推荐开源项目:Mint Transactions Tagger for Amazon Purchases
2024-05-27 10:27:00作者:卓炯娓
项目介绍
你是否经常在亚马逊购物,而你的交易记录在Mint上总是显示为“Amazon”和类别“购物”,让你的账单管理变得混乱?不用担心,我们有一个解决方案——Mint Transactions Tagger for Amazon Purchases。这是一个强大的工具,能够帮助你自动匹配并整理亚马逊的订单历史与你在Mint上的交易记录。
项目技术分析
这个工具基于Selenium框架,利用自动化浏览器实例进行操作,实现了从亚马逊的"Request Your Data"导出数据中获取信息的功能。即使最新的导出方式不再包含类别信息,工具也能通过精确匹配商品描述,来更新或分项处理过去的交易记录。用户输入的用户名和密码仅用于登录过程,确保了安全性。
项目及技术应用场景
- 自动化匹配:当发现相同商品的购买记录时,它会更新交易描述和分类,或者将单一交易拆分为多个子项。
- 学习用户的分类习惯:用户对历史交易的任何类别更改都会被记住,未来购买相同商品时,工具会尝试应用这些更改。
- 兼容性广泛:无需拥有亚马逊特定的信用卡,只要购物款项来自已连接到Mint的账户,工具就能工作。
项目特点
- 智能匹配: 工具能学习并记忆用户对商品的自定义分类,提高财务管理准确性。
- 安全无忧: 用户的用户名和密码不会被存储,仅在运行期间临时输入。
- 可定制性强: 提供多种运行模式,包括预构建二进制文件、Docker容器和直接从Python源代码运行。
- 灵活适应: 针对不同银行处理速度提供调整选项,以优化匹配率。
- 易于使用: 提供图形界面和命令行接口,满足不同用户需求。
获取和启动项目
你可以从GitHub发布页面下载最新版本的预构建二进制文件,或者使用Docker或Python源代码进行安装和运行。对于高级用户,还可以选择通过Docker头像或直接从Python源代码启动工具。
如果你已经厌倦了手动分类亚马逊的购物交易,那么Mint Transactions Tagger for Amazon Purchases是你不容错过的利器。现在就开始使用,让财务管理变得更简单、更有序!
支持开发者
如果你觉得这个项目对你有帮助,请考虑赞助开发者,以支持他持续改进该项目。更多详情可见项目主页。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
315
2.74 K
deepin linux kernel
C
24
7
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
639
246
仓颉编译器源码及 cjdb 调试工具。
C++
124
852
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
470
Ascend Extension for PyTorch
Python
155
178
暂无简介
Dart
606
136
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
240
85
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
364
3.02 K
React Native鸿蒙化仓库
JavaScript
238
310