Beherbergungssteuer: Steuerjournal aus den Rechnungs-PDFs
Ersetzt die Excel-Mappe des Campinghofs. Die Rechnungs-PDFs des Rechnungstools sind die Quelle; SQLite ist nur Cache, Excel nur noch Import des Altbestands. Bericht fuers Amt als PDF im Briefkopf der Rechnungen (Firmendaten aus der config.json des Rechnungstools). - pdf_parser: liest Datum, Nummer, Name, Naechte, Zwischensumme, Satz - db: Journal + Scan mit Cache (Pfad/mtime/Groesse) - xlsx_io: Import der alten Tabelle, vereinheitlicht Rechnungsnummern - bericht_pdf: Monats- und Jahresbericht (reportlab) - GUI: Monatsreiter, Suche, Anhaken + Papierkorb, Kennzahlen-Leiste Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>
This commit is contained in:
TheMockTv
commit
80967de26f
12 changed files with 1908 additions and 0 deletions
221
pdf_parser.py
Normal file
221
pdf_parser.py
Normal file
|
|
@ -0,0 +1,221 @@
|
|||
# -*- coding: utf-8 -*-
|
||||
"""
|
||||
Liest eine Rechnungs-PDF des Rechnungstools (Campinghof Bartl) und macht
|
||||
daraus eine Buchung fürs Steuerjournal.
|
||||
|
||||
Der PDF-Text ist zeilenweise aufgebaut: erst das Label, dann in der
|
||||
nächsten Zeile der Wert.
|
||||
|
||||
Rechnung an:
|
||||
Familie Peter Meier
|
||||
Musterweg 12
|
||||
Rechnungsnummer:
|
||||
2026-238
|
||||
Rechnungsdatum:
|
||||
12.07.2026
|
||||
Zeitraum:
|
||||
3 Nächte
|
||||
...
|
||||
Zwischensumme:
|
||||
87,00 €
|
||||
zzgl. Beherbergungssteuer (5 %):
|
||||
4,35 €
|
||||
Gesamtbetrag:
|
||||
91,35 €
|
||||
|
||||
Nur Seite 1 wird gelesen – Seite 2 ist die 1:1-Kopie fürs Amt.
|
||||
"""
|
||||
|
||||
import os
|
||||
import re
|
||||
import logging
|
||||
from datetime import datetime, date
|
||||
|
||||
from pypdf import PdfReader
|
||||
|
||||
from modell import Buchung, STANDARD_SATZ, zahl_aus_text, runde, zerlege_nummer
|
||||
|
||||
log = logging.getLogger("bst.pdf")
|
||||
|
||||
# Labels, hinter denen der Wert in der nächsten Zeile steht
|
||||
RE_NUMMER = re.compile(r"^\s*Rechnungsnummer:\s*$", re.I)
|
||||
RE_DATUM = re.compile(r"^\s*Rechnungsdatum:\s*$", re.I)
|
||||
RE_ANREISE = re.compile(r"^\s*Anreise:\s*$", re.I)
|
||||
RE_ABREISE = re.compile(r"^\s*Abreise:\s*$", re.I)
|
||||
RE_ZEITRAUM = re.compile(r"^\s*Zeitraum:\s*$", re.I)
|
||||
RE_KUNDE = re.compile(r"^\s*Rechnung an:\s*$", re.I)
|
||||
RE_ZWISCHEN = re.compile(r"^\s*Zwischensumme:\s*$", re.I)
|
||||
RE_GESAMT = re.compile(r"^\s*Gesamtbetrag:\s*$", re.I)
|
||||
# "zzgl. Beherbergungssteuer (5 %):" – Satz steht in der Klammer
|
||||
RE_AUFSCHLAG = re.compile(r"^\s*zzgl\.\s*(?P<name>.+?)\s*\(\s*(?P<satz>[\d.,]+)\s*%\s*\):\s*$", re.I)
|
||||
RE_NAECHTE = re.compile(r"(\d+)")
|
||||
|
||||
|
||||
class ParserFehler(Exception):
|
||||
"""Die Datei ist keine (lesbare) Rechnung dieses Tools."""
|
||||
|
||||
|
||||
def _text_seite1(pfad: str) -> str:
|
||||
reader = PdfReader(pfad)
|
||||
if not reader.pages:
|
||||
raise ParserFehler("PDF hat keine Seiten")
|
||||
return reader.pages[0].extract_text() or ""
|
||||
|
||||
|
||||
def _naechster_wert(zeilen, i: int) -> str:
|
||||
"""Erste nicht-leere Zeile nach Index i."""
|
||||
for z in zeilen[i + 1:]:
|
||||
if z.strip():
|
||||
return z.strip()
|
||||
return ""
|
||||
|
||||
|
||||
def _datum(text: str) -> date:
|
||||
for fmt in ("%d.%m.%Y", "%d.%m.%y", "%Y-%m-%d"):
|
||||
try:
|
||||
return datetime.strptime(text.strip(), fmt).date()
|
||||
except ValueError:
|
||||
continue
|
||||
raise ParserFehler(f"Datum nicht lesbar: {text!r}")
|
||||
|
||||
|
||||
RECHTSFORM = {"gmbh", "ag", "kg", "ug", "gbr", "ohg", "mbh", "e.k.", "ek", "eg", "se",
|
||||
"gmbh & co. kg", "verein", "e.v."}
|
||||
NAMENSZUSATZ = {"van", "von", "de", "der", "den", "di", "du", "le", "la", "el", "al",
|
||||
"ten", "ter", "zu", "vom", "zum", "zur", "mc", "mac", "o'"}
|
||||
|
||||
|
||||
def nachname_aus_zeile(zeile: str) -> str:
|
||||
"""
|
||||
'Familie Peter Meier' -> 'Meier'
|
||||
'Anna Schmidt-Lorenz' -> 'Schmidt-Lorenz'
|
||||
'Meier, Peter' -> 'Meier'
|
||||
'Familie van Dijk' -> 'van Dijk' (Namenszusatz bleibt dran)
|
||||
'Hentschke Bau GmbH' -> 'Hentschke Bau GmbH' (Firma komplett)
|
||||
"""
|
||||
z = " ".join(str(zeile or "").split())
|
||||
if not z:
|
||||
return ""
|
||||
if "," in z: # "Nachname, Vorname"
|
||||
return z.split(",", 1)[0].strip()
|
||||
|
||||
teile = z.split()
|
||||
if teile[-1].lower().strip(".,") in RECHTSFORM:
|
||||
return z # Firma – der ganze Name gehört dazu
|
||||
|
||||
if len(teile) >= 2 and teile[-2].lower().strip(".") in NAMENSZUSATZ:
|
||||
return " ".join(teile[-2:]) # "van Dijk"
|
||||
return teile[-1]
|
||||
|
||||
|
||||
def parse_pdf(pfad: str, standard_satz: float = STANDARD_SATZ) -> Buchung:
|
||||
"""Rechnungs-PDF -> Buchung. Wirft ParserFehler, wenn Pflichtfelder fehlen."""
|
||||
text = _text_seite1(pfad)
|
||||
zeilen = text.splitlines()
|
||||
|
||||
voll_nr = datum_txt = ""
|
||||
anreise = abreise = ""
|
||||
naechte = 0
|
||||
kunde = ""
|
||||
zwischensumme = None
|
||||
gesamtbetrag = None
|
||||
steuer_betrag_pdf = None
|
||||
satz = None
|
||||
|
||||
for i, z in enumerate(zeilen):
|
||||
if RE_NUMMER.match(z):
|
||||
voll_nr = _naechster_wert(zeilen, i)
|
||||
elif RE_DATUM.match(z):
|
||||
datum_txt = _naechster_wert(zeilen, i)
|
||||
elif RE_ANREISE.match(z):
|
||||
anreise = _naechster_wert(zeilen, i)
|
||||
elif RE_ABREISE.match(z):
|
||||
abreise = _naechster_wert(zeilen, i)
|
||||
elif RE_ZEITRAUM.match(z):
|
||||
m = RE_NAECHTE.search(_naechster_wert(zeilen, i))
|
||||
if m:
|
||||
naechte = int(m.group(1))
|
||||
elif RE_KUNDE.match(z):
|
||||
kunde = _naechster_wert(zeilen, i)
|
||||
elif RE_ZWISCHEN.match(z) and zwischensumme is None:
|
||||
zwischensumme = zahl_aus_text(_naechster_wert(zeilen, i))
|
||||
elif RE_GESAMT.match(z) and gesamtbetrag is None:
|
||||
gesamtbetrag = zahl_aus_text(_naechster_wert(zeilen, i))
|
||||
else:
|
||||
m = RE_AUFSCHLAG.match(z)
|
||||
if m and steuer_betrag_pdf is None:
|
||||
satz = zahl_aus_text(m.group("satz"))
|
||||
steuer_betrag_pdf = zahl_aus_text(_naechster_wert(zeilen, i))
|
||||
|
||||
if not voll_nr or not datum_txt:
|
||||
raise ParserFehler("keine Rechnungsnummer/kein Rechnungsdatum gefunden")
|
||||
|
||||
datum = _datum(datum_txt)
|
||||
jahr, nummer = zerlege_nummer(voll_nr, datum.year)
|
||||
if not nummer:
|
||||
raise ParserFehler(f"Rechnungsnummer nicht lesbar: {voll_nr!r}")
|
||||
|
||||
# Basis der Steuer = Zwischensumme. Fehlt sie (Rechnung ohne Beherbergungs-
|
||||
# steuer), ist der Gesamtbetrag die Zwischensumme.
|
||||
gezahlt = zwischensumme if zwischensumme is not None else gesamtbetrag
|
||||
if gezahlt is None:
|
||||
raise ParserFehler("weder Zwischensumme noch Gesamtbetrag gefunden")
|
||||
|
||||
if satz is None:
|
||||
satz = 0.0 if steuer_betrag_pdf is None else standard_satz
|
||||
|
||||
# Nächte notfalls aus An-/Abreise ableiten
|
||||
if not naechte and anreise and abreise:
|
||||
try:
|
||||
naechte = (_datum(abreise) - _datum(anreise)).days
|
||||
except ParserFehler:
|
||||
naechte = 0
|
||||
|
||||
b = Buchung(
|
||||
datum=datum,
|
||||
rechnungsnummer=nummer,
|
||||
jahr=jahr,
|
||||
nachname=nachname_aus_zeile(kunde),
|
||||
naechte=max(0, naechte),
|
||||
gezahlt=runde(gezahlt),
|
||||
satz=satz,
|
||||
quelle="pdf",
|
||||
pdf_pfad=os.path.abspath(pfad),
|
||||
)
|
||||
|
||||
# Gegenprobe: unsere Rechnung gegen den in der PDF ausgewiesenen Betrag
|
||||
if steuer_betrag_pdf is not None and abs(b.steuer - steuer_betrag_pdf) > 0.02:
|
||||
log.warning("%s: Steuer laut PDF %.2f, berechnet %.2f (Basis %.2f, Satz %s%%)",
|
||||
os.path.basename(pfad), steuer_betrag_pdf, b.steuer, b.gezahlt, satz)
|
||||
log.debug("gelesen: %s | %s | %s | %s Nächte | %.2f € | Steuer %.2f €",
|
||||
os.path.basename(pfad), b.voll_nummer, b.nachname, b.naechte, b.gezahlt, b.steuer)
|
||||
return b
|
||||
|
||||
|
||||
def scanne_ordner(ordner: str, standard_satz: float = STANDARD_SATZ, rekursiv: bool = True):
|
||||
"""
|
||||
Liest alle PDFs unter `ordner`.
|
||||
Gibt (buchungen, fehler) zurück – fehler = Liste von (pfad, grund).
|
||||
"""
|
||||
buchungen, fehler = [], []
|
||||
if not os.path.isdir(ordner):
|
||||
return buchungen, [(ordner, "Ordner existiert nicht")]
|
||||
|
||||
for wurzel, _dirs, dateien in os.walk(ordner):
|
||||
for name in sorted(dateien):
|
||||
if not name.lower().endswith(".pdf"):
|
||||
continue
|
||||
pfad = os.path.join(wurzel, name)
|
||||
try:
|
||||
buchungen.append(parse_pdf(pfad, standard_satz))
|
||||
except ParserFehler as e:
|
||||
log.info("übersprungen: %s (%s)", name, e)
|
||||
fehler.append((pfad, str(e)))
|
||||
except Exception as e: # noqa: BLE001 - kaputte/verschlüsselte PDF
|
||||
log.warning("Fehler bei %s: %s", name, e)
|
||||
fehler.append((pfad, f"{type(e).__name__}: {e}"))
|
||||
if not rekursiv:
|
||||
break
|
||||
|
||||
log.info("Scan %s: %d Rechnungen, %d übersprungen", ordner, len(buchungen), len(fehler))
|
||||
return buchungen, fehler
|
||||
Loading…
Add table
Add a link
Reference in a new issue