档案数字化审计前收费测算工具搭建指南

一、开发环境准备

在进行档案数字化审计前，我们需要通过技术手段快速统计待处理档案的页数、格式及类型，以便依据行业标准进行费用测算。本指南将使用Python语言构建一个自动化测算工具，无需复杂的前端界面，直接运行脚本即可生成Excel报价单。

需要在本地电脑配置Python运行环境。请前往Python官网下载并安装Python 3.9及以上版本。安装完成后，打开命令行工具（Windows下为CMD或PowerShell，Mac下为Terminal），依次执行以下命令安装必要的依赖库：

pip install pandas openpyxl pillow PyPDF2

这些库的作用分别是：pandas用于数据处理，openpyxl用于生成Excel文件，pillow用于处理图像文件页数，PyPDF2用于读取PDF文件页数。

二、收费标准与逻辑定义

档案数字化收费通常依据“页”或“幅”为单位，不同载体和幅面价格差异巨大。在编写代码前，必须明确具体的计费逻辑。本工具内置了一套通用的收费标准逻辑，读者可根据实际项目需求在代码配置区直接修改单价。

核心计费维度包括以下三类：

• 基础扫描费：针对标准A4幅面的普通纸质档案。
• 特殊幅面费：针对A3、A0等工程图纸或大幅面文件。
• 图像处理费：针对需要进行去噪、倾斜校正、拼接等预处理操作的档案。

为了实现零门槛落地，我们将上述逻辑硬编码在脚本配置项中。默认设定：普通A4纸张单价为0.2元/页，A3纸张单价为0.4元/页，需特殊修复的档案单价为0.8元/页。

三、核心代码实现

在本地新建一个文件夹，命名为AuditCostTool。在该文件夹内新建一个文本文件，将后缀名改为.py，例如calculator.py。请将以下完整代码复制粘贴到该文件中。代码包含文件遍历、页数识别、费用计算及Excel导出全流程。

```python

import os

import pandas as pd

from PIL import Image

import PyPDF2

================= 配置区域 =================

定义待扫描的档案根目录，请修改为你的实际文件夹路径

SOURCE_DIR = r"./sample_archives"

输出结果文件名

OUTPUT_FILE = "audit_cost_report.xlsx"

收费标准配置（单位：元）

PRICING_RULES = {

'A4': 0.20, 标准A4普通扫描

'A3': 0.40, A3大幅面扫描

'A0': 1.50, 工程图纸扫描

'SPECIAL': 0.80 需特殊处理的破损或老旧档案

}

================= 核心逻辑 =================

def get_pdf_page_count(file_path):

"""获取PDF文件的页数"""

try:

with open(file_path, 'rb') as f:

reader = PyPDF2.PdfReader(f)

return len(reader.pages)

except Exception as e:

print(f"PDF读取错误: {file_path}, 错误: {e}")

return 0

def get_image_page_count(file_path):

"""获取图像文件（TIFF/JPG等）的页数，TIFF支持多页"""

try:

with Image.open(file_path) as img:

return getattr(img, 'n_frames', 1)

except Exception as e:

print(f"图片读取错误: {file_path}, 错误: {e}")

return 0

def determine_file_type_and_price(file_name, page_count):

"""根据文件名规则或尺寸判断类型并返回单价"""

实际场景中可通过OCR或像素分析判断，此处演示基于文件名关键字规则

file_lower = file_name.lower()

if 'a0' in file_lower or 'blueprint' in file_lower:

return 'A0', PRICING_RULES['A0']

elif 'a3' in file_lower:

return 'A3', PRICING_RULES['A3']

elif 'damage' in file_lower or 'repair' in file_lower:

return 'SPECIAL', PRICING_RULES['SPECIAL']

else:

return 'A4', PRICING_RULES['A4']

def scan_directory(directory):

"""扫描目录并计算费用"""

data_records = []

if not os.path.exists(directory):

os.makedirs(directory)

print(f"目录不存在，已创建测试目录: {directory}")

创建一个空测试文件防止报错

with open(os.path.join(directory, "test.txt"), "w") as f:

f.write("test")

for root, dirs, files in os.walk(directory):

for file in files:

file_path = os.path.join(root, file)

file_ext = file.split('.')[-1].lower()

pages = 0

if file_ext == 'pdf':

pages = get_pdf_page_count(file_path)

elif file_ext in ['tif', 'tiff', 'jpg', 'jpeg', 'png']:

pages = get_image_page_count(file_path)

else:

continue 跳过非档案文件

if pages == 0:

continue

file_type, unit_price = determine_file_type_and_price(file, pages)

total_cost = pages unit_price

记录数据

data_records.append({

'档案名称': file,

'相对路径': os.path.relpath(root, directory),

'文件类型': file_ext.upper(),

'计费类别': file_type,

'页数/幅数': pages,

'单价(元)': unit_price,

'预估费用(元)': round(total_cost, 2)

})

return data_records

def main():

print("开始扫描档案目录...")

records = scan_directory(SOURCE_DIR)

if not records:

print("未找到可处理的档案文件。")

return

df = pd.DataFrame(records)

计算汇总行

total_pages = df['页数/幅数'].sum()

total_cost = df['预估费用(元)'].sum()

保存到Excel

df.to_excel(OUTPUT_FILE, index=False)

print(f"扫描完成！共处理 {len(records)} 个档案文件。")

print(f"总页数: {total_pages}")

print(f"总预估费用: {round(total_cost, 2)} 元")

print(f"详细报告已生成: {OUTPUT_FILE}")

if __name__ == "__main__":

main()

```

四、操作步骤与执行

代码复制完成后，请按照以下步骤进行实际操作，确保工具能正确运行并产出结果。

1. 准备测试数据

在AuditCostTool文件夹下，新建一个名为sample_archives的文件夹（与代码中SOURCE_DIR配置保持一致）。为了验证工具准确性，建议放入以下测试文件：

• 一个普通的PDF文件（重命名为contract_a4.pdf）。
• 一个包含多页的TIFF文件（重命名为drawing_a3.tif）。
• 一个JPG图片文件（重命名为old_photo_damage_repair.jpg，用于测试特殊计费规则）。

2. 运行脚本

在命令行工具中，进入AuditCostTool目录，执行以下命令启动测算程序：

python calculator.py

3. 查看结果

脚本运行结束后，控制台会打印总页数和总预估费用。同时，当前目录下会生成一个名为audit_cost_report.xlsx的Excel文件。打开该文件，你将看到每一份档案的详细计费明细，包括文件名、归属路径、识别出的页数、应用的单价规则以及最终的费用。

五、常见问题处理

在实操过程中，可能会遇到加密PDF或损坏文件导致程序中断的情况。为了保证批量审计的稳定性，代码中已加入try-except异常捕获机制，遇到单文件错误时会跳过并打印日志，不会影响整体流程。

如果需要更精准的幅面识别（例如不依赖文件名关键字，而是通过图片像素判断A3或A4），需修改determine_file_type_and_price函数，引入PIL库读取图片的宽高属性进行判断。例如，当宽度像素大于高度像素且宽度超过2480时，可判定为A3横版格式。

通过以上步骤，你已成功搭建了一套档案数字化审计前的自动收费测算系统，能够快速响应项目需求，输出标准化的成本审计数据。