成绩单 PDF → Excel 转换
将大学中文成绩单（PDF 或图片）识别并输出为结构化 Excel 文件，主要用于香港高才通等签证申请。
输出格式规范
Excel 文件结构
- Sheet 名称：
分学期 - 文件格式：
.xlsx（严格 xlsx，不支持 xls 或其他格式） - Header（第 1 行）：
| A | B | C | D | E | F | G |
|---|---|---|---|---|---|---|
| 课程名 | 分数 | 学分 | 学时 | 学时单位 | 课程类别 | 学期 |
- 数据从第 2 行开始，每行一门课程
- 学时和学时单位列通常为空（中国大学成绩单一般只给学分）
学期格式
格式：YYYY-YYYY-N
- 前两个年份：学年起止（如
2012-2013表示 2012-2013 学年） N：学期序号1= 第一学期（秋季，9月-1月）2= 第二学期（春季，2月-6月）3= 第三学期/暑期学期
示例：
- 2012-2013-1：大二上学期（2012年秋季）
- 2012-2013-2：大二下学期（2013年春季）
- 2013-2014-3：大三暑期学期
注意：学期数严格按成绩单原文填写，不要自行推算。成绩单上每个课程所属的学年学期通常分批标注。
课程类别规范
常见的课程类别（严格按成绩单原文分类）：
| 类别 | 说明 |
|---|---|
| 必修课 | 公共必修（英语、体育、政治、军事理论等） |
| 专业必修课 | 专业核心课程 |
| 专业选修课 | 专业方向选修 |
| 公共选修课 | 通识/校选修课 |
| 毕业论文 | 毕业设计/论文 |
关键规则：课程类别以成绩单原文标注为准。如果成绩单上英语/体育/政治类课程的类别标注为"必修课"，就不要写成"公共必修课"——保持与原文字一致。
分数处理
- 数字分数保持原值（如
86、92） - 等级制分数保留中文原文（如
优秀、良好、中等、及格） - 不要将等级转换为数字，也不要将数字转换为等级
PDF 识别要点
多列布局处理（重点）
中国大学成绩单 PDF 通常采用双列布局（一页两列课程）。
识别规则：
1. 先识别页面上的列边界（通常中间有明显间距）
2. 阅读顺序：左列从上到下 → 右列从上到下（不是从左到右逐行！）
3. 两列拼接时，左列的全部课程在前，右列的全部课程在后
4. 同一列的课程保持原始上下顺序
验证方法：
- 检查识别出的课程总数是否与成绩单一致
- 检查每学期的课程数量是否合理（一般每学期 8-14 门）
- 如果某学期只有 3-4 门课程，很可能是只读了一列漏了另一列
学期信息定位
学期信息（如 "2012-2013学年第一学期"）通常出现在：
- 每个学期块的标题行
- 表格的 section header
- 课程列表中的"学期"列
如果成绩单表格中已有"学期"列，直接使用该列的值，不要自行推算。
页码和分页
多页成绩单：
- 每页的列布局相同
- 学期可能跨页，需要合并同一学期的课程
- 注意检查最后一页是否有遗漏
常见错误和注意事项
1. 文件格式问题
症状：提交时系统提示"只接受 xls/xlsx 文件"但实际格式正确。
原因：部分在线系统对非 Office 生成的 xlsx 文件校验较严格（如 Python openpyxl 生成的文件缺少某些元数据）。
解决方案：
- 方案 A：用 Excel/WPS 打开生成的文件，另存为新文件
- 方案 B：创建一个空 Excel，手动粘贴数据后保存
- 方案 C：用在线 Excel 工具打开后重新下载
2. 课程归类错误
- 不要自行推断课程类别，以成绩单标注为准
- 同一门课在不同学校可能有不同归类（如"计算机网络"有的算专业必修，有的算专业选修）
3. 学期序号错误
- 不要按课程出现顺序自行编号
- 同一学期的课程可能散布在不同列/不同页
- 学期号必须与成绩单上的学年学期标注严格对应
4. 双列布局读错顺序
- 错误读法：第 1 行左 → 第 1 行右 → 第 2 行左 → 第 2 行右
- 正确读法：左列全部（上→下）→ 右列全部（上→下）
验证清单
完成输出后逐项检查：
- [ ] 课程总数与成绩单一致
- [ ] 每学期课程数合理（8-14 门/学期）
- [ ] 课程名称与成绩单完全一致（包括标点符号、括号类型）
- [ ] 学分总数合理（四年制本科通常 150-170 学分）
- [ ] 学期格式正确（
YYYY-YYYY-N） - [ ] 课程类别与原文一致
- [ ] 文件为 .xlsx 格式，Sheet 名为"分学期"
- [ ] 用 Excel/WPS 能正常打开
工作流程总结
1. 读取成绩单 PDF/图片
├── 识别页面布局（单列/双列）
├── 确认阅读顺序
└── 提取学期标注信息
2. 数据提取
├── 逐课程提取：课程名、分数、学分、课程类别、学期
├── 处理多列布局（左列→右列）
└── 处理等级制分数（优秀/良好/中等/及格）
3. 生成 Excel
├── 创建 Sheet "分学期"
├── 写入 Header（课程名/分数/学分/学时/学时单位/课程类别/学期）
├── 按学期排序数据
└── 保存为 .xlsx
4. 验证
├── 课程总数核对
├── 每学期课程数检查
├── 学分总计验证
└── 文件可打开性验证
