fund-report-extractor（基金报告提取器）

基金定期报告投资策略提取Skill

功能

自动提取公募基金定期报告中"投资策略和运作分析"部分的全文。

适用场景

• 提取基金经理管理的基金定期报告
• 需要获取"报告期内基金的投资策略和运作分析"原文
• 按时间正序整理汇总

使用方法

1. 获取基金代码

如果不知道基金代码，需要先搜索：

• 基金名称 → 天天基金网搜索
• 或使用AKShare搜索

2. 运行提取脚本

python 基金报告提取.py --code 基金代码 --name "基金名称"

技术要点

1. 数据获取：AKShare

import akshare as ak
df = ak.fund_announcement_report_em(symbol='基金代码')

• 获取基金全部历史公告列表
• 包含公告ID，可构建PDF下载链接

2. PDF下载链接格式

http://pdf.dfcfw.com/pdf/H2_{报告ID}_1.pdf

3. PDF解析方案

方案A：PyMuPDF（文本型PDF）

import fitz
import re

doc = fitz.open(stream=pdf_content, filetype='pdf')
full_text = ''
for page in doc:
    html = page.get_text('html')
    # 提取Unicode中文
    codes = re.findall(r'&#x([0-9a-fA-F]+);', html)
    for c in codes:
        full_text += chr(int(c, 16))

方案B：pdfplumber（扫描版PDF）

import pdfplumber

with pdfplumber.open(pdf_file) as pdf:
    all_text = ''
    for page in pdf.pages:
        text = page.extract_text()
        if text:
            all_text += text + '\
'

4. 关键词定位

不同基金公司/报告类型关键词位置不同：

文本型PDF（景顺长城）：

• "报告期内基金的投资策略和运作分析"
• "管理人对报告期内基金的投资策略和业绩表现的说明"
• "管理人对宏观经济、证券市场及行业走势的简要展望"

扫描版PDF（中泰星元）：

• "4.4 报告期内基金的投资策略和运作分析"
• 内容通常在Page 7-9
• 需要逐页搜索关键词

5. 内容提取模板

# 提取投资策略部分
if '报告期内基金的投资策略和运作分析' in full_text:
    idx1 = full_text.find('报告期内基金的投资策略和运作分析')
    idx2 = full_text.find('报告期内基金的业绩表现', idx1)
    if idx2 == -1:
        idx2 = idx1 + 2500
    content = full_text[idx1:idx2]

常见问题

Q: PDF是扫描版文字提取不到？

A: 使用pdfplumber替代PyMuPDF，并精确定位Page 7/8/9

Q: 关键词匹配不到？

A: 检查关键词是否有空格差异，尝试不同变体

Q: 报告数量不全？

A: 东方财富只保留最近4年报告，更早的报告需要其他渠道

Q: 网络请求失败？

A: 添加延时time.sleep(1-2)，避免被限流

输出文件

• reports_{基金代码}/ - 原始报告文件
• {基金名称}_投资策略汇总.txt - 完整汇总

依赖库

pip install akshare pymupdf pdfplumber pandas requests

Created: 2026-03-08 Author: 有才