怎么用 Python 抓取上市公司的财务数据呢

[iwukong]

怎么用 python 抓取上市公司的财务数据呢

我想抓取港股 美股的

港股是 PDF 美国是 HTM

[locoz]

首先，你自己怎么看到这些数据？

[Oilybear]

仅个人观点，HTM 不太清楚，PDF 全自动化多少会有些问题。目前应用方数据更多是直接上一下金融数据提供商（ wind 万德）购买数据接口

[black11black]

理论上如果有网站展示这些数据，为了向普遍用户展示，是不太做严格的权限管理的，所以简单爬一下就什么都有

[TypeError]

不嫌麻烦直接去 SEC 下载财报文件、招股书啥的，然后自己解析

嫌麻烦去美股券商网站爬虫看看

[reayyu]

Wind 或者 bloomberg 吧

[PbCopy111]

抓披露易上面的么？

[iwukong]

@PbCopy111 是的 或者美国证券协会 或者 国内沪深的数据

[iwukong]

@black11black 我还在学习 python 基础 不太懂怎么爬 有这方面教程吗

[iwukong]

@Oilybear 那成本可高了 我用这些数据做投资分析 为我投资做辅助用

[murmur]

@iwukong 出钱请人抓就行，你都投资了，这点技术就不值得投资么

[iwukong]

@murmur 在学东西这个过程 朋友

[hakono]

楼上一些人是不知道上市公司的财务报表，会直接在官网公布的吧（这是上市公司的义务
财报这东西我跟楼主你说，没办法的，是不可能自动抓取的。不同公司雇佣的财务会计公司不同，财报的格式不同，各种项目名称也会不同，用的统计方式也会不同。一些关键数据甚至是夹杂在财报的一些文本段落里，或者一个数据多个版本，或者给你个数据然后下面一行小字注解下，要做个换算才是真正的数据。
因为财报会影响股价，所以上市公司都会想法设法在财报里做手脚，用各种不同的计算方法让财报表面数据好看，而这些只能靠有经验的人才能发现，是不可能自动化的

毕竟你要知道这种自动财报分析软件，真能做早就有人做了。如果你做出来了，你都不用投资了，光成立个公司卖服务就能财务自由了

[takemeaway]

这应该很简单吧，html 的还不容易？ PDF 的有插件可以转 HTML，也可以直接识别。

[zwj2885]

@hakono 是的，哥们是说到点上的人。之前就考虑过用 AI 自然语言处理来读懂财报，github 搜了个遍，也没遇到好的开源项目。

[relic]

这个坑我研究过，港股的 pdf 就不要想了，无解；美股的 sec 有结构化的，爬就行了；我 A 的 pdf 是有解决方案的，我之前写过一个 naivepdf 的 python 库，后来发现坑太多，就搁置了在 github 上。

[relic]

@hakono 其实 90%的都差不多，排名前十的会计师事务所基本上把 A 股的大部分公司瓜分了，港股就是个奇葩。

[lewis89]

财务美化 变相降低折旧率 手法太多 你抓了也没毛线用..

[sudoy]

用 python 抓取数据本身不难，有一大堆库和工具可以用，简单的就用[scrapy]( https://scrapy.org/) 好上手。难度在于：(1) 就像 #12 楼说的报表本身的解读比较难； (2) python 解析这些 PDF 的时候难免识别出错。特别是那些直接把图片做成 pdf 的，对于这种很多 python 库都用调用[谷歌 OCR 引擎]( https://github.com/tesseract-ocr/tesseract), 我试过，这种对于像素不清晰的很容易识别错。（ 3 ）就算你算出合理股价，也不一定有帮助。我订阅雅虎财经付费版，他们都帮我计算出合理股价（ Fair Value)，但是股票即便高于合理价格一样猛涨，比如特斯拉，而很多低于合理价格的股票，却狂跌，比如航空公司。当然了，计算出合理股价，毕竟还是有帮助的，至少能知道你买入的点是高还是低，心里有个数。


[Sunben]

import requests
from bs4 import BeautifulSoup
import pandas as pd

[ytmsdy]

https://www.ricequant.com/welcome/