海关税单批量解析 - yx-tax-batch-parser

使用阿里云百炼多语言OCR (Qwen-VL Plus) 解析海关税单PDF，提取关税和海关增值税，按税种汇总，输出JSON。

税单结构说明

海关税单（税费单）通常包含两个税种（同一报关单号，同一批货物）：

• A类（进口关税）：从价税率 × 完税价格 = 关税税额
• L类（进口增值税）：根据增值税率计算

同一份税单PDF可能有1页或2页，取决于税种数量。

触发条件

当用户提到以下内容时使用此Skill：

• "解析税单"
• "解析海关税单"
• "提取关税和增值税"
• "税金汇总"
• "海关税单JSON"
• "税单已收到"

工作流程

1. PDF转图片

使用 pymupdf 将PDF每页转换为高分辨率图像：

import pymupdf

pdf_path = "path/to/tax.pdf"
doc = pymupdf.open(pdf_path)
images = []
for page_num in range(len(doc)):
    page = doc[page_num]
    zoom = 2.0
    mat = pymupdf.Matrix(zoom, zoom)
    pix = page.get_pixmap(matrix=mat)
    img_path = f"tax_page_{page_num+1}.png"
    pix.save(img_path)
    images.append(img_path)

2. 调用OCR（阿里云百炼 Qwen-VL Plus）

import base64, dashscope
from dashscope import MultiModalConversation

DASHSCOPE_API_KEY = "sk-d58e001170b14003939330357dd5121e"
dashscope.api_key = DASHSCOPE_API_KEY

def ocr_image(image_path):
    with open(image_path, "rb") as f:
        img_base64 = base64.b64encode(f.read()).decode("utf-8")
    
    messages = [{
        "role": "user",
        "content": [
            {"image": f"data:image/png;base64,{img_base64}"},
            {"text": """请提取这份海关税单的完整信息，严格按以下JSON格式输出，不要包含任何其他内容：
{
  "contractNo": "合同号（从合同号字段提取）",
  "billOfLading": "提单号（从提单号字段提取）",
  "customsDeclarationNo": "报关单号",
  "taxType": "税种（A=关税，L=增值税）",
  "taxAmount": 税款金额（数字，从税款金额字段提取）,
  "detailList": [
    {
      "hsCode": "税号",
      "productName": "货名/品名",
      "quantity": 数量（数字）,
      "unit": "单位",
      "currency": "币制",
      "exchangeRate": 外汇折算率（数字）,
      "dutiablePrice": 完税价格（数字，若无则填0）,
      "tariffRate": 从价税率（数字，若无则填0）,
      "taxAmount": 税额（数字，从税额列提取，若无则用页眉税款金额）
    }
  ]
}
只输出JSON，不要有其他文字。"""}
        ]
    }]
    
    response = MultiModalConversation.call(model="qwen-vl-plus", messages=messages)
    return response.output.choices[0].message.content[0]["text"]

3. 解析字段说明

4. 汇总逻辑

• 外汇折算率：取第一条记录的数值
• 数量累计：同一批次号（报关单号）下所有明细的quantity相加
• 按税种汇总：
  • tariffSummary：所有A类（关税）的taxAmount汇总
  • vatSummary：所有L类（增值税）的taxAmount汇总

5. 输出JSON结构

{
  "contractNo": "NZ2072/25",
  "billOfLading": "HKGHUA25090055",
  "exchangeRate": 7.1384,
  "totalQuantity": 49.5,
  "unit": "吨",
  "taxSummary": {
    "tariffAmount": 33303.31,
    "vatAmount": 70936.06
  },
  "detailList": [
    {
      "taxType": "A",
      "taxTypeName": "进口关税",
      "hsCode": "3901200099",
      "productName": "高密度聚乙烯",
      "quantity": 49.5,
      "unit": "吨",
      "currency": "USD",
      "exchangeRate": 7.1384,
      "dutiablePrice": 512358.66,
      "tariffRate": 0.065,
      "taxAmount": 33303.31
    },
    {
      "taxType": "L",
      "taxTypeName": "进口增值税",
      "hsCode": "3901200099",
      "productName": "高密度聚乙烯",
      "quantity": 49.5,
      "unit": "吨",
      "currency": "USD",
      "exchangeRate": 7.1384,
      "dutiablePrice": 0,
      "tariffRate": 0,
      "taxAmount": 70936.06
    }
  ]
}

6. 保存结果

• 文件名: {合同号}_tax.json（如 NZ2072_25_tax.json）
• 路径: 与原始PDF同目录

注意事项

1. API Key: 使用 sk-d58e001170b14003939330357dd5121e (阿里云百炼)
2. PDF转换: 扫描件需先转图像，文字版PDF可直接提取
3. 税种判断: A=关税（tariff），L=增值税（VAT）
4. 税额取值优先级: 表内税额列 > 页眉税款金额
5. 编码: Python输出设置 sys.stdout = io.TextIOWrapper(sys.stdout.buffer, encoding='utf-8')
6. 数量单位: 海关税单数量单位通常为"吨"，需注意与批次发票的"KG"区分

使用示例

用户输入：

解析税单：C:\Users\Administrator.openclaw\workspace\ineos_attachments\NZ2072-25税单.pdf

执行步骤：

1. 使用 scripts/parse_tax.py 脚本
2. 提取 contractNo、billOfLading、taxType、taxAmount、detailList
3. 外汇折算率取第一条
4. 按A类（关税）和L类（增值税）分别汇总
5. 输出JSON文件