准备工具（零门槛可直接落地）
1. 必备文件：已扫描归档的人事档案PDF（命名规则为「员工ID_姓名_档案类型.pdf」）、人事业务系统导出的最新变动Excel表；
2. 环境安装：
- Python 3.10.10（Windows 64位）：直接下载地址，安装时必须勾选「Add Python to PATH」，点击「Install Now」完成；
- 依赖库：打开Windows键+R→输入「cmd」回车，执行以下命令（权限不足则右键「CMD」选「以管理员身份运行」）：
pip install pandas PyPDF2 openpyxl
3. 基础模板：新建Excel，列名固定为「员工ID、姓名、身份证号、岗位、入职日期、离职日期、学历、档案归档日期」，保存为「人事档案基础模板.xlsx」，编码选UTF-8。
实操核心步骤
步骤1：提取现有档案元数据
批量扫描PDF的员工ID、姓名、归档日期，生成标准化元数据：
- 新建记事本，粘贴以下代码，保存为「档案元数据提取.py」（保存类型选「所有文件」，编码UTF-8）；
- 修改代码中「pdf_dir」「output_excel」为你本地的路径（例：
r"C:\人事档案\待扫描PDF"）；
```python
import os
import pandas as pd
from PyPDF2 import PdfReader
配置路径（需替换为你自己的路径）
pdf_dir = r"C:\人事档案\待扫描PDF"
output_excel = r"C:\人事档案\现有档案元数据.xlsx"
data = []
遍历PDF文件夹
for filename in os.listdir(pdf_dir):
if filename.endswith(".pdf"):
拆分文件名获取员工ID、姓名
parts = filename.split("_")
if len(parts) >=2:
emp_id, emp_name = parts[0], parts[1]
读取PDF归档日期
pdf_path = os.path.join(pdf_dir, filename)
reader = PdfReader(pdf_path)
create_date = reader.metadata.get("/CreationDate", "").split("D:")[1].split("+")[0] if "/CreationDate" in reader.metadata else ""
data.append({"员工ID": emp_id, "姓名": emp_name, "档案归档日期": create_date, "现有档案路径": pdf_path})
生成元数据Excel
pd.DataFrame(data).to_excel(output_excel, index=False, sheet_name="现有档案元数据")
```
操作说明：双击「档案元数据提取.py」运行，完成后得到「现有档案元数据.xlsx」，所有字段自动填充，无需手动录入。
步骤2：对比业务数据自动标记需更新项
用最新人事变动表与元数据对比，快速定位需更新的员工档案：
- 确保「人事变动最新数据.xlsx」列名与基础模板完全一致；
- 新建记事本粘贴以下代码，保存为「档案更新对比.py」，修改3处路径；
```python
import pandas as pd
配置路径（全部替换为你本地路径）
template_path = r"C:\人事档案\人事档案基础模板.xlsx"
meta_path = r"C:\人事档案\现有档案元数据.xlsx"
update_path = r"C:\人事档案\人事变动最新数据.xlsx"
加载3份数据
template_df = pd.read_excel(template_path)
meta_df = pd.read_excel(meta_path)
update_df = pd.read_excel(update_path)
合并数据并标记需更新项
merged_df = template_df.merge(meta_df[["员工ID", "档案归档日期", "现有档案路径"]], on="员工ID", how="left")
final_df = merged_df.merge(update_df, on="员工ID", how="left", suffixes=("", "_变动"))
标记：岗位/离职日期不同且非空的项为需更新
final_df["需更新"] = final_df.apply(lambda row:
(pd.notna(row["岗位_变动"]) and row["岗位_变动"] != row["岗位"]) |
(pd.notna(row["离职日期_变动"]) and row["离职日期_变动"] != row["离职日期"]), axis=1)
保存对比结果
final_df.to_excel(r"C:\人事档案\档案更新对比结果.xlsx", index=False)
```
操作说明：运行代码后，打开对比结果Excel，「需更新」列为True的即为要处理的档案。
步骤3：更新后归档同步
- 针对「需更新」的员工：重新整理最新信息，对应更新PDF的归档日期（代码中可追加
pdf.metadata["/CreationDate"] = f"D:{pd.Timestamp.now().strftime('%Y%m%d%H%M%S')}"）；
- 修改PDF文件名，添加「_已更新」后缀，同步到数字化档案系统的归档目录；
- 在对比结果Excel中，将「归档状态」列标记为「已更新」，避免重复操作。
关键避坑校验（100%避免错误）
- 文件名重复校验：所有PDF文件名无重复，若有重复用Excel删除重复项后补全员工ID；
- 员工ID匹配率：对比结果中员工ID匹配率需达100%，缺失则手动核对业务系统与档案的ID对应关系；
- 路径替换：代码中所有路径必须保留「r」前缀（如
r"C:\xxx"），避免转义字符报错；
- 样本抽查：随机抽查10个需更新项，确认归档日期、岗位等信息与业务系统一致，再批量归档。
