当前位置：首页 > news >正文

Python + Jinja2 + WeasyPrint 实现品牌AI可见度报告自动生成：模板设计、数据聚合与PDF输出

news 2026/7/22 10:23:13

问题：品牌AI可见度监测需要定期生成报告，手动从数据库导出数据、用Excel处理、再用PPT制作，每次耗时2-3天，且格式不统一。本文介绍使用 Python + Jinja2 + WeasyPrint 实现自动化报告生成，涵盖模板设计、数据聚合、图表生成和PDF输出，读者可据此搭建基础框架。

一、问题与原因

初始方案是手动流程：从数据库导出品牌提及数据，在Excel中计算指标，再复制到PPT中绘制图表。主要痛点：

数据源分散：品牌提及次数、情感分析得分、趋势数据存储在不同表中
报告模板不固定：不同客户或不同周期的报告结构有差异
图表生成繁琐：每次需手动绘制趋势图、对比图
重复劳动：每次报告需2-3天，且容易出错

二、技术选型

对比了四种方案：

方案	优点	缺点
Python + ReportLab	灵活，完全控制PDF布局	开发量大，图表需自行绘制
Python + Jinja2 + WeasyPrint	模板化，支持HTML转PDF	复杂布局需CSS调试
Node.js + Puppeteer	可直接渲染前端图表	依赖浏览器环境，资源占用高
商业报表工具（如FineReport）	开箱即用	成本高，定制受限

最终选择 Python + Jinja2 + WeasyPrint，原因：团队Python技术栈，模板化易于维护，图表使用Matplotlib生成图片嵌入。

三、核心实现

1. 数据表结构

假设品牌提及数据表brand_mentions结构如下：

CREATETABLEbrand_mentions(idINTPRIMARYKEYAUTO_INCREMENT,brandVARCHAR(100)NOTNULL,mention_dateDATENOTNULL,mention_countINTDEFAULT0,sentiment_scoreDECIMAL(3,2)COMMENT'情感得分，范围0-1',INDEXidx_brand_date(brand,mention_date));

2. 数据聚合

按品牌和时间范围聚合数据，返回列表字典。

defaggregate_data(brand,start_date,end_date):query=""" SELECT mention_date, mention_count, sentiment_score FROM brand_mentions WHERE brand = %s AND mention_date BETWEEN %s AND %s ORDER BY mention_date """rows=db.execute(query,(brand,start_date,end_date))ifnotrows:return[]return[{'date':row[0],'count':row[1],'sentiment':row[2]}forrowinrows]

说明：实际项目中建议使用连接池，并考虑分页或预聚合（如物化视图）应对大数据量。

3. 图表生成

使用Matplotlib生成趋势图，保存为base64嵌入HTML。注意中文字体需指定。

importmatplotlib.pyplotaspltimportbase64fromioimportBytesIOdefgenerate_trend_chart(data):ifnotdata:returnNonedates=[d['date']fordindata]counts=[d['count']fordindata]plt.figure(figsize=(10,4))plt.plot(dates,counts,marker='o')plt.title('品牌提及趋势')plt.xlabel('日期')plt.ylabel('提及次数')plt.grid(True)# 解决中文显示问题plt.rcParams['font.sans-serif']=['SimHei']buf=BytesIO()plt.savefig(buf,format='png')buf.seek(0)img_base64=base64.b64encode(buf.read()).decode('utf-8')plt.close()returnimg_base64

4. 报告模板

使用Jinja2模板，关键区块：封面、摘要卡片、趋势图、数据表。

<!DOCTYPEhtml><html><head><metacharset="utf-8"><style>.card{border:1px solid #ddd;padding:20px;margin:10px;}.trend-chart{width:100%;}</style></head><body><divclass="cover"><h1>{{ brand_name }} AI可见度报告</h1><p>周期：{{ start_date }} 至 {{ end_date }}</p></div><divclass="summary"><divclass="card"><h3>提及率</h3><p>{{ mention_rate }}%</p></div></div><divclass="trend-chart"><imgsrc="data:image/png;base64,{{ trend_chart_base64 }}"/></div></body></html>

5. 主流程

defgenerate_report(brand,start_date,end_date):data=aggregate_data(brand,start_date,end_date)trend_chart=generate_trend_chart(data)context={'brand_name':brand,'start_date':start_date,'end_date':end_date,'mention_rate':round(calculate_mention_rate(data),2),'trend_chart_base64':trend_chart,}html=render_template('report_template.html',**context)pdf=weasyprint.HTML(string=html).write_pdf()returnpdf