OCR+AI双引擎驱动：手把手教学构建智能财报分析系统 - 文章 - 开发者社区

picture.image

向AI转型的程序员都关注公众号机器学习AI算法工程

在金融行业中，财报分析是帮助企业和投资者做出决策的关键环节。随着科技的快速发展，自动化、智能化的财报分析变得越来越重要。传统的人工财报分析不仅费时费力，而且容易受到人为错误的影响，因此企业急需借助先进的技术来提高效率和准确性。TextIn平台与DeepSeek R1 API 的结合，提供了一种高效、智能的财报分析解决方案，极大地提高了财报处理的自动化水平，助力企业做出精准决策。

一、TextIn的精准文档OCR解析技术

TextIn平台介绍

TextIn平台是一款基于OCR（光学字符识别）技术的智能文档解析工具，能够高效提取文档中的结构化数据。特别是在财报分析中，TextIn的OCR技术能够精准识别财务报表中的表格和文本，并将其转换为可处理的Markdown格式。这样，企业不仅可以避免人工输入带来的错误，还可以大大提升财报处理的速度和准确性。

王牌功能：通用文档解析

TextIn的通用文档解析功能，特别适用于PDF格式的财报文件，通过高度优化的算法，它可以高效地从扫描的财务报表中提取关键信息。其主要特点包括：

高精度OCR识别：TextIn能够准确识别PDF中的文本内容和表格数据，避免手动录入的繁琐。

结构化数据输出：解析后，TextIn将财报中的表格和数据转化为结构化的Markdown格式，便于进一步处理和分析。

API调用通用文档解析接口

我们可以访问合合信息的控制台免费开通API的调用权限。首次开通有1000页额度赠送！

picture.image

然后我们去通用文档解析的API调试窗口进行调试。

picture.image

上传测试文件，得到返回结果。

picture.image

通过通用文档解析功能，TextIn为财务数据的自动提取和后续处理提供了坚实的基础。

欢迎体验文档解析

https://cc.co/16YSQ3

二、DeepSeek R1：深度AI分析财务数据

在获取财务数据后，下一步便是进行智能化分析。这正是DeepSeek R1的强项，作为一款基于AI的财务分析工具，DeepSeek能够基于提取的数据自动进行深度分析，识别出财务报表中的关键风险、亮点和估值建议，帮助决策者做出明智的选择。

获取DeepSeek-API的调用凭证

首先，我们要注册DeepSeek，注册完成后，进入API keys控制台创建token。

picture.image

复制保存API Key

picture.image

通过API调用DeepSeek大模型

编写Python代码测试调用。


          
from openai import OpenAI
          
client = OpenAI(api_key="<DeepSeek API Key>", base_url="https://api.deepseek.com")
          

          
# Round 1
          
messages = [{"role": "user", "content": "9.11 and 9.8, which is greater?"}]
          
response = client.chat.completions.create(
          
    model="deepseek-reasoner",
          
    messages=messages
          
)
          

          
reasoning_content = response.choices[0].message.reasoning_content
          
content = response.choices[0].message.content
          

          
# Round 2
          
messages.append({'role': 'assistant', 'content': content})
          
messages.append({'role': 'user', 'content': "How many Rs are there in the word 'strawberry'?"})
          
response = client.chat.completions.create(
          
    model="deepseek-reasoner",
          
    messages=messages
          
)
          
# ...

DeepSeek R1通过与合合信息TextIn平台的结合，能够全面处理从财报中提取出来的数据，并生成详细的分析报告。这些报告不仅涵盖了财务风险、业务增长亮点，还提供了估值建议，为投资决策提供了重要参考。

三、TextIn API结合DeepSeek R1的实践用例

文档上传与处理

合合信息TextIn通过其强大的OCR技术，将上传的财务报表（通常为PDF格式）进行识别。用户只需上传财报文件，TextIn会自动将其中的文本和表格数据提取出来，并以Markdown格式输出。此时，财务数据已经被转化为结构化的信息，为后续分析做好了准备。


          
# 接收文件并保存
          
file = request.files.get('file')
          
if not file or not file.filename.lower().endswith('.pdf'):
          
    return jsonify(error="请选择正确的PDF文件"), 400
          
filename = secure_filename(file.filename)
          
filepath = os.path.join(app.config['UPLOAD_FOLDER'], filename)
          
file.save(filepath)

财务数据解析与提取

通过调用合合信息TextIn的接口，系统将PDF文件转化为Markdown格式。这个过程将财报中的表格、数据等信息结构化，便于后续分析。


          
# 调用合合信息TextIn接口进行PDF解析
          
resp = textin_client.recognize_pdf2md(filepath, {
          
    'page_start': 0,
          
    'page_count': 1000,  # 设置解析页数为1000页
          
    'table_flavor': 'md',
          
    'parse_mode': 'scan',  # 设置解析模式为scan模式
          
    'page_details': 0,  # 不包含页面细节
          
    'markdown_details': 1,
          
    'apply_document_tree': 1,
          
    'dpi': 144  # 分辨率设置为144 dpi
          
})
          
financial_data = json.loads(resp.text)['result']['markdown']

财务数据分析与报告生成

一旦数据被成功提取，DeepSeek R1将分析这些数据，并生成详细的财务分析报告。DeepSeek R1不仅仅是一个简单的数据计算工具，它还运用深度学习技术对数据进行上下文分析，识别潜在的财务风险、突出增长亮点和给出估值建议。


          
# 使用DeepSeek进行AI分析
          
analysis = deepseek_client.analyze_financials(financial_data)

通过AI分析，DeepSeek R1返回了一份内容丰富、结构清晰的报告，分析报告以Markdown格式展示财务风险、增长亮点和估值建议等内容。


          
# 结构化分析结果
          
html_content = convert_markdown_to_html(analysis)

结果展示

生成的分析报告将展示给用户，帮助他们快速了解财报的关键信息。报告中包括：

风险点：DeepSeek R1会自动标记出财报中的主要风险，帮助决策者识别潜在问题。

增长亮点：在报告中突出财务数据中的增长亮点，帮助企业发现未来的业务机会。

估值建议：DeepSeek还会根据财报数据给出估值建议，帮助投资者评估企业的市场价值


          
<!-- 渲染财报分析结果 -->
          
<div id="analysisResult">
          
    <h3>🚨 三大核心风险点</h3>
          
    <ol>
          
    <li>
          
    <p><strong>净利润增速放缓</strong><br>
          
    第三季度归母净利润同比下降3.84%（扣非后-7.84%），与营收增长（+19.48%）背离，显示成本压力（研发、销售费用激增）或市场竞争加剧。</p>
          
    </li>
          
        <!-- ... -->
          
    </ol>
          
    <hr>
          
    <h3>💡 三大增长亮点</h3>
          
    <ol>
          
        <!-- ... -->
          
    </ol>
          
    <hr>
          
    <h3>📈 估值建议</h3>
          
    <ol>
          
        <!-- ... -->
          
    </ol>
          
</div>

四、完整案例

案例完整代码

① app.py


          
# -*- coding: utf-8 -*-
          

          
# app.py
          
from flask import Flask, render_template, request, jsonify
          
import os
          
import json
          
from werkzeug.utils import secure_filename
          
import requests
          
import pandas as pd
          
from openai import OpenAI
          
import logging
          
from datetime import datetime
          
import markdown
          
import re
          

          
def get_file_content(filePath):
          
    with open(filePath, 'rb') as fp:
          
        return fp.read()
          

          
class TextinOcr(object):
          
    def __init__(self, app_id, app_secret):
          
        self._app_id = app_id
          
        self._app_secret = app_secret
          
        self.host = 'https://api.textin.com'
          

          
    def recognize_pdf2md(self, image_path, options, is_url=False):
          
        """
          
        pdf to markdown
          
        :param options: request params
          
        :param image_path: string
          
        :param is_url: bool
          
        :return: response
          
        options = {
          
            'pdf_pwd': None,
          
            'dpi': 144,  # 设置dpi为144
          
            'page_start': 0,
          
            'page_count': 1000,  # 设置解析的页数为1000页
          
            'apply_document_tree': 0,
          
            'markdown_details': 1,
          
            'page_details': 0,  # 不包含页面细节信息
          
            'table_flavor': 'md',
          
            'get_image': 'none',
          
            'parse_mode': 'scan',  # 解析模式设为scan
          
        }
          
        """
          
        url = self.host + '/ai/service/v1/pdf_to_markdown'
          
        headers = {
          
            'x-ti-app-id': self._app_id,
          
            'x-ti-secret-code': self._app_secret
          
        }
          
        if is_url:
          
            image = image_path
          
            headers['Content-Type'] = 'text/plain'
          
        else:
          
            image = get_file_content(image_path)
          
            headers['Content-Type'] = 'application/octet-stream'
          

          
        return requests.post(url, data=image, headers=headers, params=options)
          

          
class FinancialAnalyst:
          
    def __init__(self, api_key):
          
        self.client = OpenAI(
          
            api_key=api_key,
          
            base_url="https://api.deepseek.com",
          
        )
          

          
    def analyze_financials(self, financial_data):
          
        """
          
        执行深度财务分析（使用官方SDK）
          
        """
          
        prompt = f"""你是一位顶级证券分析师，请根据以下财务数据进行专业分析： {financial_data}
          
        要求用中文输出：
          
        1. 三个最重要的风险点（用🚨标记）
          
        2. 三个最突出的增长亮点（用💡标记） 
          
        3. 估值建议（用📈标记）
          
        格式要求：Markdown列表，每个分类最多3条"""
          

          
        try:
          
            response = self.client.chat.completions.create(
          
                model="deepseek-reasoner",
          
                messages=[
          
                    {"role": "system", "content": "你是拥有20年经验的证监会持牌财务分析师，擅长发现数据背后的商业逻辑"},
          
                    {"role": "user", "content": prompt}
          
                ],
          
                temperature=0.2,
          
                max_tokens=2000
          
            )
          
            return response.choices[0].message.content
          
        except Exception as e:
          
            return f"⚠️ 分析失败：{str(e)}"
          

          
app = Flask(__name__)
          
app.config['UPLOAD_FOLDER'] = './uploads'
          
app.config['MAX_CONTENT_LENGTH'] = 100 * 1024 * 1024  # 16MB
          

          
# 初始化API客户端
          
textin_client = TextinOcr(
          
    app_id="971357873**********2bef0f5c",
          
    app_secret="2d5b5b6267************dbdde26a0"
          
)
          

          
deepseek_client = FinancialAnalyst(
          
    api_key="sk-k3k2jeB**********************78XharBWnYAJHneI"
          
)
          

          
# 配置日志（在Flask应用初始化后添加）
          
logging.basicConfig(
          
    level=logging.INFO,
          
    format='%(asctime)s - %(name)s - %(levelname)s - %(message)s',
          
    handlers=[
          
        logging.FileHandler('financial_analysis.log'),
          
        logging.StreamHandler()
          
    ]
          
)
          
logger = logging.getLogger(__name__)
          

          
@app.route('/')
          
def index():
          
    return render_template('index1.html')
          

          
@app.route('/analyze', methods=['POST'])
          
def analyze():
          
    start_time = datetime.now()
          
    filepath = None
          
    try:
          
        # ========== 1. 接收文件 ========== 
          
        logger.info("收到分析请求 | Headers: %s", request.headers)
          

          
        file = request.files.get('file')
          
        if not file:
          
            logger.error("未接收到文件")
          
            return jsonify(error="请选择要上传的文件"), 400
          

          
        if not file.filename.lower().endswith('.pdf'):
          
            logger.error("文件类型错误: %s", file.content_type)
          
            return jsonify(error="仅支持PDF文件"), 400
          

          
        # ========== 2. 保存文件 ========== 
          
        filename = secure_filename(file.filename)
          
        filepath = os.path.join(app.config['UPLOAD_FOLDER'], filename)
          
        file.save(filepath)
          
        logger.info("文件暂存成功 | 路径: %s | 大小: %dKB", 
          
                   filepath, os.path.getsize(filepath)//1024)
          

          
        # ========== 3. 解析财报 ========== 
          
        logger.info("开始解析财报...")
          

          
        resp = textin_client.recognize_pdf2md(filepath, {
          
            'page_start': 0,
          
            'page_count': 1000,  # 设置解析页数为1000页
          
            'table_flavor': 'md',
          
            'parse_mode': 'scan',  # 设置解析模式为scan模式
          
            'page_details': 0,  # 不包含页面细节
          
            'markdown_details': 1,
          
            'apply_document_tree': 1,
          
            'dpi': 144  # 分辨率设置为144 dpi
          
        })
          
        logger.info("request time: %s", resp.elapsed.total_seconds())
          

          
        financial_data = json.loads(resp.text)['result']['markdown']
          

          
        # 记录解析后的财报数据
          
        logger.info("原始解析数据: %s", json.dumps(financial_data, indent=2, ensure_ascii=False))
          

          
        # ========== 5. 生成分析报告 ========== 
          
        logger.info("开始AI分析...")
          

          
        # 获取AI分析结果
          
        analysis = deepseek_client.analyze_financials(financial_data)
          
        logger.info("分析完成 | 结果长度: %d字符", len(analysis))
          
        logger.info("分析完成 | 结果内容: %s", analysis)
          

          
        # 结构化分析内容
          
        html_content = convert_markdown_to_html(analysis)
          

          
        result_text = re.sub(r'<think>.*?</think>', '', html_content, flags=re.DOTALL).replace("```markdown", "<br /><hr />")
          
        think_text = re.sub(r'```markdown.*?```', '', html_content, flags=re.DOTALL)
          
        logger.info(json.dumps(think_text, indent=2, ensure_ascii=False))
          
        logger.info(json.dumps(result_text, indent=2, ensure_ascii=False))
          

          
        # ========== 6. 响应结果 ========== 
          
        duration = (datetime.now() - start_time).total_seconds()
          
        logger.info("请求处理完成 | 耗时: %.2fs", duration)
          

          
        return jsonify(html=result_text)
          

          
    except ValueError as ve:
          
        logger.error("业务逻辑错误: %s", str(ve), exc_info=True)
          
        return jsonify(error=str(ve)), 400
          
    except requests.exceptions.RequestException as re:
          
        logger.error("API请求异常: %s", str(re), exc_info=True)
          
        return jsonify(error="后台服务暂不可用"), 503
          
    except Exception as e:
          
        logger.critical("未处理异常: %s", str(e), exc_info=True)
          
        return jsonify(error="系统内部错误"), 500
          
    finally:
          
        # 清理临时文件
          
        if filepath and os.path.exists(filepath):
          
            try:
          
                os.remove(filepath)
          
                logger.info("已清理临时文件: %s", filepath)
          
            except Exception as e:
          
                logger.warning("文件清理失败: %s", str(e))
          

          
def convert_markdown_to_html(markdown_text):
          
    # 将 Markdown 转换为 HTML
          
    html_content = markdown.markdown(markdown_text)
          
    return html_content
          

          
if __name__ == '__main__':
          
    os.makedirs(app.config['UPLOAD_FOLDER'], exist_ok=True)
          
    app.run(debug=True)

② index.html


          
<!-- templates/index.html -->
          
<!DOCTYPE html>
          
<html>
          
<head>
          
    <title>智能财报分析系统</title>
          
    <link href="https://cdn.bootcdn.net/ajax/libs/twitter-bootstrap/5.3.0/css/bootstrap.min.css" rel="stylesheet">
          
    <script src="https://cdn.bootcdn.net/ajax/libs/echarts/5.4.2/echarts.min.js"></script>
          
</head>
          
<body>
          
<div class="container mt-5">
          
    <h2 class="mb-4">上市公司财报智能分析</h2>
          

          
    <!-- 上传区域 -->
          
    <div class="card mb-4">
          
        <div class="card-body">
          
            <input type="file" id="pdfUpload" accept=".pdf" class="form-control">
          
            <div id="loading" class="mt-3" style="display:none;">
          
                <div class="spinner-border text-primary"></div>
          
                <span class="ms-2">分析中...</span>
          
            </div>
          
        </div>
          
    </div>
          

          
    <!-- 结果显示 -->
          
    <div id="resultPanel" style="display:none;" class="row">
          
        <!-- 左侧分析文本 -->
          
        <div class="col-md-6">
          
            <div class="card mb-4">
          
                <div class="card-header">AI分析结论</div>
          
                <div class="card-body">
          
                    <div id="textAnalysis" style="white-space: pre-line;"></div>
          
                </div>
          
            </div>
          
        </div>
          

          
        <!-- 右侧表格 -->
          
        <div class="col-md-6">
          
            <div class="card">
          
                <div class="card-header">财务报表数据</div>
          
                <div class="card-body">
          
                    <div id="tablesArea"></div>
          
                </div>
          
            </div>
          
        </div>
          
    </div>
          
</div>
          

          
<script>
          
document.getElementById('pdfUpload').addEventListener('change', function(e) {
          
    const file = e.target.files[0];
          
    const formData = new FormData();
          
    formData.append('file', file);
          

          
    // 显示加载状态
          
    document.getElementById('loading').style.display = 'block';
          
    document.getElementById('resultPanel').style.display = 'none';
          

          
    fetch('/analyze', {
          
        method: 'POST',
          
        body: formData
          
    })
          
    .then(response => response.json())
          
    .then(data => {
          
        if(data.error) {
          
            alert('错误: ' + data.error);
          
            return;
          
        }
          

          
        // 渲染分析文本
          
        document.getElementById('textAnalysis').textContent = data.analysis
          

          
        // 渲染表格
          
        renderTables(data.tables)
          

          
        document.getElementById('resultPanel').style.display = 'block';
          
    })
          
    .finally(() => {
          
        document.getElementById('loading').style.display = 'none';
          
    });
          
});
          

          
function renderTables(tables) {
          
    const container = document.getElementById('tablesArea')
          
    container.innerHTML = ''
          

          
    // 定义表格样式
          
    const tableStyle = `style="width:100%; margin-bottom:2rem; border-collapse:collapse;"`
          
    const thStyle = `style="padding:12px; background:#f8f9fa; border:1px solid #dee2e6;"`
          
    const tdStyle = `style="padding:12px; border:1px solid #dee2e6; text-align:right;"`
          

          
    // 遍历所有表格类型
          
    const tableTypes = {
          
        'income_statement': '利润表',
          
        'balance_sheet': '资产负债表',
          
        'cash_flow': '现金流量表'
          
    }
          

          
    Object.entries(tableTypes).forEach(([key, title]) => {
          
        const data = tables[key]
          
        if(data.length === 0) return
          

          
        // 创建表格标题
          
        const titleEl = document.createElement('h5')
          
        titleEl.className = 'mt-4 mb-3 text-primary'
          
        titleEl.textContent = title
          
        container.appendChild(titleEl)
          

          
        // 创建表格
          
        const table = document.createElement('table')
          
        table.className = 'financial-table'
          
        table.setAttribute('style', tableStyle)
          

          
        // 处理表头
          
        const thead = document.createElement('thead')
          
        const headerCells = data[0].split('|').filter(c => c.trim())
          
        thead.innerHTML = `
          
            <tr>
          
                ${headerCells.map(c => `<th ${thStyle}>${c.trim()}</th>`).join('')}
          
            </tr>
          
        `
          
        table.appendChild(thead)
          

          
        // 处理表格体
          
        const tbody = document.createElement('tbody')
          
        data.slice(1).forEach(row => {
          
            const cells = row.split('|').filter(c => c.trim())
          
            if(cells.length === 0) return
          

          
            const tr = document.createElement('tr')
          
            tr.innerHTML = cells.map(c => `
          
                <td ${tdStyle}>${c.trim().replace(/(\d)(?=(\d{3})+(?!\d))/g, '$1,')}</td>
          
            `).join('')
          
            tbody.appendChild(tr)
          
        })
          
        table.appendChild(tbody)
          

          
        container.appendChild(table)
          
        container.appendChild(document.createElement('div')).className = 'mb-4' // 添加空行
          
    })
          
}
          

          
</script>
          
<style>
          
.financial-table {
          
    margin-bottom: 2rem;
          
}
          
.financial-table th {
          
    background-color: #f8f9fa;
          
    min-width: 120px;
          
}
          
.financial-table td {
          
    font-family: 'Courier New', monospace;
          
}
          
</style>
          
</body>
          
</html>

案例运行效果

我们从雪球上下载某软件公式的2024Q3财报，上传到我们的智能分析项目。

picture.image

五、行业应用案例

金融行业

金融行业对精确的财报分析有着强烈的需求。通过合合信息TextIn与DeepSeek的结合，金融机构能够自动化处理财报文档，并获取AI分析的结果，极大提高了分析效率。无论是用于投资决策还是企业评估，系统都能提供准确、及时的分析报告，帮助决策者抓住市场机会。

制造业

对于制造业企业来说，财报中往往涉及大量的供应链数据、采购订单和合同等文档。通过合合信息TextIn的自动化文档解析与DeepSeek的财务分析，制造业能够迅速获取财报中的核心数据，识别财务风险，并优化资源配置，提高运营效率。

六、总结

合合信息的TextIn与DeepSeek R1的结合，提供了一种全面、自动化的财报分析解决方案。通过自动化文档解析和深度AI分析，企业不仅能够高效提取财务数据，还能精准识别财务中的潜在问题和业务机会。这一智能化的解决方案正在成为金融、制造等行业财报处理的核心工具，助力企业在复杂的市场环境中做出更加明智的决策。

机器学习算法AI大数据技术

搜索公众号添加： datanlp

picture.image