by 运行时依赖
安装命令
点击复制技能文档
基金月报信息提取
上传 Excel 模板和 PDF 月报，AI 自动提取数据（文本+OCR）并生成对比 Excel。
🌟 技能亮点 文本+OCR 双重提取 - 图表数据不遗漏，识别准确率 95%+ 双月自动对比 - 一次处理两个月份，生成完整对比数据 智能日期解析 - 支持 YYYYMM 和 YYMM 格式，自动补全年份 批量处理 - 一次处理 10+ 只基金，节省 99% 时间 ⚙️ 功能 功能 说明 核心指标提取 久期、到期收益率 (YTM)、基金规模 分布数据提取 行业分布、地区分布、信用评级分布 模板保持 保持 Excel 原有样式、公式、数据类型 智能匹配 字段名模糊匹配，适应不同表述方式 自动分类 识别基金名称和日期，智能分 Sheet 📥 输入 类型 说明 要求 Excel 模板 用户自定义格式 文件名：互认基金月度更新_YYYYMMvsYYYYMM.xlsx PDF 月报 基金月度报告 支持文本/图表/扫描版，文件名含月份（如 华夏 2601.pdf） 📤 输出 文件 说明 互认基金月度更新_YYYYMMvsYYYYMM_最终版.xlsx 包含上月（列 4）和本月（列 6）的完整对比数据
提取内容：
核心指标：久期、YTM（两月对比） 分布数据：行业、地区、信用评级（两月对比） 其他：十大持仓、派息记录等 🚀 快速开始 1️⃣ 安装依赖（首次使用） # 系统工具 yum 安装 -y tesseract tesseract-langpack-chi_simp poppler-utils
# Python 包 pip 安装 pdf2image Pillow opencv-python-headless
2️⃣ 准备文件 工作目录/ ├── 模板/ │ └── 互认基金月度更新_202512vs202601.xlsx ├── 月报数据/ │ ├── 202512/ # 上月 PDF │ │ ├── 华夏 202512.pdf │ │ └── 南方东英 202512.pdf │ └── 202601/ # 本月 PDF │ ├── 华夏 2601.pdf │ └── 南方东英 2601.pdf
3️⃣ 运行处理 cd ~/.代理s/技能s/fund报告-scrape
python3 scripts/auto_更新_two_months.py \ "/path/to/互认基金月度更新_202512vs202601.xlsx" \ "/path/to/月报数据/202512/" \ "/path/to/月报数据/202601/" \ "/path/to/互认基金月度更新_202512vs202601_最终版.xlsx"
4️⃣ 查看结果
输出文件包含：
✅ 上月数据（列 4）：202512 ✅ 本月数据（列 6）：202601 ✅ 自动对比：久期、YTM、行业分布等 📁 文件结构 fund报告-scrape/ ├── 技能.md # 技能说明 ├── SECURITY_REVIEW.md # 安全评估报告 ├── _meta.json # 元数据 ├── requirements.txt # Python 依赖 ├── scripts/ │ ├── auto_更新_two_months.py # ⭐ 双月处理（推荐） │ ├── auto_更新_ocr.py # OCR 增强版 │ └── 安装_ocr_deps.sh # 依赖安装脚本 └── references/ ├── 提取ion_templates.json # 提取模板配置 ├── ocr_rules.md # OCR 识别规则 ├── field_m应用ing.md # 字段映射规则 ├── template_learning.md # 模板学习规则 ├── batch_processing.md # 批量处理规则 └── interaction_rules.md # 交互规则
📋 脚本说明 脚本 用途 推荐使用 auto_更新_two_months.py 双月对比处理 ⭐⭐⭐ 推荐 auto_更新_ocr.py 单月 OCR 处理 ⭐⭐ 备选 安装_ocr_deps.sh 一键安装依赖 ⭐⭐⭐ 首次使用 ❓ 常见问题 Q1: OCR 识别准确率低？
A: 确保 PDF 清晰度足够，建议：
使用 300 DPI 以上的 PDF 避免模糊或压缩过度的文件 图表数据建议对照 PDF 手动验证 Q2: 日期解析错误？
A: 检查文件名格式：
Excel 文件名必须包含 YYYYMMvsYYYYMM PDF 文件名应包含月份信息（如 2601 或 202601） Q3: 部分基金数据未提取？
A: 可能原因：
PDF 中基金名称与模板不匹配 数据以复杂图表形式存在 建议查看日志中的"未匹配"提示 📝 更新日志 v1.0.0 (2026-03-14)
核心功能：
✅ 文本+OCR 双重提取，支持图表数据识别 ✅ 双月对比处理，自动生成对比数据 ✅ 智能日期解析，支持 YYYYMM 和 YYMM 格式 ✅ 自动年份补齐（2601 → 202601） ✅ 从 Excel 文件名解析对比月份 ✅ 批量处理 10+ 只基金 ✅ 保持 Excel 原有样式和公式
技术特性：
✅ Tesseract OCR 引擎（中文+英文） ✅ pdfplumber 文本提取 ✅ OpenCV 图像预处理 ✅ 自动基金匹配和分类
系统依赖：
Tesseract OCR 5.x + 中文语言包 Poppler-utils（PDF 转图片） Python 3.8+