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）：

• 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）：

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