aifinlab 公告版式解析 Skill
数据来源
本 Skill 支持多种公告文档输入格式，核心数据来源包括：
1. 公告文档类型
- PDF格式：上市公司公告PDF文档
- Word格式：公告Word文档
- HTML格式：交易所网站公告页面
- 图片格式：扫描版公告图片
2. 公告内容类型
- 定期报告：年报、半年报、季报
- 临时公告：重大事项公告、权益变动公告
- 监管公告：监管问询、行政处罚公告
- 交易公告：停复牌公告、交易异常波动公告
3. 文档特征
- 语言类型：中文、英文
- 版式类型：标准版式、复杂版式、扫描版式
- 文档大小：小文档（<5MB）、大文档（>5MB）
4. 数据格式要求
- 文件路径：本地文件路径或网络文件URL
- 文件编码：UTF-8、GBK、GB2312等
- 文件权限：需要读取权限
说明：本 Skill 不包含文档采集功能，需要用户提供公告文档文件。建议文档格式规范，以便进行准确的版式解析。
功能
本 Skill 提供全面的公告版式解析能力，涵盖多种解析功能：
1. 公告结构识别
- 公告标题识别：识别公告标题和公告类型
- 公告编号识别：识别公告编号和发布机构
- 公告日期识别：识别公告发布日期和生效日期
- 公告主体识别：识别公告正文主体内容
2. 章节结构解析
- 章节层级识别：识别公告的章节层级结构
- 章节标题提取：提取各级章节标题
- 章节内容提取：提取各章节的具体内容
- 章节定位：记录章节在文档中的位置
3. 表格识别
- 财务表格识别：识别财务报表相关表格
- 数据表格识别：识别数据统计表格
- 表格结构解析：解析表格的行列结构
- 表格内容提取：提取表格的具体数据
4. 关键信息提取
- 公司信息提取：提取公司名称、股票代码等信息
- 关键日期提取：提取重要日期和时间节点
- 金额信息提取：提取涉及金额和数值信息
- 关联方信息提取：提取关联方和交易对手信息
5. 版式还原
- 版式结构还原：尽可能还原公告的原始版式
- 格式信息保留：保留字体、字号等格式信息
- 布局信息记录：记录页面布局和元素位置
6. 高级处理功能
- OCR识别：对扫描版公告进行OCR识别
- 多语言识别：识别公告中的多语言内容
- 结构化输出：输出结构化的公告内容
使用示例
输出示例
{
"document_info": {
"filename": "announcement.pdf",
"file_size": 512000,
"page_count": 10,
"language": "zh-CN",
"announcement_type": "重大事项公告"
},
"header": {
"title": "关于重大资产重组的公告",
"announcement_number": "2024-001",
"company_name": "示例股份有限公司",
"stock_code": "000001",
"publish_date": "2024-03-15",
"publish_org": "上海证券交易所"
},
"structure": {
"sections": [
{
"level": 1,
"title": "一、交易概述",
"content": "交易概述内容...",
"page": 1
},
{
"level": 1,
"title": "二、交易对方基本情况",
"content": "交易对方基本情况...",
"page": 2
}
]
},
"tables": [
{
"table_id": 1,
"type": "financial_table",
"position": {
"page": 5,
"section": "三、交易标的基本情况"
},
"rows": 8,
"columns": 4,
"data": [
["项目", "2024年", "2023年", "2022年"],
["营业收入", "1000", "900", "800"]
]
}
],
"key_information": {
"company_name": "示例股份有限公司",
"stock_code": "000001",
"transaction_amount": 500000000,
"transaction_date": "2024-03-20",
"related_parties": ["关联公司A", "关联公司B"]
}
}
注意事项与限制
1. 文档格式要求
- 支持标准公告格式文档
- 复杂版式可能影响解析准确性
- 扫描版公告需要OCR功能支持
2. 解析准确性
- 标准版式公告解析准确率较高
- 非标准版式可能影响结构识别
- OCR识别准确率受图片质量影响
3. 性能考虑
- 大文档处理可能需要较长时间
- 内存占用与文档大小成正比
- 建议对超大文档进行分页处理
4. 版式差异
- 不同交易所公告版式可能不同
- 需要适配不同版式的解析规则
- 新版式可能需要更新解析规则
5. 使用限制
- 本 Skill 不包含文档编辑功能
- 解析结果需要人工复核
- 受保护文档可能无法解析
参考资料
- 见 references/ 目录中的相关文档，包括：
- 公告版式解析方法手册
- 公告结构识别算法说明
- OCR识别使用指南
- 性能优化指南
License
- 本 skill 代码部分采用 MIT License，详见
LICENSE文件 - 依赖与运行环境以
requirements.txt为准 - 文档内容采用 CC BY 4.0 许可