这次要解决什么
发票散在不同来源时，人工最耗时的不是录入，而是重复和缺漏。先把字段统一，再谈核对。
演示走查使用虚构发票数据，不对应任何真实客户。
输入与处理
输入是 PDF、OFD、图片发票和一份现有台账。处理时先抽取出票日期、发票代码、发票号码、金额、税额和抬头信息，再做格式统一。
重复判断优先使用发票代码 + 发票号码；没有代码时，再用日期 + 金额 + 对方名称做候选匹配，最终结果保留人工确认项。
- 统一日期和金额格式，避免文本与数值混用。
- 按代码和号码去重，并标出同号不同金额的异常。
- 与现有台账比对，列出未入账和台账缺失项。
- 把无法识别的图片或字段单独放入待确认清单。
交付物
交付一张发票台账、一张重复项清单、一张缺失项清单和一份处理说明。每条异常都保留来源文件，方便回查。
验收与边界
验收看三件事：台账行数与输入数量能否对上；重复项是否都有解释；缺失项是否能追溯到原文件。
模糊扫描件、被修改过的票面和来源不明的资料不在自动判断范围内，需要人工复核或补充原始文件。
这篇的要点
- 先统一字段，再做重复判断。
- 重复项和缺失项要分开列。
- 异常项必须保留来源。