供应商发票格式标准化：
为什么格式差异已经不再是问题
采购部的同事形容每月的处理流程时说："每家供应商的发票格式都不一样——有的发PDF，有的发Excel，还有的直接邮寄纸质发票。"另一个同学补充："同一家供应商每个月格式都在变，同一张发票里还混着不同币种。"还有人直接发问："数据一团乱是采购的常态，还是我哪里做错了？"几十年来，标准答案只有两个：要求供应商统一格式，或者给每家供应商建一个模板。两种方法都无法规模化。另一种思路——在提取时完成标准化，而不是在提交时——彻底改变了这道题的解法。
"让供应商用我们的格式"为什么从来行不通
每个运营团队最终都会试图通过强制标准解决格式混乱的问题。他们把模板发给供应商："所有发票必须使用这个格式。"对于少数规范、配合的大客户，这招短期有效。然后例外就开始堆积。某家供应商的ERP只能按他们自己的格式导出。另一家供应商照做了三个月，然后系统升级后恢复原样。第三家——一个关键供应商，你没有筹码施压——对要求置之不理。六个月后，合规率是一个"差不多"，表格还是一半手工录入，外加一个装着"不合规"PDF的文件夹等人处理例外情况。
格式强制的根本问题在于：它把标准化的负担压在了最没有动力配合的一方身上。你的供应商同时面对几十上百家客户，每家都有不同的格式要求。他们不会为你定制发票输出——他们的财务部门用自己ERP的方式开票。要求使用标准格式，就是要求供应商修改内部流程来配合你的录入工作流。这不是一个可以扩展的策略，它消耗的是双方关系中有限的善意。
更好的思路：承认供应商格式永远多样，在收到后而不是提交前完成标准化。这意味着使用能读取任意格式、输出你的标准的提取技术——无论原始文档长什么样，输出始终是相同的列、相同的日期格式、相同的数字格式、相同的供应商名称规范。
格式差异的四个维度
供应商发票的格式差异体现在四个维度上，任何标准化方案都必须同时处理这四个维度，才能产生真正一致的输出：
| 维度 | 典型示例 | 为什么让手工录入和模板OCR失效 |
|---|---|---|
| 字段位置 | 发票号在右上角（供应商A）vs 左上角（供应商B）vs 表格底部表头（供应商C） | 模板OCR靠像素坐标映射——位置一变就要重建模板；手工录入需要逐字段视觉扫描。 |
| 字段标签 | "发票号" vs "Invoice No." vs "单据编号" vs 无标签仅有数值 | 模板OCR匹配精确标签文本；手工录入需要判断："这几串文字里哪个是发票号？" |
| 值的格式 | 日期：2026-02-10 vs 2026年2月10日 vs 10/02/2026；金额：¥1,234.56 vs 1234.56元 | 模板OCR提取原始文本——后续还需解析；手工录入需对每个字段做格式判断。 |
| 供应商名称 | "广州恒通物流" vs "广州恒通物流有限公司" vs "恒通物流（广州）" vs "广州恒通"——同一家公司，四种写法 | 任何模板都无法将这些归一化为同一供应商名称；VLOOKUP失效；数据透视表出现重复供应商行。 |
基于模板的提取工具能处理第一个维度（字段位置），偶尔能处理第二个维度（字段标签）——但在第三个维度（值的格式）和第四个维度（供应商名称）上失效，因为这两个维度需要语义理解，而不是位置映射。一个成功定位到发票日期坐标的模板，仍然会把"2026-02-10"和"2026年2月10日"和"10/02/2026"作为三个不同的文本字符串提取出来，留给你在Excel里手动归一化。
在提取时完成标准化，而不是事后处理
使用自定义列名提取方式，标准化发生在提取过程中——不是单独的后处理步骤。机制很简单：你的列名包含格式指令，AI在提取每个值时遵循这些指令。这同时解决了上述四个维度：
维度一——字段位置：AI通过理解发票号的含义（一个字母数字组合的参考编码，通常标记为"发票号"或类似内容）来定位它，而不是通过它在页面上的位置。这在任何布局下都有效，不需要为每个供应商建模板。
维度二——字段标签：语义匹配处理标签变体。"发票号"、"Invoice No."、"单据编号"以及无标签的参考编码，全部映射到你的"发票号"列。AI理解这些是等价的字段含义，而不是相同的文本字符串。你不需要维护同义词表，语言模型负责处理映射。
维度三——值的格式：你的列名指定输出格式。"开票日期（YYYY-MM-DD）"告诉AI提取日期并转换为ISO格式，无论文档中如何呈现。"含税总额（数字，保留2位小数）"剥离货币符号、正确解释千位/小数分隔符，输出干净的数值。国内供应商用"2026年2月10日"，海外供应商用"10/02/2026"，提取后都是同样的日期格式——因为AI在提取时就按你的格式指令完成了转换。
维度四——供应商名称：AI能识别"广州恒通物流"、"广州恒通物流有限公司"和"恒通物流（广州）"指向同一实体，并可以归一化为一个首选名称。对于供应商名称一致性要求高的场景（比如审计追踪），可以结合参考文件——用供应商主数据表让AI将提取的名称匹配到规范的供应商记录上。
实际效果：上传50张发票，来自30个不同供应商，每家格式各异。输出的表格有统一的列、统一的日期格式、统一的数字格式、规范化的供应商名称。你不需要单独跑一步"数据清洗"，不需要写Excel公式解析日期，也不需要在数据透视表里手动合并"恒通物流"和"广州恒通物流有限公司"的行。标准化是提取的副产品，不是下游任务。
混合输入问题：PDF + 截图 + 纸质发票
格式差异不只体现在版面布局上，还体现在文件类型上。采购经理描述的情形是："有的供应商发PDF，有的发Excel表格，还有的直接邮寄纸质发票。"大多数标准化工具只能处理一种输入类型。模板OCR针对PDF；表格规范化工具针对Excel文件；两者都无法兼顾。
自定义列名提取与输入类型无关，因为AI读取的是文档的视觉内容，而不是其容器格式。一张PDF、一张纸质发票的手机照片、一张Excel截图——AI用相同的方式处理视觉信息。这意味着你可以在混合批次中完成标准化：供应商A的ERP导出PDF、供应商B的邮件截图、供应商C的扫描纸质发票，全部进入同一个提取流程，产生同样标准化的输出。
列名中的格式指令（"开票日期（YYYY-MM-DD）"）在所有输入类型上均匀生效。你不需要为PDF提取的文本和Excel单元格值分别写日期解析规则。AI处理的是视觉表示，而不是底层文件结构，所以两者都能处理。
常见问题
如果供应商发来外文发票——比如日文或英文——能处理吗？
可以。AI按字段含义提取，而非按标签文本匹配，因此支持多语言发票。日语的"請求書番号"、英语的"Invoice Number"、法语的"Numéro de facture"都映射到你的"发票号"列。日期和数字格式根据文档本地化设置处理，AI在提取时按你指定的输出格式转换。你不需要读懂供应商的语言才能处理他们的发票。
发票上有两个不同含义的"日期"字段（开票日期 vs 到期日），AI怎么区分？
这正是列名要具体的原因。如果你的列名是"日期"，AI需要猜测你想要哪个日期。如果列名是"开票日期（YYYY-MM-DD）"，AI就知道要找单据的开具日期。如果你同时设置了"到期日"列，AI通过语义角色来区分两者——开票日期通常出现在发票号和销售方信息附近，到期日通常出现在付款条款和含税总额附近。列名越具体，AI需要消解的歧义就越少。
AI能把供应商名称匹配到供应商主数据吗？
在一定程度上可以。AI的语义匹配已经能处理常见变体（有限公司 vs 有限责任公司，简称 vs 全称）。如果需要精确匹配ERP或财务系统中的供应商主数据，可以在提取时附带一份参考文件。例如，若你的用友系统中使用"广州恒通物流有限公司"作为规范名称，AI可以将提取到的"广州恒通物流"或"恒通物流（广州）"映射到该规范名称。但这种匹配是概率性的，而不是基于规则的——如果供应商名称与主数据条目差异过大（如发生更名或收购），可能无法匹配。对于审计敏感的场景，建议核查输出结果并人工处理未匹配项。
这和用Excel Power Query做提取后的数据清洗相比如何？
Power Query擅长提取后的数据转换——拆分列、转换日期格式、合并表格。但它要求数据已经是结构化格式。如果发票以PDF形式到达，Power Query读不了。两种方法是互补的：自定义列名提取负责从非结构化文档中获取结构化数据；Power Query进一步转换这些结构化数据。很多团队两者并用——用AI提取，再把XLSX载入Power Query做进一步筛选、计算列或财务系统专用格式处理。提取步骤处理Power Query做不到的事（读PDF）；Power Query处理提取步骤不需要做的事（复杂业务逻辑转换）。