# 发票RPA功能

## 简介

本功能为verify-invoice-default技能添加了RPA（机器人流程自动化）能力，可以自动从网站提取发票信息，用于后续的票据合规预审。

## 功能特性

- 🤖 **自动登录**：支持用户名密码自动登录
- 🌐 **页面导航**：自动导航到发票预检页面
- 📊 **信息提取**：提取发票列表和详细信息
- 🎭 **拟人操作**：模拟真实用户操作，避免被检测
- ⚠️ **错误处理**：处理登录超时、验证码等异常情况

## 快速开始

### 1. 获取浏览器配置目录

```bash
# 确保已安装account-manager
cd account-manager
python scripts/main.py ensure-web --platform sandbox-jc2009
```

### 2. 测试连接

```bash
cd verify-invoice-default/verify-invoice-default
python scripts/main.py test-rpa-connection \
  --username "15527406659" \
  --password "qwer1234" \
  --profile-dir "从account-manager获取的profile_dir"
```

### 3. 提取发票信息

```bash
# 基本提取
python scripts/main.py extract-invoices \
  --username "15527406659" \
  --password "qwer1234" \
  --profile-dir "从account-manager获取的profile_dir"

# 详细信息提取
python scripts/main.py extract-invoices \
  --username "15527406659" \
  --password "qwer1234" \
  --profile-dir "从account-manager获取的profile_dir" \
  --detail-mode
```

## 命令行参数

### extract-invoices

| 参数 | 必填 | 说明 |
|------|------|------|
| `--username` | 是 | 网站用户名 |
| `--password` | 是 | 网站密码 |
| `--profile-dir` | 是 | 浏览器配置目录 |
| `--headless` | 否 | 无头模式（生产不建议） |
| `--detail-mode` | 否 | 提取详细信息 |

### test-rpa-connection

| 参数 | 必填 | 说明 |
|------|------|------|
| `--username` | 是 | 网站用户名 |
| `--password` | 是 | 网站密码 |
| `--profile-dir` | 是 | 浏览器配置目录 |

## 输出格式

### 成功输出

```json
{
  "total_count": 10,
  "invoices": [
    {
      "row_index": 0,
      "row_text": "发票信息...",
      "invoice_number": "12345678",
      "amount": "100.00"
    }
  ],
  "extraction_complete": true
}
```

### 失败输出

```json
{
  "success": false,
  "error": "错误信息",
  "stage": "错误发生阶段"
}
```

## 文件结构

```
verify-invoice-default/verify-invoice-default/
├── scripts/
│   ├── service/
│   │   ├── rpa/
│   │   │   ├── __init__.py          # RPA模块初始化
│   │   │   ├── browser_session.py   # 浏览器会话管理
│   │   │   ├── login_handler.py     # 登录处理
│   │   │   ├── invoice_extractor.py # 发票信息提取
│   │   │   └── invoice_rpa.py       # RPA主流程
│   │   └── rpa_invoice_service.py   # RPA数据服务
│   ├── db/
│   │   ├── connection.py           # 数据库连接
│   │   └── rpa_invoice_schema.py   # RPA数据表结构
│   └── cli/
│       └── app.py                   # CLI入口（已更新）
├── test_rpa.py                      # 测试脚本
├── demo_rpa.py                      # 演示脚本
├── RPA_README.md                    # 本文件
├── RPA_USAGE.md                     # 详细使用说明
└── PLATFORM_USAGE.md                # 平台内使用指南
```

## 常见问题

### 1. 浏览器启动失败

**错误**：`ERROR:MISSING_BROWSER 浏览器启动失败`

**解决**：
- 确保已安装Chrome或Edge浏览器
- 检查`profile_dir`是否有效
- 确保没有其他浏览器进程占用配置目录

### 2. 登录失败

**错误**：`ERROR:LOGIN_TIMEOUT 登录失败或超时`

**解决**：
- 检查用户名和密码是否正确
- 确保网络连接正常
- 检查是否有验证码需要人工处理

### 3. 页面加载失败

**错误**：`导航到发票页面失败`

**解决**：
- 检查网络连接
- 确保已登录
- 检查目标URL是否正确

## 技术细节

### 架构设计

RPA功能采用分层架构设计：

1. **浏览器会话层**：管理浏览器的启动、配置和关闭
2. **登录处理层**：处理网站登录流程
3. **信息提取层**：从页面提取发票信息
4. **主流程层**：协调各层完成RPA任务

### 安全考虑

1. **合规性**：仅用于授权范围内的正常界面操作
2. **频率控制**：避免频繁请求，防止被网站限制
3. **人工兜底**：验证码、人脸等必须等待人工完成
4. **数据安全**：不要在日志中暴露敏感信息

### 扩展性

RPA功能设计为可扩展的：

1. **支持新网站**：只需修改URL和选择器
2. **支持新字段**：在提取器中添加新的选择器
3. **支持新操作**：可以添加点击、填写等操作

## 开发指南

### 添加新的提取字段

1. 在`invoice_extractor.py`的`INVOICE_SELECTORS`中添加选择器
2. 在`_extract_invoice_from_row`函数中添加提取逻辑
3. 更新`format_invoice_data`函数的输出格式

### 修改登录流程

1. 在`login_handler.py`的`LOGIN_SELECTORS`中更新选择器
2. 修改`_try_auto_login`函数的登录逻辑
3. 更新`_is_logged_in`函数的检测逻辑

### 添加新的RPA功能

1. 在`service/rpa/`目录下创建新模块
2. 在`__init__.py`中导出新功能
3. 在`task_service.py`中添加对应的命令函数
4. 在`cli/app.py`中添加命令行参数

## 更新日志

### v1.0.0 (2026-09-14)
- 初始版本
- 实现基本登录和页面导航
- 实现发票信息提取
- 集成到现有CLI系统

## 许可证

本项目遵循与verify-invoice-default技能相同的许可证。