OCR+AI双引擎驱动：手把手教学构建智能财报分析系统

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

1. 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。

2. 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。

  3. 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！

  ​

  然后我们去通用文档解析的API调试窗口进行调试。

  ​

  上传测试文件，得到返回结果。

  ​

  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。

  1. 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。

  ​

  复制保存API Key

  ​

  2. 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="", 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

  1. 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)

  2. 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']
  

  3. 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)

  4. 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

    id="analysisResult">
        
    🚨 三大核心风险点
        
    
        
    净利润增速放缓
    
        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。
        
            
        
    💡 三大增长亮点
        
    📈 估值建议
        
    

    ---

    四、完整案例

    1. 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'.*?', '', html_content, flags=re.DOTALL).replace("```markdown", "
    ")
            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

    
    
    
        智能财报分析系统
        
        
    
    
    
        
    上市公司财报智能分析
        
        
        
    
            
    
                
                
    
                    
    
                    分析中...
                
            
        
        
        
    
            
            
    
                
    
                    
    AI分析结论
                    
    
                        
    
                    
                
            
            
            
    
                
    
                    
    财务报表数据
                    
    
                        
    
                    
                
            
        
    
    
    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 = ``
        const thStyle = ``
        const tdStyle = ``
        // 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 = `
                
                    ${headerCells.map(c => `${c.trim()}`).join('')}
                
            `
            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 => `
                    ${c.trim().replace(/(\d)(?=(\d{3})+(?!\d))/g, '$1,')}
                `).join('')
                tbody.appendChild(tr)
            })
            table.appendChild(tbody)
            container.appendChild(table)
            container.appendChild(document.createElement('div')).className = 'mb-4' // 添加空行
        })
    }
    
    
    .financial-table {
        margin-bottom: 2rem;
    }
    .financial-table th {
        background-color: #f8f9fa;
        min-width: 120px;
    }
    .financial-table td {
        font-family: 'Courier New', monospace;
    }
    
    
    

    2. 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。

    ​

    ---

    五、行业应用案例

    1. 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。

    2. 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。