海关税单批量解析

海关税单批量解析

使用阿里云百炼 OCR 自动解析海关税单 PDF，提取关键字段并按税种汇总输出结构化 JSON。

clawhub install yx-tax-batch-parser

核心功能

• 智能 OCR 识别：基于阿里云百炼 OCR 引擎，精准识别海关税单中的表格、印章和手写批注
• 关键字段提取：自动提取合同号、报关单号、税单编号、商品名称、完税价格等核心字段
• 税种分类汇总：区分关税和增值税，分别计算税额并汇总合计
• 批量处理：支持一次性处理整个目录的税单 PDF，自动跳过非税单文件
• 结构化 JSON 输出：解析结果输出为标准 JSON 格式，方便后续系统集成和数据分析

前置条件

1. 注册阿里云百炼平台并开通 OCR 服务
2. 获取 API Key 并配置环境变量：

export ALIYUN_BAILIAN_API_KEY=your-api-key

3. 确保 PDF 文件为标准海关税单格式（支持电子版和扫描件）

使用示例

单文件解析

{
  "file": "tax_invoice_001.pdf",
  "output": "result_001.json"
}

输出示例：

{
  "contractNo": "2026-SH-00142",
  "declarationNo": "220120260001",
  "taxes": {
    "customs": {"items": 3, "total": 12580.00},
    "vat": {"items": 3, "total": 8680.50}
  },
  "grandTotal": 21260.50
}

批量目录解析

{
  "directory": "/data/tax-invoices/2026-04/",
  "output": "/data/parsed-results/",
  "recursive": true,
  "skipErrors": true
}

适用场景

• 外贸企业每月税单对账和归档
• 财务团队自动化税务数据录入
• 审计期间的税单批量核查
• 报关行客户税单整理和统计

设计说明

参照 ineos-batch-parser 的结构设计，采用「扫描→识别→提取→汇总」四阶段流水线。每个阶段独立可配置，支持自定义 OCR 模型和字段映射规则。批量模式下自动生成处理报告，包含成功/失败/跳过统计。

⚠️ 注意：阿里云百炼 OCR 有调用频率限制，批量处理大量文件时建议配置请求间隔。扫描件质量较差时识别精度可能下降，建议配合人工抽检。