差旅费用报销整理技能

任务目标

• 本技能用于：根据用户指定文件夹中的文件名，自动整理差旅报销清单
• 能力包含：文件扫描、数据清洗、费用分类提取、打车费行程提取、机票折扣计算、出差补助计算、票据去重、格式化输出
• 触发条件：用户提及整理报销、处理差旅票据、计算机票折扣或生成报销清单时触发

前置准备

• 确保已准备好需要整理的报销文件夹
• 文件夹中包含打车费账单（PDF格式）、飞机票凭证、住宿费发票等票据文件
• 确保能够联网查询机票Y舱全价（通过携程网站）

操作步骤

1. 扫描文件夹

读取用户指定的报销文件夹，获取所有文件列表。

2. 数据清洗

对文件名进行清洗，移除数字编号、下划线、括号等内容。

数据清洗规则：

| 清洗项 | 操作 | 示例 | |--------|------|------| | 数字编号 | 移除开头数字 | 020219_维修费 → 维修费 | | 下划线 | 移除 | 维修费_北京 → 维修费 | | 括号内容 | 移除括号及内容 | 维修费（说明） → 维修费 |

3. 费用分类提取

从文件名中识别并提取：

• 日期：出发日期、住宿日期范围
• 行程：城市间交通（如 南京-湛江）、住宿地点
• 金额：实际支付金额
• 费用类别：打车费、飞机票、住宿费、其他

4. 打车费行程提取（脚本处理）

使用 pymupdf 读取PDF账单，提取起点和终点信息。

操作方式：

import fitz  # pymupdf

doc = fitz.open(pdf_path)
for page in doc:
    text = page.get_text()
    # 从text中提取起点、终点
doc.close()

行程提取规则：

1. 使用 pymupdf (fitz) 读取PDF账单（滴滴出行行程报销单、用车电子发票等）
2. 从PDF中提取起点和终点信息
3. 简化地点名称：
   • 机场：首都机场、白云机场、大兴机场、浦东机场等
   • 地点：酒店、亦庄、晓港、大学城、黄边、同和等
4. 如果PDF无法读取，使用文件名中的行程信息
5. 格式：日期 起点-终点，金额元

示例（从滴滴行程单提取）：

起点：亦庄|北京城建·海梓府-北门
终点：北京市大兴区北京大兴国际机场3F国内出发
简化后：亦庄-大兴机场

5. 住宿费信息提取（脚本处理）

使用 pymupdf 读取住宿水单或住宿清单，提取酒店名称、入住日期、退房日期和金额信息。

操作方式：

import fitz  # pymupdf

doc = fitz.open(pdf_path)
for page in doc:
    text = page.get_text()
    # 从text中提取酒店名称、入住日期、退房日期、金额
doc.close()

住宿费提取规则：

1. 使用 pymupdf (fitz) 读取住宿水单/住宿清单（PDF格式）
2. 从PDF中提取以下信息：
   • 酒店名称：通常在文档开头或显著位置
   • 入住日期：入住开始日期
   • 退房日期：退房/离店日期
   • 住宿金额：实际支付金额
3. 从酒店名称中提取城市信息：
   • 酒店名称通常包含城市信息，如"湛江海滨宾馆"、"广州白云宾馆"等
   • 提取城市名：从酒店名称中识别城市关键字
   • 常见城市关键字：湛江、广州、北京、上海、深圳、南京、杭州等
4. 计算住宿天数：
   • 住宿天数 = 退房日期 - 入住日期
   • 例如：3月4日入住，3月6日退房，住宿2天
5. 格式化输出：
   • 单个城市住宿：入住日期-退房日期 城市住宿X天，金额
   • 多个城市住宿：入住日期-退房日期 城市，金额；入住日期-退房日期 XX城市住宿X天，金额；合计：总金额

提取示例：

从住宿水单提取：
- 酒店名称：湛江海滨宾馆
- 入住日期：3月4日
- 退房日期：3月6日
- 住宿天数：2天（3月6日 - 3月4日）
- 住宿金额：677.92元
- 提取城市：湛江（从"湛江海滨宾馆"中提取）
- 格式化后（单城市）：3月4日-6日 湛江住宿2天，677.92元

多城市住宿示例：
3月4日-6日 湛江住宿2天，677.92元；3月6日-8日 广州住宿2天，856.50元；合计：1534.42元

城市提取规则：

• 如果酒店名称包含城市关键字，直接提取
• 如果酒店名称不包含城市，从文档其他位置查找城市信息
• 如果无法提取城市，使用文件名中的城市信息或提示用户提供

6. 高铁票信息提取（脚本处理）

使用 pymupdf 读取高铁票文件，提取出发日期、出发站、到达站、座次和票价信息。

操作方式：

import fitz  # pymupdf

doc = fitz.open(pdf_path)
for page in doc:
    text = page.get_text()
    # 从text中提取出发日期、出发站、到达站、座次、票价
doc.close()

高铁票提取规则：

1. 使用 pymupdf (fitz) 读取高铁票文件（PDF格式）
2. 从PDF中提取以下信息：
   • 出发日期：乘车日期（如2024年3月4日或3月4日）
   • 出发站：出发车站名称（如湛江站、北京西站）
   • 到达站：到达车站名称（如广州南站、上海虹桥站）
   • 座次：座位席别（如二等座、一等座、商务座）
   • 票价：实际支付金额（如165.00元）
3. 简化站点名称：
   • 去掉"站"字（如"湛江站" → "湛江"）
   • 保留具体站名（如"广州南"不简化为"广州"）
4. 格式化输出：
   • 单张票：日期 出发站-到达站高铁票座次，金额
   • 多张票：日期 出发站-到达站高铁票座次，金额；日期 出发站-到达站高铁票座次，金额；合计：总金额

提取示例：

从高铁票PDF提取：
- 出发日期：3月4日
- 出发站：湛江站
- 到达站：广州南站
- 座次：二等座
- 票价：165.00元
- 格式化后：3月4日 湛江-广州南高铁票二等座，165元

多张高铁票：
3月4日 湛江-广州南高铁票二等座，165元；3月6日 广州南-武汉高铁票二等座，463.50元；合计：628.5元

座次说明：

• 常见座次：二等座、一等座、商务座、特等座等
• 在输出中保留座次信息，便于核对

7. 机票折扣计算（脚本辅助）

联网查询携程获取Y舱全价，使用脚本计算折扣率。

强制要求：必须在携程查询国航/南航/东航的Y舱全价

查询步骤（携程）：

1. 使用浏览器打开携程机票搜索页面：https://flights.ctrip.com/online/list/oneway-{出发城市代码}-{到达城市代码}?depdate={日期}&cabin=y
2. 筛选航空公司：中国国航、南方航空、东方航空
3. 点击航班展开所有产品，找到没有折扣标注的经济舱（即Y舱全价）
4. Y舱全价 = 该价格（不含机建燃油费）

计算步骤：

1. 从文件名获取：航线（如 北京-广州）、实际支付金额
2. 从携程查询Y舱全价
3. 扣除机场建设费（50元）和燃油附加费（800km以上120元，以下60元）
4. 计算折扣率

票面价 = 实际支付 - 机建费(50) - 燃油费(120或60)
折扣率 = 票面价 / Y舱全价
折扣显示 = round(折扣率 * 10, 1)折

示例：

• 北京-广州航线：携程查询国航Y舱全价 = 3360元
• 实际支付1350元，票面价 = 1350 - 50 - 120 = 1180元
• 折扣 = 1180 / 3360 = 0.351 → 3.5折

8. 出差补助计算

补助标准： | 城市 | 每日补助 | |------|----------| | 广州、深圳、上海 | 80元/天 | | 其他城市 | 60元/天 |

计算方式：

• 按开始日期到截止日期计算天数
• 根据出差城市确定补助标准（从住宿水单提取的城市或用户提供）
• 补助金额 = 天数 × 日补助标准

9. 票据去重

识别同一笔费用的重复票据，综合对比日期、行程、金额，保留最完整记录。

打车费去重规则：

• 同一行程的"滴滴出行行程报销单"和"滴滴电子发票"是重复，只保留一个
• 优先保留行程报销单（含详细行程信息）

租车费去重规则：

1. 如果存在"租车单"文件，提取其金额作为总费用
2. 检查是否有其他租车相关发票（如"租车服务费"、"租车费"）
3. 如果 租车单金额 = 其他租车发票金额之和，则判定为重复
4. 去重处理：只保留租车单，忽略明细发票

示例：

• 租车单：680.76元
• 租车服务费发票：199.98元
• 租车费发票：480.78元
• 判断：680.76 = 199.98 + 480.78 → 重复
• 处理：只保留"租车费：3月22日-23日 广州租车，680.76元"

10. 格式化输出

根据使用需求，提供两种输出格式选项：

格式1：标准格式（默认） - 单行紧凑格式

• 用途：直接复制到报销系统
• 格式要求：

  费用类别：日期 行程，金额；日期 行程，金额；合计：总金额
  

格式要点：

• 单行紧凑格式，用分号分隔各项
• 每项格式：日期 行程，金额元
• 机票带折扣：金额（X.X折）
• 最后加"合计：XXX元"
• 出差补助格式：日期范围，X天，合计：XXX元

格式2：Markdown 表格格式（可选） - 表格化展示

• 用途：文档展示、人工审核、复制到 Excel
• 格式要求：

  | 费用类别 | 日期 | 行程 | 金额 |
  |---------|------|------|------|
  | 打车费 | 3月4日 | 湛江机场-酒店 | 109元 |
  | 打车费 | 3月5日 | 环保局-餐厅 | 13.7元 |
  | **打车费小计** | - | - | **122.7元** |
  | 飞机票 | 3月4日 | 南京-湛江 | 1059.78元（6.9折） |
  | **飞机票小计** | - | - | **1059.78元** |
  

• 每类费用底部添加小计行
• 最后一行显示总计报销金额

输出格式示例

格式1：标准格式（默认）

打车费：3月4日 湛江机场-酒店，109元；3月5日 环保局-餐厅，13.7元；合计：122.7元

高铁票：3月4日 湛江-广州南高铁票二等座，165元；3月6日 广州南-武汉高铁票二等座，463.5元；合计：628.5元

飞机票：3月4日 南京-湛江，1059.78元（6.9折）；合计：1059.78元

住宿费：3月4日-6日 湛江住宿2天，677.92元；合计：677.92元

出差补助：3月4日-6日，3天，合计：180元

---

总计报销金额：2040.4元

格式2：Markdown 表格格式（可选）

| 费用类别 | 日期 | 行程 | 金额 |
|---------|------|------|------|
| 打车费 | 3月4日 | 湛江机场-酒店 | 109元 |
| 打车费 | 3月5日 | 环保局-餐厅 | 13.7元 |
| **打车费小计** | - | - | **122.7元** |
| 高铁票 | 3月4日 | 湛江-广州南高铁票二等座 | 165元 |
| 高铁票 | 3月6日 | 广州南-武汉高铁票二等座 | 463.5元 |
| **高铁票小计** | - | - | **628.5元** |
| 飞机票 | 3月4日 | 南京-湛江 | 1059.78元（6.9折） |
| **飞机票小计** | - | - | **1059.78元** |
| 住宿费 | 3月4日-6日 | 湛江住宿2天 | 677.92元 |
| **住宿费小计** | - | - | **677.92元** |
| 出差补助 | 3月4日-6日 | 湛江（3天） | 180元 |
| **出差补助小计** | - | - | **180元** |
| **总计** | - | - | **2040.4元** |

资源索引

• 脚本：见 scripts/discount_calculator.py（用途：计算机票折扣率，参数：actual、construction、fuel、full、airline）
• 参考：见 references/discount-rules.md（用途：机票折扣计算规则，包含计算步骤、示例和费用标准）
• 参考：见 references/format-guide.md（用途：输出格式规范和数据清洗规则，包含完整示例）

使用示例

示例1：简单差旅报销整理

• 用户输入：帮我整理 D:\Work\报销\2024年3月出差
• 操作步骤：
  1. 扫描文件夹获取所有票据文件
  2. 对文件名进行数据清洗
  3. 提取各费用的日期、行程、金额信息
  4. 读取打车费PDF提取行程信息
  5. 读取住宿水单提取酒店名称、日期、金额和城市信息
  6. 读取高铁票提取出发站、到达站、座次和票价
  7. 联网查询携程获取机票Y舱全价
  8. 使用脚本计算机票折扣率
  9. 根据城市和天数计算出差补助
  10. 去重处理
  11. 按标准格式输出报销清单（可选择标准格式或Markdown表格格式）
• 预期产出：按格式输出各类费用的明细和总计

示例2：机票折扣计算

• 场景：需要计算南京-湛江航线的机票折扣
• 操作：
  1. 从文件名获取航线和实际支付金额
  2. 使用 browser 工具访问携程机票页面
  3. 筛选国航/南航/东航，找到Y舱全价
  4. 调用脚本：python scripts/discount_calculator.py --actual 1059.78 --construction 50 --fuel 10 --full 1530
  5. 脚本返回折扣率
• 预期产出：1059.78元（6.5折）

示例3：住宿费信息提取

• 场景：需要从住宿水单提取酒店信息
• 操作：
  1. 使用 pymupdf 读取住宿水单PDF文件
  2. 从文本中提取酒店名称（如"湛江海滨宾馆"）
  3. 提取入住和退房日期（如3月4日-3月6日）
  4. 计算住宿天数（退房日期 - 入住日期，如2天）
  5. 提取住宿金额（如677.92元）
  6. 从酒店名称中提取城市信息（"湛江海滨宾馆" → 湛江）
  7. 格式化为：入住日期-退房日期 城市住宿X天，金额
• 预期产出：3月4日-6日 湛江住宿2天，677.92元
• 多城市住宿示例：3月4日-6日 湛江住宿2天，677.92元；3月6日-8日 广州住宿2天，856.50元；合计：1534.42元

示例4：高铁票信息提取

• 场景：需要从高铁票PDF提取票据信息
• 操作：
  1. 使用 pymupdf 读取高铁票PDF文件
  2. 从文本中提取出发日期（如3月4日）
  3. 提取出发站和到达站（如湛江站、广州南站）
  4. 提取座次（如二等座）
  5. 提取票价（如165.00元）
  6. 简化站点名称（去掉"站"字）
  7. 格式化为：日期 出发站-到达站高铁票座次，金额
  8. 多张高铁票累加金额并计算合计
• 预期产出：3月4日 湛江-广州南高铁票二等座，165元；3月6日 广州南-武汉高铁票二等座，463.5元；合计：628.5元

注意事项

• 输出格式选择：默认使用标准格式（单行紧凑），如需Markdown表格格式请在请求中说明
• 机票全价必须在携程查询Y舱，不能使用参考表或估算值
• 打车费行程从PDF提取，使用 pymupdf 读取滴滴行程单
• 住宿费信息从PDF提取，使用 pymupdf 读取住宿水单，从酒店名称提取城市信息，住宿天数 = 退房日期 - 入住日期
• 高铁票信息从PDF提取，使用 pymupdf 读取高铁票，提取出发站、到达站、座次和票价
• 出差补助按城市分类：广州/深圳/上海 80元，其他 60元
• 日期格式统一：如"3月4日"、"3月4日-6日"
• 金额保留1-2位小数
• 标准格式严格按示例输出，单行紧凑，分号分隔
• 住宿费必须显示住宿天数：格式为入住日期-退房日期 城市住宿X天，金额
• Markdown表格格式需包含小计行，每类费用底部汇总
• 票据去重要谨慎，确保不遗漏或重复计算

常见陷阱

1. 机票折扣计算错误：如果未正确扣除机建费和燃油费，会导致折扣率计算错误
2. 打车费行程提取失败：PDF格式不标准或编码问题可能导致无法读取，此时使用文件名中的行程信息
3. 住宿费城市提取错误：酒店名称可能不包含城市信息，需要从文档其他位置查找或用户提供
4. 票据误判为重复：租车费去重时，如果租车单金额与发票金额不完全相等，可能导致误判
5. 日期格式不统一：混用不同日期格式会导致输出不规范
6. 金额计算精度丢失：保留小数位数不一致会导致合计金额不准确

关键技术说明

PDF读取（打车费行程）：

• 使用 pymupdf (fitz) 库读取PDF文件
• 从提取的文本中解析起点和终点信息
• 简化地点名称以保持格式统一

PDF读取（住宿费信息）：

• 使用 pymupdf (fitz) 库读取住宿水单PDF
• 提取酒店名称（通常在文档开头或显著位置）
• 提取入住日期、退房日期和住宿金额
• 计算住宿天数：天数 = 退房日期 - 入住日期
• 从酒店名称中提取城市信息（如"湛江海滨宾馆" → 湛江）
• 格式化输出：入住日期-退房日期 城市住宿X天，金额

PDF读取（高铁票信息）：

• 使用 pymupdf (fitz) 库读取高铁票PDF
• 提取出发日期、出发站、到达站、座次、票价
• 简化站点名称（去掉"站"字，保留具体站名）
• 支持多张高铁票累加金额

机票Y舱查询（携程）：

• 必须联网查询，不能使用固定价格表
• 使用 browser 工具打开携程机票页面
• 筛选特定航空公司（国航、南航、东航）
• 找到无折扣标注的经济舱价格作为Y舱全价

折扣率计算：

• 可使用脚本辅助计算：python scripts/discount_calculator.py --actual <实际支付> --construction <机建费> --fuel <燃油费> --full <全价>
• 或手动计算：票面价 = 实际支付 - 机建费 - 燃油费，折扣率 = 票面价 / 全价