几乎所有对账单转换器都跳过的那一步核验

做过补账的人都熟悉这个瞬间:客户甩给你 18 个月的 PDF 对账单,而你的记账软件要的是一行行的数据,不是 PDF。于是你去找一个转换器。

但几乎每个转换器都在一件事上出错 —— 而且不是你以为的那件。

出错的不是"读",是"信"

几年前,"PDF 转 Excel"确实是个难题。今天,一个像样的视觉模型读一张对账单表格毫不费力。所以大家自然以为:提取这事已经解决了。

并没有 —— 只是失败的位置变了。这些工具不会大声地失败、拒绝读你的对账单。它们静默地出错:一个 "8" 被读成 "3",小数点漂了位,1,240.00 变成了 240.00。导出的文件看起来完美无缺。你导入了。直到三周后账对不平、你在手动重查 400 行的时候,才发现数据被污染了。

读对账单是简单的那 95%。危险的是那 5% —— 一个没人发现的误读数字。

记账人本来就会做、软件也该做的核验

每张对账单都自带一个校验和,记账人用了几十年:

期初余额 + 存入 − 支出 = 期末余额

如果一个记账人手工录入,期末对不上,他就知道自己敲错了,会回去找。对账单会告诉你数字什么时候错了。

几乎没有转换器做这件事。它们 OCR、格式化、导出 —— 到此为止。那张纸上印着的、唯一的一份"标准答案"(期末余额)被白白浪费了。

所以我们把整个产品建立在这上面:一张对账单,应该先对得平,你才能信它。

这个核验到底怎么做

它分两层。第一层告诉你某个账户是否干净;第二层告诉你该看哪一行。

对每个账户,我们提取印刷的期初和期末余额(它们几乎总在页面上 —— 那就是锚点),提取每一笔带正负号的交易,以及当对账单有余额列时、每行印刷的滚动余额。

第一层 —— 聚合核验。 把所有交易求和,验证 期初 + Σ(带符号金额) = 期末,精确到分。全程用整数分运算,绝不用浮点 —— 货币用浮点正是凭空多出 $0.01 的根源 —— 容差 ±1 分。信用卡正负号相反(下面细说)。对得上,就说明提取内部自洽:一个误读数字几乎必定破坏总额,所以干净地对平是个强信号。对不上,我们不会静默导出错数据 —— 而是把该账户标出来待复核。

第二层 —— 定位到那一行。 在一张 300 行的对账单上,"这个账户差了 $100" 帮不上多大忙。所以对每个印了滚动余额的行,我们校验这一步:上一行余额 + 本行带符号金额 = 本行印刷余额。打破这一步的那行,就是要复核的那行 —— 要么是它的金额、要么是它的余额被误读了。我们逐行 re-anchor 到印刷余额,所以单独一个坏行会被精确指出,而不会把红旗级联到它下面的每一行。没有印刷余额的行无法单独校验,就把累计值带到下一个有印刷余额的行。

你在结果里看到的:账户被标为已平或待复核,而当我们能定位时,那一行会被高亮出来 —— 于是你只需查一行,而不是四百行。

护城河不在于读 PDF,这事现在谁都会。它在于证明读对了,并指出唯一没读对的那一行。

真正难啃的部分

有几件事,比"提取一张表格"要脏得多:

• 多账户对账单。 企业对账单常把支票 + 储蓄 + 信用额度打包进一个 PDF。把它们压成一个列表,一个账户的存入就会落进另一个账户的账。每个账户必须拆开、各自对着自己的期初期末独立核验。
• 信用卡正负号。 信用卡上,还款减少欠款、消费增加欠款 —— 和支票账户的符号约定相反。搞错了每一次余额核验都会失败(或更糟:用反了的数字"对平")。必须按对账单类型分别处理。
• 扫描件。 没有文字层,是真 OCR,而 OCR 偏偏在最要命的地方翻转数字(8↔3、1↔7)。余额核验就是这里的救命稻草:翻转的数字破坏滚动总额、会被标出来而不是直接发货。(更多见转换扫描版对账单。)
• 本来就对不平的对账单。 有时对账单有期中调整、某笔费用汇总得很怪,或者干脆是个奇葩银行格式。核验必须区分"是软件读错了"还是"银行自己的算法呈现得不寻常" —— 拿不准时,标出来,而不是瞎猜。

为什么我们不存你的 PDF

有一个设计选择值得一提,因为它和行业默认恰好相反:上传的 PDF 在内存里处理、绝不落盘,结果自动删除,不用于训练任何模型。记账人处理的是别人的财务数据;"我们不留存"应当是底线,而不是付费项。(完整说明在我们的安全页。)

结论

如果你在评估任何一款对账单转换器 —— 我们的或别家的 —— 比任何准确率宣传都更重要的一个问题是:它有没有核验自己读对了,并在读错时告诉你? 提取已经商品化了,核验才是把误读数字挡在账本之外的那一部分。(这也是很多人从DocuClipper 这类工具转过来的主要原因。)

我们做的 Convert Bank Statements 正是围绕这一点 —— PDF 或扫描件转成 Excel、CSV、QuickBooks(.QBO)和 OFX,每笔余额都核验,对不上的行标出来待复核。前 15 页免费、无需注册,而且页数包一次付费 —— 一年做几次的活,不该按月订阅。

如果你天天干这行,我真想知道:你转过的最难搞的一张对账单长什么样?