Chrysalid1. 项目背景与核心价值
在金融投资领域，个股研究报告一直是专业机构与个人投资者的重要决策参考。但传统研报往往存在两个痛点：一是内容专业性强，普通投资者难以快速抓住核心观点；二是缺乏对市场情绪的量化分析。这个"个股研究报告评论表"项目正是为解决这些问题而生。
我最早接触这类工具是在2018年牛市期间，当时发现很多投资者会手动整理券商研报的关键结论。后来市场上逐渐出现了一些半自动化的解决方案，但要么功能单一，要么价格昂贵。这个开源项目通过结构化处理研报内容，实现了三个核心价值：
- 信息降噪：自动提取研报中的评级、目标价、关键假设等核心数据，过滤掉冗长的分析过程
- 情绪分析：通过NLP技术识别研报中的情感倾向，量化"乐观""谨慎"等主观表述
- 横向对比：支持多份研报关键指标的并排展示，直观显示机构间的分歧程度
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 系统架构与技术选型
2.1 整体设计思路
系统采用典型的ETL（提取-转换-加载）架构，处理流程分为四个阶段：
- 数据采集层：通过公开渠道获取PDF/Word格式的原始研报
- 解析处理层：提取文本内容并进行结构化处理
- 分析存储层：执行关键指标提取和情感分析
- 展示应用层：生成可视化评论表格
提示：实践中发现，不同券商研报的格式差异很大，建议优先处理市场份额前20的头部机构报告，覆盖80%的使用场景。
2.2 核心技术组件
2.2.1 文档解析模块
经过多次测试，最终选用以下工具组合：
- PDF解析：PyPDF2 + pdfplumber（前者处理基础文本，后者提取表格数据）
- Word解析：python-docx库
- OCR备用方案：Tesseract（针对扫描版PDF）
配置示例：
python复制import pdfplumber
def extract_pdf_content(file_path):
with pdfplumber.open(file_path) as pdf:
text_content = []
for page in pdf.pages:
# 优先提取文本
te