financial-report-parser 0.1.1

一个用于解析财务报表的 Python 包

Financial Report Parser

一个用于解析财务报表的 Python 包，支持从 PDF 文件中提取和分析财务数据。

功能特性

• 📄 PDF 解析: 使用 pdfplumber 解析财务报表 PDF 文件
• 📊 表格识别: 自动识别资产负债表、利润表、现金流量表
• 🔍 数据提取: 提取关键财务指标和数值
• ✅ 数据校验: 提供字段完整性检查
• 📈 JSON 输出: 将解析结果输出为结构化 JSON 数据
• 🖥️ 命令行工具: 提供便捷的命令行接口

安装

pip install financial-report-parser

快速开始

命令行使用

# 解析 PDF 文件
financial-parser parse financial_report.pdf

# 输出到 JSON 文件
financial-parser parse financial_report.pdf --output result.json

Python API 使用

from financial_report_parser import FinancialReportParser, read_pdf_file

# 创建解析器实例
parser = FinancialReportParser()

# 读取 PDF 文件
pdf_content = read_pdf_file("financial_report.pdf")

# 解析财务数据
result = parser.parse_pdf(pdf_content)

# 查看解析结果
print(result)

支持的财务表格

资产负债表

• 货币资金
• 应收账款
• 存货
• 固定资产
• 应付账款
• 股本
• 未分配利润
• 盈余公积

利润表

• 营业收入
• 营业成本
• 营业利润
• 利润总额
• 净利润

现金流量表

• 经营活动现金流量净额
• 投资活动现金流量净额
• 筹资活动现金流量净额
• 现金及现金等价物净增加额

输出格式

解析结果包含以下信息：

{
    "content_size": 1096757,
    "file_type": "PDF",
    "status": "success",
    "total_pages": 161,
    "pages": [
        {
            "page_number": 1,
            "text": "财务报表内容...",
            "tables": [...],
            "width": 595.3,
            "height": 841.9
        }
    ],
    "report_json": {
        "balance_sheet": {...},
        "profit_statement": {...},
        "cash_flow_statement": {...}
    }
}

数据校验

包内置数据校验功能，检查：

• 字段完整性
• 数据质量评分
• 校验结果包含错误和警告信息

系统要求

• Python >= 3.9
• pdfplumber >= 0.11.7

开发

安装开发依赖

# 克隆仓库
git clone <repository-url>
cd financial-report-parser

# 安装 Poetry
pip install poetry

# 安装依赖
poetry install

运行测试

python financial_report_parser/test.py

许可证

MIT License

作者

• tless - [e-mail]

贡献

欢迎提交 Issue 和 Pull Request！

更新日志

v0.1.1

• 增强字段标准化功能
  • 支持中文数字前缀去除（如"（一）基本每股收益" → "基本每股收益"）
  • 支持括号内容去除（如"汇兑收益（损失以"－"号填列）" → "汇兑收益"）
  • 改进引号类型处理，支持中英文引号统一
• 优化表格类型识别
  • 添加往前推断逻辑，通过表格上方文本验证表类型
  • 提高利润表、资产负债表、现金流量表的识别准确性
• 完善字段映射
  • 扩展现金流量表和资产负债表字段映射
  • 增加银行类金融机构特有字段支持
  • 确保字段标准化映射与 indicators.py 保持一致
• 改进输出格式
  • 分离资产负债表、利润表、现金流量表为独立对象
  • 添加表格位置信息（坐标、页码、边界框等）
  • 减少调试输出，优化用户体验
• 性能优化
  • 修复内存使用效率问题
  • 优化多页表格合并逻辑
  • 改进边界框搜索算法

v0.1.0

• 初始版本发布
• 支持 PDF 财务报表解析
• 提供命令行工具和 Python API
• 内置数据校验功能