aifinlab/announcement-layout-parsing

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