,24 @@
+/**
+ * 统一的发票提取器入口
+ */
+const PdfInvoiceExtractor = require('./PdfInvoiceExtractor');
+const OfdInvoiceExtractor = require('./OfdInvoiceExtractor');
+const ErrorHandler = require('./ErrorHandler');
+
+async function extract(filePath) {
+  return ErrorHandler.safeExtract(async () => {
+    if (filePath.toLowerCase().endsWith('.ofd')) {
+      return OfdInvoiceExtractor.extract(filePath);
+    } else if (filePath.toLowerCase().endsWith('.pdf')) {
+      return PdfInvoiceExtractor.extract(filePath);
+    } else {
+      throw new Error('Unsupported file format. Only PDF and OFD are supported.');
+    }
+  }, [], 'extractor');
+}
+
+module.exports = {
+  extract,
+  extractPdf: PdfInvoiceExtractor.extract,
+  extractOfd: OfdInvoiceExtractor.extract,
+};

package/package.json

@@ -0,0 +1,31 @@
+{
+  "name": "einvoice-cli",
+  "version": "1.0.0",
+  "description": "电子发票识别 CLI 工具 (PDF/OFD)",
+  "main": "index.js",
+  "bin": {
+    "einvoice": "bin/cli.js"
+  },
+  "scripts": {
+    "start": "node bin/cli.js",
+    "test": "node test/test.js"
+  },
+  "keywords": [
+    "invoice",
+    "pdf",
+    "ofd",
+    "recognition"
+  ],
+  "author": "jhoncy",
+  "license": "MIT",
+  "dependencies": {
+    "commander": "^12.1.0",
+    "iconv-lite": "^0.7.2",
+    "jszip": "^3.10.1",
+    "pdfjs-dist": "^3.11.174",
+    "xml2js": "^0.6.2"
+  },
+  "devDependencies": {
+    "node": ">=16.0.0"
+  }
+}