开源项目教程:Beancount 导入器
2025-04-19 00:23:44作者:申梦珏Efrain
1. 项目的目录结构及介绍
china_bean_importers 项目是一个用于Beancount的导入脚本,支持多种中国金融工具的数据导入。项目的目录结构如下:
-
__init__.py: 初始化Python模块,使得项目可以被当作一个包来使用。 -
config.example.py: 配置文件示例,包含所有可配置的选项和解释。 -
LICENSE: 项目使用的MIT许可协议。 -
README.md: 项目说明文件,包含项目的基本信息和如何使用。 -
pyproject.toml: Python项目配置文件。 -
.gitignore: Git忽略文件,用于指定哪些文件和目录不应该被版本控制系统跟踪。 -
china_bean_importers/: 包含所有导入器的Python代码。wechat.py: 微信支付导入器。alipay_web.py: 支付宝(网页端)导入器。alipay_mobile.py: 支付宝(手机端)导入器。boc_credit_card.py: 中国银行信用卡导入器。boc_debit_card.py: 中国银行借记卡导入器。...: 其他银行和支付工具的导入器。
-
tests/: 测试目录,用于存放项目的单元测试代码。
2. 项目的启动文件介绍
此项目的启动主要是通过Python直接运行脚本或者通过pip安装后作为库使用。
-
安装: 可以通过pip命令安装本项目,安装命令如下:
pip3 install china-bean-importers或者,你可以克隆整个仓库到本地:
git clone https://github.com/jiegec/china_bean_importers然后在本地的项目目录中安装:
cd china_bean_importers pip install --editable . -
运行: 运行导入器之前,需要先配置好
config.py文件。以下是一个简单的配置和使用示例:from china_bean_importers import wechat, alipay_web, alipay_mobile, boc_credit_card, boc_debit_card from china_bean_importer_config import config CONFIG = [ wechat.Importer(config), alipay_web.Importer(config), alipay_mobile.Importer(config), boc_credit_card.Importer(config), boc_debit_card.Importer(config), ] # 接下来可以根据需要调用CONFIG中的导入器进行数据导入
3. 项目的配置文件介绍
项目的配置文件是config.example.py,它包含了所有可以自定义的配置选项。在使用前,需要复制这个文件为config.py,然后根据实际情况进行编辑。
以下是一些主要的配置选项:
importers: 包含每个导入器需要的特定配置,如账户映射、分类映射等。card_narration_whitelist和card_narration_blacklist: 用于过滤可能在其他导入器中出现的交易描述。card_accounts: 记录各类卡账户的最后四位数字,用于自动化账户匹配。pdf_passwords: 用于解密加密的PDF文件。unknown_expense/income_account: 在无法匹配情况下使用的支出/收入账户。detail_mapping: 用于从交易描述、对手等信息中匹配目标账户、标签等信息。
确保所有的配置信息填写正确,以便导入器能够正确地解析和处理你的财务数据。
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
deepin linux kernel
C
24
7
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
317
2.74 K
仓颉编译器源码及 cjdb 调试工具。
C++
124
852
Ascend Extension for PyTorch
Python
157
178
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
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
242
85
暂无简介
Dart
606
136
React Native鸿蒙化仓库
JavaScript
239
310
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
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