# ai-pdf-excel **Repository Path**: jext/ai-pdf-excel ## Basic Information - **Project Name**: ai-pdf-excel - **Description**: 学习AI原生编程，学习自然语言编程，实现真实需求：从多个PDF合同文件中提取客户订单号，提取出来的内容保存为csv（EXCEL）文件。并记录处理日志，便于跳过已经处理过的pdf文件。 - **Primary Language**: Unknown - **License**: MIT - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 2 - **Created**: 2026-05-02 - **Last Updated**: 2026-05-05 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # AI PDF Excel 从多个PDF合同文件中提取客户订单号，提取出来的内容保存为csv（EXCEL）文件。 ## 提取文件内容 将./ 及 ./files/目录下的所有pdf文件内容提取出来，保存为content/目录下的txt文件。每个txt文件对应一个pdf文件，文件名与pdf文件名相同。 转换后的txt文件第一行保存pdf文件hash值，格式：hash: hash_value。提取pdf文件内容时，如果相同名称的txt文件已存在，检查hash值：如果一样则跳过，否则就覆盖txt文件重新提取内容。 第二行保存pdf文件路径，格式：path: pdf_file_path。 检查content/目录下的txt文件，读取第二行的pdf文件路径，检查是否有对应的pdf文件存在。如果没有，就删除txt文件。 注意：即使没有需要处理的pdf文件，也需要检查content/目录下的txt文件。 ## 提取客户订单号 搜索content/目录下的所有txt文件内容，根据关键字提取内容，并保存为根目录下的csv文件。 关键字：你们的增值税登记号、你们的订单号、订单号、发货清单号、交货地址、发票、客户代码、订单日期、贵方联系人 提取值：不一定是数字，不要添加数字过滤条件。 csv文件名称规则：yyMMdd_订单号.csv，其中“订单号”这3个字固定不变，只有yyMMdd根据处理日期动态生成。 csv文件内容： 第1列：关键字1的名称作为列名称，关键字1的值作为列内容。 以此类推，每个关键字对应一列。 最后1列：文件名称 ## 采用知识库的方式进行分析处理 通过对txt文件内容的分析给出评价，不调用python脚本。