Banka Ekstresi Ayrıştırıcısı Hakkında

Özet: Bank Statement Parser, yedi banka ekstresi formatını (CAMT.053, PAIN.001, CSV, OFX, QFX, MT940 ve PDF) pandas DataFrames'e dönüştüren açık kaynaklı bir Python kitaplığıdır. Hibrit PDF pipeline, bakiye doğrulama, REST API, zenginleştirme, defter dışa aktarımı, 27K+ tx/s aktarım hızı.

Bank Statement Parser, yedi formattaki banka ekstrelerini yapılandırılmış pandas DataFrames'e dönüştüren açık kaynaklı bir Python kitaplığıdır. Deterministik çekirdek, yapılandırılmış formatları sıfır ağ çağrısıyla yerel olarak işler. İsteğe bağlı hibrit PDF pipeline, dijital ve taranmış ekstreler için yerel LLM'ler (Ollama üzerinden) kullanır.

Bu Kimin İçin?

• MT940'tan CAMT.053'e geçiş yapan ve geçiş sürecinde hem eski hem yeni formatları işleyen bir ayrıştırıcıya ihtiyaç duyan hazine ekipleri. Yapılandırılmış dışa aktarım sunmayan bankalardan gelen PDF ekstreler de dahil.
• Yerleşik bakiye doğrulama, sınıflandırma ve defter dışa aktarımı içeren tek bir bağımlılık isteyen mutabakat, raporlama veya muhasebe pipeline'ları oluşturan fintech geliştiricileri.
• Varsayılan PII redaksiyonu, deterministik çıktı ve tutarsızlıkları deftere ulaşmadan yakalayan Altın Kural doğrulamasına ihtiyaç duyan uyum ekipleri.
• PDF banka ekstrelerinden hledger veya beancount defterlerine otomatik veri alımı isteyen düz metin muhasebe kullanıcıları.
• Yerel, açık kaynaklı bir araç bu işi yapabilecekken hassas finansal verileri üçüncü taraf SaaS'a göndermeyi reddeden herkes.

Desteklenen Formatlar

Tüm formatlar tutarlı sütun adlarına sahip normalleştirilmiş pandas DataFrames üretir. Bu sayede sonraki işlemler formattan bağımsız hale gelir.

Temel Yetenekler

• Hibrit PDF Pipeline: smart_ingest() PDF'leri üç yoldan geçirir — deterministik tablo çıkarımı, metin-LLM veya görüntü-LLM — otomatik Altın Kural bakiye doğrulamasıyla.
• Otomatik Format Algılama: detect_statement_format() formatı tanır; create_parser() doğru ayrıştırıcıyı başlatır.
• Bakiye Doğrulama: Altın Kural kontrolü (opening + credits − debits == closing) ile VERIFIED/DISCREPANCY/FAILED durumu.
• Çoklu Para Birimi Doğrulaması: verify_balance_multi_currency() işlemleri para birimine göre gruplar ve bağımsız doğrulama yapar.
• REST API: Üretim dağıtımları için /ingest ve /health uç noktalarına sahip FastAPI mikro hizmeti.
• Zenginleştirme: Takılabilir şemalarla (varsayılan Plaid 13 kategori) LLM destekli işlem sınıflandırması.
• Etkileşimli İnceleme: --type review ile tutarsızlıkları kabul et/düzenle/atla/sil eylemleriyle inceleyin.
• Defter Dışa Aktarımı: Düz metin muhasebe iş akışları için to_hledger() ve to_beancount().
• Toplu Tarama: scan_and_ingest() klasör ağaçlarını otomatik çapraz dosya tekilleştirmesiyle işler.
• Hesap Eşleme: Defter dışa aktarımı için JSON yapılandırmasından regex tabanlı hesap eşleme kuralları.
• Streaming Ayrıştırma: parse_streaming() ile büyük dosyaları (50 MB+, 50K+ işlem) sınırlı bellekle işleyin.
• Paralel İşleme: ProcessPoolExecutor kullanarak parse_files_parallel() ile birden fazla dosyayı eş zamanlı ayrıştırın.
• Tekilleştirme: Güvenli artımlı veri alımı için idempotent transaction_hash (MD5 parmak izi).
• Bellekte Ayrıştırma: Disk G/Ç olmadan SFTP ve API iş akışları için from_string() ve from_bytes().
• Güvenli ZIP İşleme: Sıkıştırma oranı sınırları, giriş boyutu üst sınırları ve şifreli giriş reddi ile iter_secure_xml_entries().
• Dışa Aktarım: CSV, JSON, Excel (.xlsx), Polars DataFrames, hledger ve beancount defterleri.

Güvenlik ve Gizlilik

• PII Redaksiyonu: CLI çıkışında adlar, IBAN'lar ve adresler varsayılan olarak maskelenir. Gerektiğinde --show-pii ile gösterin.
• XXE Koruması: XML ayrıştırma resolve_entities=False, no_network=True, load_dtd=False kullanır.
• ZIP Bomba Koruması: Sıkıştırma oranı sınırları (varsayılan 100:1), giriş boyutu üst sınırları (10 MB), şifreli giriş reddi.
• Yol Geçişi Önleme: Tehlikeli desen engelleme listesi ve sembolik bağlantı çözümlemesi.
• Tedarik Zinciri Güvenliği: SHA-256 hash kilitli bağımlılıklar, CycloneDX SBOM, derleme kaynak doğrulaması.
• Yalnızca Yerel LLM'ler: Hibrit PDF pipeline, yerel çıkarım için Ollama kullanır — bulut API'lerine veri gönderilmez.

Performans

Metrik	Değer
CAMT.053 aktarım hızı	27.000+ tx/s
PAIN.001 aktarım hızı	52.000+ tx/s
İşlem başına gecikme (CAMT)	37 mikrosaniye
İşlem başına gecikme (PAIN.001)	19 mikrosaniye
İlk sonuca ulaşma süresi	< 2 ms
Bellek ölçekleme (1K-50K tx)	Sabit (streaming)
Test kapsamı	%100 dal kapsamı
Testler	29 test dosyasında 718

Geliştirmeye Başlayın

Kurulum ve örneklerle başlayın ❯

"GitHub Deposu"