如何用Python写一个抓取新浪财经网指定企业年报的脚本？

程序员文章站 2022-04-06 13:58:22

...

题主会计学二专毕业设计论文DDL在即，做的是分析食品企业会计信息与股价的实证课题，目前需要从新浪财经上收集100家食品企业近五年的财报，如果手动收集的话是根据证监会2014年4季度上市公司行业分类结果上的上市公司股票代码输到股票首页_新浪财经的搜索框，然后再从所选公司的网页（如康达尔(000048)股票股价,行情,新闻,财报数据）上点选“公司年报”，下载近五年的年报数据。
所选企业是2014年4季度上市公司行业分类结果上所有13、14、15大类，有100多家，全部手动收集的话工作量略大，想问下有没有办法用Python写一个脚本完成以上工作？（大学修过一门用python讲的计算思维，算是有一点点python基础吧）
感激不尽~

回复内容：

嗨~我来答题了~
虽然题主已经搞定了问题……

提问后一周已经搞定了，用了excel power query+yahoo finance api 等这周忙完毕业设计回来更新问题…还是非常感谢～！

就当练手了~问题的解决办法有很多。利用现有的api挺方便。不过我还是按照题主原来的思路笨办法写写试试。
老规矩边做边调边写~
#新手很笨大神求不喷新手多交流
#start coding
第一步自然是搜集股票代码…用在线的PDF2DOC网站，然后把13、14、15三类的股票代码复制粘贴到一个文本文档里。像这样…

然后我们需要让Python按行读入文本文档里的内容并存入一个列表。很简单。

f=open('stock_num.txt')
stock = []
for line in f.readlines():
    #print(line,end = '')
    line = line.replace('\n','')
    stock.append(line)
f.close()
print(stock)

用selenium模块可以写程序模拟手动点击按钮的整个过程。
感觉就像写按键精灵一样。
就酱。 scrapy配合chrome或者firefox分分钟的事 推荐使用东方财富网抓数据，因为可以直接保存为excel文档，后期处理也相对方便，思路如下：
1.先得到需要的上市公司的股票代码和名字。这一步可以参考 @段晓晨的答案！
2.分析下载链接地址。以康达尔为例，年报地址http://soft-f9.eastmoney.com/soft/gp14.php?code=00004802，下载链接eastmoney.com 的页面，链接末尾的8个数字前6个是股票代码，后两位01代表上交所上市公司（股票代码60开头）、02代表深交所上市公司。让后就可以用一个循环来下载所有的数据！
3.把下载下来的xml文件转化成xls文件，代码如下：
1). xml可能的中文编码错误处理

def xml_Error_C(filename):
    fp_xml=open(filename)
    fp_x=''#中文乱码改正
    for i in range(os.path.getsize(filename)):
        i+=1
        a=fp_xml.read(1)
        if a=='&':
            fp_xml.seek(-1,1)
            if fp_xml.read(6)==' ':
                i+=5
                continue
            else:
                fp_xml.seek(-5,1)
        fp_x+=a
    fp_xml=open(filename,'w+')
    fp_xml.write(fp_x)
    fp_xml.flush()
    fp_xml.close()

用神箭手云爬虫吧，完全在云端进行。编写快速，而且自带数据导出发布和生成图表进行数据分析，大数据时代的利器啊(￣▽￣)" 用tushare，http://tushare.waditu.com 用scrapy写一个爬虫，爬资源嗖嗖的快！如果是想要下载“年报数据”而不是“年报”的话，用wind的excel插件拉一下函数就行，想要什么就有什么…楼主念会计专业，说明学校肯定有商学院，有商学院就肯定有wind终端…去学院机房半个小时搞定…