# excel-pdf-extractor

**Repository Path**: 229xu/excel-pdf-extractor

## Basic Information

- **Project Name**: excel-pdf-extractor
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-03-29
- **Last Updated**: 2026-03-29

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Excel PDF 数据提取系统

一个专业的工业文档数据处理系统，支持从 PDF 和 Excel 文件中自动提取数据。

## ✨ 功能特性

- 📄 **PDF 数据提取** - 自动识别产品合格证，提取牌号、炉号、批次号等信息
- 📊 **Excel 数据提取** - 从明细单中提取入库数据
- 🔍 **二维码识别** - 基于 OpenCV 的二维码扫描和数据解析
- 🎨 **友好界面** - Tkinter GUI，支持拖拽操作
- ⚡ **批量处理** - 支持多文件并行提取
- 💾 **缓存机制** - 智能缓存提升重复提取速度

## 🚀 快速开始

### 安装依赖

```bash
pip install -r requirements.txt
```

### 运行程序

```bash
# 方式 1: 使用启动脚本
python run_gui_no_warnings.py

# 方式 2: 直接运行模块
python -m src.gui.main_window
```

## 📁 项目结构

```
app/
├── src/                      # 源代码
│   ├── extractors/           # 数据提取器
│   │   ├── pdf_extractor.py  # PDF 提取器
│   │   └── excel_extractor.py # Excel 提取器
│   ├── validators/           # 数据校验器
│   │   └── data_validator.py # 数据比对
│   ├── services/             # 服务层
│   │   └── extraction_service.py  # 提取服务
│   ├── core/                 # 核心基础设施
│   │   ├── cache.py         # 缓存管理
│   │   ├── events.py        # 事件总线
│   │   └── task_queue.py    # 任务队列
│   └── gui/                  # GUI 模块
│       └── main_window.py    # 主窗口
├── tests/                    # 单元测试
├── test_tools/               # 测试工具
│   └── scripts/              # 分类测试脚本
├── data/                     # 数据文件
│   └── samples/              # 测试样本
├── docs/                     # 文档
│   ├── guides/               # 使用指南
│   └── reports/              # 开发报告
├── scripts/                  # 工具脚本
└── requirements.txt          # 依赖配置
```

📖 **详细结构**: 查看 [PROJECT_STRUCTURE.md](PROJECT_STRUCTURE.md)

## 📖 使用说明

### 1. PDF 数据提取

1. 点击"选择文件"选择 PDF 文件
2. 点击"🚀 一键提取"
3. 查看提取结果

### 2. Excel 数据提取

1. 点击"选择文件"选择 Excel 文件
2. 点击"🚀 一键提取"
3. 查看提取结果

### 3. 同时提取

1. 分别选择 PDF 和 Excel 文件
2. 点击"🚀 一键提取"
3. 同时获取两个文件的数据

## 🧪 测试

```bash
# 运行单元测试
pytest tests/unit -v

# 运行集成测试
pytest tests/integration -v

# 生成测试覆盖率报告
pytest --cov=src --cov-report=html
```

## 🛠️ 开发

### 代码质量检查

```bash
# 安装开发依赖
pip install -r requirements-dev.txt

# 一键格式化代码
python scripts/format_code.py

# 运行代码检查
python scripts/check_code.py

# 单独使用工具
black src/                    # 格式化
isort src/                    # 导入排序
flake8 src/                   # 风格检查
mypy src/                     # 类型检查
```

### Pre-commit 钩子

```bash
# 安装 pre-commit
pre-commit install

# 手动运行所有钩子
pre-commit run --all-files
```

### 旧命令（仍然支持）

```bash
# 代码格式化
black src/ tests/

# 代码检查
flake8 src/ tests/

# 类型检查
mypy src/
```

## 📝 更新日志

详见 [CHANGELOG.md](docs/changelog.md)

## 📄 许可证

MIT License

## 👥 贡献

欢迎提交 Issue 和 Pull Request！