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
```json
{
  "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