经验分享与实例解决

先判断账单是什么类型

解析前先判断 PDF 是文字版还是扫描件。文字版可以直接提取；扫描件需要 OCR。

有表格线的 PDF：直接识别表格

很多银行账单会绘制水平线和垂直线。系统会先按表格线提取，再清理空单元格，并去掉每一页重复出现的表头。

Date        | Description      | Debit   | Credit  | Balance
2026-07-03  | ACME PAYROLL     |         | 4,500.00| 14,500.00
2026-07-05  | OFFICE RENT      | 2,400.00|         | 12,100.00

没有表格线的 PDF：按文字坐标兜底

部分账单只是把文字按固定位置排列，没有可见表格线。此时会先按行拆分，再按文字坐标判断列边界。描述里有空格也不会被拆散，金额空位会保留为空单元格。

2026-07-11  SUPPLIER PAYMENT  3,150.00          15,750.00
2026-07-15  ATM WITHDRAWAL      500.00          15,250.00
2026-07-18  REFUND - TAX                   220.50 15,470.50

扫描件：需要 OCR

扫描件只有图片，没有可提取的文字。继续调整表格识别参数不会有效，必须先做 OCR。当前版本会提示“需要 OCR”，避免用户下载空文件。

导出安全：金额和公式

银行账单文本来自外部 PDF，导出时必须防止单元格内容被 Excel 当成公式执行。以等号、加号、减号或 @ 开头的文本都会转为纯文本。CSV 使用 UTF-8 BOM，保证中文在 Excel 中不乱码。

实例：为什么识别出 0 行

最常见的三个原因：扫描件、页面是图片、账单文字被安全工具转成图片。解决办法依次是接入 OCR、确认文件来源、重新生成文字版 PDF。管理后台会记录转换日志，但不会保存账单文件。