多层嵌套 zip 批量提取文件
用途
把「外层 zip → 内层 zip → 目标文件」这类多层压缩包一次解开，并把指定类型文件（默认 PDF）汇总到一个输出目录。最常见场景是 12306 / 铁路 12306 下载的电子发票：
网上购票系统-电子发票通知.zip <- 第 1 层（同一批常分 (1)(2)...(6) 多份下载）
26329116809000069372.zip <- 第 2 层
26329116809000069372.pdf <- 目标文件
26329116809000069372.ofd
同样适用于任何「zip 套 zip」的批量资料归档。
何时使用
- 用户给一批 zip，解开后里面还是 zip，需要继续解压并取出某类文件。
- 文件名是纯数字（12306 为
263...），或含中文（已做乱码修复）。 - 下载批次重复（
.zip与(1)~(6).zip），需按文件名自动去重。
如何执行
运行 scripts/extract_from_zips.py（仅用标准库 zipfile，无需安装依赖）：
# 处理某个目录（默认扫描该目录下所有 .zip 作为外层）
python3 extract_from_zips.py /path/to/folder
# 提取多种类型、指定输出目录、保留中间解压产物
python3 extract_from_zips.py /path/to/folder -e pdf,jpg,png -o ./out --keep
# 处理当前目录
python3 extract_from_zips.py
执行行为：
1. 收集目标目录下所有 .zip 作为外层。
2. 用队列递归解压每一层 zip（不限层数，直到不再有 zip）；解压时对中文 / 日文等文件名乱码自动回退 gbk / cp437 解码。
3. 收集所有目标扩展名文件，按文件名去重（同一文件多次下载只保留一份）。
4. 复制到输出目录（默认 <目标目录>/input），用完清理临时目录（除非 --keep）。
关键注意事项
- 下载批次会重复：
.zip与(1)~(6).zip多份里常有同一张票，必须按文件名去重。 - 不要污染原目录：在系统临时目录解压，原始 zip 与用户已手动解压的目录一律不动。
- 不要删除用户文件：只做「提取复制」，不删除、不移动原始压缩包。
- 中文名乱码：Windows 打的 zip 文件名常是 GBK 编码，解压时需回退解码（脚本已处理）。
- 校验：提取后确认每个文件头是
%PDF-（PDF）或对应魔数；数量应与内层 zip 数一致。
验证
cd input && ls -1 | wc -l && for f in *.pdf; do head -c 5 "$f" | grep -q '%PDF-' || echo "损坏: $f"; done
火车票发票：按乘车日期命名
若要把 12306 电子发票按「乘车日期」重命名为 MMDD（同日多张用 -2、-3，如 0809、0809-2），用专用脚本 scripts/extract_train_invoices.py：
# 先清空 input 再按乘车日期重写命名
python3 extract_train_invoices.py /path/to/火车票 --clear
# 仅追加写入（不清空原有文件）
python3 extract_train_invoices.py /path/to/火车票
- 乘车日期取自 PDF 文本中「
YYYY年MM月DD日后紧跟HH:MM开」的日期，自动排除「开票日期:」这一开票日。 - 默认保留 input 原有文件；加
--clear先清空再写入。 - 日期解析失败时回退用原票号命名，不会丢失文件。
打印优化：每 4 张拼成一张 A4
发票 PDF 提取完成后，常需拼版打印。用 scripts/merge_invoices_grid.py 把 input 中发票每 4 张拼成一张 A4（2×2 网格），矢量嵌入、保持比例居中、不拉伸变形，输出到 output/：
# 默认把 <input_dir> 每 4 张拼一张，输出到 <input_dir>/../output
python3 merge_invoices_grid.py /path/to/火车票/input
# 显式指定输入输出、改每页张数（如 6 张 / 2×3）
python3 merge_invoices_grid.py /path/to/火车票/input /path/to/火车票/output --per 4
- 按文件名（乘车日期）排序，拼页顺序连贯；末尾不足 4 张也照常拼一张（留空）。
- 输出命名
NN_首日期-尾日期.pdf（如01_0513-0801.pdf），便于核对。 - 依赖 PyMuPDF：
pip install pymupdf（仅此脚本需要，提取脚本只用标准库）。
> 若只需要简单顺序合并成一个大 PDF（不做拼版），用 pdfunite input/*.pdf output/all.pdf 即可。
