银行账单为何全是负数？
Why are all the amounts values negative?
几天前，一位客户发邮件抱怨转换后的银行账单金额全变成了负数。我检查了原始 PDF，发现列标题末尾确实带有减号。通过 PDFSnake 深入分析，我揭开了真相：对于正数金额，减号字符被编码在 PDF 中，但其灰度值被设置为与背景色一致，导致肉眼不可见，但文本提取代码却能读取到。这种设计初衷是为了在保持数字右对齐的同时处理尾随减号，却给数据提取带来了麻烦。面对这一难题，我考虑了两种方案：一是使用 OCR 技术将 PDF 转为图片再识别，虽然准确但速度慢；二是修改代码以过滤非黑色文本，这需要额外开发。
这个字符确实存在，只是不可见，这就是为什么我的代码在处理这个 PDF 时会把它提取出来。
- rmunn
我原本以为会看到关于复式记账法的内容，以及为什么在标记某笔分录是借方（-100）还是贷方（+100）时，起初会让人感到反直觉，尤其是针对负债类科目（当你在账本中录入信用卡还款时，如果你还没完全搞懂这套系统，符号往往和你直觉预期的不一样）。
结果却是一篇不错的博客，讲的是一个因为有人滥用语义化标记来做样式而引发的棘手小问题。这说明 HTML 并不是唯一有这种问题的格式。PDF 作为提取数据的格式本来就已经够糟糕了，我们不需要再在上面叠加这些愚蠢的、受 HTML 启发的把戏。
OP 干得漂亮，找到了问题并解释得很清楚。感谢这篇有趣的文章。
- deepsun
为什么不直接跳过所有的负号，除非它们紧挨着数字前面？我看所有的负号都在数字后面，而不是前面，所以只要不在前面就跳过。最好在包含该数字的同一个 BT/ET 块内处理。
- happymellon
这篇文章是开放式结局吗？
他们尝试过某种方法吗？反馈如何？