PDF报关单解析Web系统

从海关出口货物报关单（预录单）PDF中批量提取表头和表体数据，导出为 Excel。

一、系统功能

1.1 前台功能（所有用户）

1.2 后台功能（仅管理员）

1.3 导出 Excel 说明

管理员每月 15 号进入系统，点击「导出 Excel」→「导出当月数据」，即可下载当月所有已解析的报关单数据。导出文件格式与 导出.xlsx 模板一致：

•  报关单表头 sheet：32 列（订单号、报关单、提运单号、发货单位、运输方式、成交方式、合同协议号、毛重、净重、件数等）
• 报关单表体 sheet：13 列（项号、商品编码、商品名称、规格型号、申报数量、法定数量、总价、币制、征免等）

1.4 角色权限

二、安装方法

系统提供两种安装方式，根据使用场景选择。

方式一：二进制安装（推荐普通用户）

无需安装 Python 环境，下载即用。

Windows

1. 获取 pdf_web_app 文件夹（包含 pdf_web_app.exe 和依赖文件）
2. 双击 pdf_web_app.exe
3. 看到 访问: http://localhost:5000 提示后，打开浏览器访问
4. 用默认账号登录：admin / admin123

Linux

1. 获取 pdf_web_app 文件夹，上传到服务器

2. 执行：

cd pdf_web_app.
chmod +x pdf_web_app
./pdf_web_app

3. 浏览器访问 http://服务器IP:5000

首次运行会自动在程序同目录下创建 data/ 文件夹（含 SQLite 数据库和 uploads 目录），无需手动配置。

方式二：Docker 安装（适合服务器部署）

适合有 Docker 环境的服务器，数据持久化到宿主机。

# 1. 构建镜像docker build -t pdf-web-app . 

# 2. 启动容器（数据持久化到当前目录的 data 文件夹）
docker run -d \
 --name pdf-web-app \
 -p 5000:5000 \
 -v $(pwd)/data:/app/data \
 --restart unless-stopped \ 
pdf-web-app

启动后浏览器访问 http://服务器IP:5000，用默认账号登录。

Docker 常用命令：

# 查看日志
docker logs -f pdf-web-app 

# 停止
docker stop pdf-web-app 

# 启动（已创建的容器）
docker start pdf-web-app 

# 删除容器（数据不丢失，存在宿主机 data 目录）
docker rm -f pdf-web-app

三、使用方法

3.1 首次登录

1. 浏览器访问系统地址

2. 输入默认管理员账号：admin / admin123

3. 登录后进入解析数据查看页面

3.2 管理员操作流程

日常使用（每月 15 号导出数据）

登录系统，进入「解析数据查看」

查看表头和表体数据，确认无误

点击「导出 Excel」→「当月全部（表头+表体）」

浏览器自动下载 xlsx 文件

管理用户

进入「用户管理」

点击「添加用户」逐个添加，或点击「批量导入」一次性导入多个

批量导入格式：每行一个用户，格式为 用户名,密码,角色,显示名

zhangsan,123456,user,张三
lisi,654321,user,李四
wangwu,888888,admin,王五

3.3 普通用户操作流程

1. 登录系统，进入「PDF 数据管理」
2. 点击「上传 PDF」，选择 PDF 文件（仅支持 .pdf 格式）
3. 上传后系统自动解析，状态显示为「已解析」
4. 如需修改数据，点击「编辑」按钮，可修改表头和表体
5. 如解析有误，点击「重新解析」按钮重新提取
6. 不需要的记录可点击「删除」按钮删除

3.4 数据存储位置

备份只需复制 data/ 文件夹即可。

四、开发人员部署编译方法

4.1 环境要求

4.2 开发环境搭建

# 1. 克隆代码
git clone https://gitee.com/ydxjyjkzh/pdf-to-excel.git
cd pdf-to-excel

 # 2. 创建虚拟环境（可选但推荐）
python -m venv venv 

# Windows 激活
venv\Scripts\activate
# Linux 激活
source venv/bin/activate

 # 3. 安装依赖
pip install -r requirements.txt

 # 4. 运行
python app.py

浏览器访问http://localhost:5000，默认账号admin / admin123。

开发模式下 Flask 开启 debug，代码修改后自动重启。

4.3 Docker 开发环境

# 构建并运行
docker build -t pdf-web-app .
docker run -d -p 5000:5000 -v $(pwd)/data:/app/data pdf-web-app

4.4 打包二进制文件

重要：PyInstaller 不支持交叉编译，必须在目标平台上打包。

• 要生成 Windows exe → 在 Windows 机器上打包
• 要生成 Linux 二进制 → 在 Linux 机器上打包

# 方法一：双击执行
build_win.bat

# 方法二：命令行执行
pip install -r requirements.txt
pip install pyinstaller
pyinstaller build.spec --noconfirm

打包结果：dist/pdf_web_app/pdf_web_app.exe

# 安装系统依赖
sudo apt install -y libglib2.0-0 libgl1-mesa-glx

 # Ubuntu/Debian
# 或
sudo yum install -y glib2 mesa-libGL 

# CentOS/RHEL 
# 执行打包
chmod +x build_linux.sh
./build_linux.sh

打包结果：dist/pdf_web_app/pdf_web_app

4.5 项目结构

pdf-to-excel/
├── app.py
 # Flask 主应用（路由 + API + 认证 + RBAC）
├── config.py 
# 配置（密钥 / 数据库路径 / 上传目录）
├── models.py
 # 数据库模型（User / PdfRecord / HeaderData / BodyData）
├── pdf_parser.py 
# PDF 解析模块（PyMuPDF + 正则，Web 版）
├── pdf_to_excel.py
 # PDF 批量提取脚本（独立命令行工具）
├── requirements.txt 
# Python 依赖
├── Dockerfile 
# Docker 构建配置
├── build.spec
 # PyInstaller 打包配置
├── build_win.bat 
# Windows 一键打包脚本
├── build_linux.sh
 # Linux 一键打包脚本
├── 导出.xlsx 
# Excel 导出模板（4 个 sheet）
├── templates/ 
# Jinja2 前端模板
│ ├── base.html 
# 基础模板（导航栏 + 侧边栏）
│ ├── login.html 
# 登录页
│ ├── pdf_list.html 
# PDF 数据管理页
│ ├── user_manage.html
 # 用户管理页（仅管理员）
│ └── data_view.html 
# 解析数据查看页（仅管理员）
├── static/
│ └── js/api.js 
# 全局 API 请求工具
└── data/ 
# 运行时自动创建（不入版本控制） 
├── app.db 
# SQLite 数据库 
└── uploads/ 
# 上传的 PDF 文件

4.6 数据库结构

4.7 API 接口列表

所有接口均为 POST 方式（因加解密需求），返回统一 JSON 格式 {code, msg, data}。

4.8 技术栈