供应商文件变成结构化商品数据

问题

供应商的发票、促销价表和规格资料以 PDF 和表格发来，每家格式都不一样。同一个型号可能带前缀、多了空格，或者挂着变体后缀。员工要手工重录发票明细、逐个查规格，再和内部记录一条条核对。

发票 PDF → 结构化表格——每张发票输出同一种格式：型号、净单价、数量、供应商、发票号、状态和备注，最后一行合计核对“单价 × 数量”。税、运费和只欠货的行不计入；退货按负数量记录。
供应商和发票识别——供应商名称的各种写法统一成一个标准名称；自动提取发票号。
型号匹配——先精确匹配，再规范化匹配（前缀、空格、大小写），最后才用受控的模糊匹配。凡是能对上多条记录的，一律标出来，绝不悄悄挑一个。
规格补全——尺寸、单位换算和技术规格按固定的来源优先级从官方资料补全，并记录来源。找不到可靠来源就留空，列入例外清单。
价格与商品表——把供应商 PDF 转成可筛选的商品清单，按型号回填价格，并把商品、价格、库存合成一张表，缺口明确标出。
图片匹配——把官方商品图对应到 SKU，每个 SKU 最多三张，已在样本上测试。

这些流程已经在真实业务数据上运行，结果经过业务方复核和确认，但还不是生产流程：每一份输出都由人检查，没有实测过的准确率我们不写。

核心原则宁可留空，也不去猜。看得见的缺口，比悄悄出错便宜得多。