项目背景：
江苏各省的电力公司保存了大量非结构化信息，如项目报告、开竣工文件、预算书等，这些文件以Excel、PDF、图片等形式存储，未录入系统中，导致信息难以有效利用。该项目旨在建立一个系统，获取并分析这些文件并输出结构化数据。
技术实现：
该项目使用flask搭建，使用blueprints整合各个模块，我深度参与了多个模块的开发，其中Excel识别和图片识别两个模块较为重要：
Excel识别：
挑战：文档格式不统一，不同单位文件单独配置工作量巨大且缺乏拓展性。
解决方案：设置一套配置系统，通过位置和过滤条件动态获取所需单元格的数据。复杂条件通过配
置方法过滤，用户可自行配置应对不同样式的文档。此方法已识别出十万级别的文档并进行结构化
存储，使用Openpyxl和Pandas处理文档。
图片识别：
使用PIL进行图片降噪、切割、旋转等处理，使用PaddleOCR进行文字识别，并通过类似Excel识
别配置的方法获取关键字，得到所需数值。识别开竣工文件日期成功率超过80%。