发票 PDF 智能合并
将多张发票 PDF 拼版到同一张 A4 纸上，节省打印纸张，同时保持 PDF 文字可选中特性。
核心特性
- 保持文字可选中 — 使用 PyMuPDF 的
show_pdf_page()，不转图片 - 发票上 + 行程单下 — 固定上下布局，发票自适应缩放至半页，行程单按原始尺寸铺排
- 自动删除空白尾页 — 检测并删除仅有页码的无意义尾页
- 落单发票处理 — 只占上半张 A4，下半留空，大小与合并时一致
- 批量处理 — 自动扫描文件夹，按文件名智能配对发票和行程单
安装依赖
/usr/bin/python3 -m pip install PyMuPDF --user
注意：必须使用系统 Python 安装，WorkBuddy 管理的 Python 环境可能不同。
快速使用
核心设计原则：一张发票对应一个行程，按文件名中的共同前缀智能配对。
方式一：批量处理文件夹
将脚本放在待处理文件夹同级目录，然后运行：
/usr/bin/python3 merge_invoices.py <输入文件夹> <输出文件夹>
脚本会自动：
- 提取分组标识 — 从文件名中【】括号内的文字提取（如
【打车服务-2024年6月-市区到机场】） - 同一标识下的文件归为一组（每组 = 1个独立行程）
- 组内精确匹配「电子发票/电子普通发票」+「电子行程单/行程报销单」（用完整后缀判断，避免关键词误匹配）
- 每组输出一个 PDF：发票在上 + 行程单在下
- 无法配对的单独处理（只占上半张 A4）
方式二：合并两个指定 PDF
/usr/bin/python3 merge_invoices.py invoice1.pdf invoice2.pdf output.pdf
脚本说明
核心脚本：scripts/merge_invoices.py
主要函数
| 函数 | 用途 |
|---|---|
merge_invoice_itinerary() |
发票+行程单上下布局合并，自动删空白尾页 |
merge_two_pdfs() |
两个PDF简单2合1拼版（上下或左右） |
place_single_invoice() |
落单发票放到上半张A4 |
get_content_bottom() |
检测页面实际内容底部坐标 |
is_trivial_page() |
判断页面是否仅有页码等无意义内容 |
auto_merge_folder() |
批量扫描文件夹，按【】前缀智能分组配对 |
_extract_group_key() |
从文件名提取分组标识（【】括号或去后缀） |
关键设计决策
- 固定上下布局 — 发票在上半张、行程单在下半张，符合阅读习惯
- 行程单不压缩 — 按原始尺寸铺排，内容完整可读
- 检测内容区域 — 用
page.get_text("dict")["blocks"]获取 bbox，而非依赖页面尺寸 - 删除废页 — 输出后检查最后一页，若仅含页码（支持
"页码：1/1"、"页码： 1 / 1"等带空格格式）则删除
常见问题
Q：行程单内容太多，合并后变成多页？ A：这是预期行为。行程单按原始尺寸铺排，超出部分自动续页。如果不需要多页，可以修改脚本改用左右布局。
Q：合并后的PDF文字不可选？
A：检查是否安装了正确版本的 PyMuPDF。必须使用 show_pdf_page() 方法，不能将 PDF 转为图片再合并。
Q：落单发票太大/太小？ A：落单发票会使用与合并时相同的缩放逻辑，放到上半张A4的中心位置，大小一致。
输出文件命名
- 每组配对输出一个独立 PDF：
{分组标识前30字}_合并.pdf（如打车服务-2024年6月_合并.pdf） - 落单发票：保持原文件名，只占上半张 A4
配对逻辑详解
旧版（已废弃）用关键词 "发票" in f / "行程" in f 匹配，但发票文件名常含「1个行程」等文字导致误匹配。
新版采用两步法：
- 先分组：提取文件名中【】括号内的文字作为分组 key
- 再精确匹配：组内用完整后缀（
.电子发票.pdf/.电子行程单.pdf）判断类型