怎么用 Python 抓取上市公司的财务数据呢

首先，你自己怎么看到这些数据？

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

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

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
br />嫌麻烦去美股券商网站爬虫看看

Wind 或者 bloomberg 吧

抓披露易上面的么？

@PbCopy111 是的 或者美国证券协会 或者 国内沪深的数据

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

@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

@iwukong 出钱请人抓就行，你都投资了，这点技术就不值得投资么

@murmur 在学东西这个过程 朋友

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。

@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。

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。

@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。

财务美化 变相降低折旧率 手法太多 你抓了也没毛线用..

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。


import requests
from bs4 import BeautifulSoup
import pandas as pd

@relic 只是爬虫爬一下的话的确简单，但是分析的话你自己都做过，有多少坑你也应该是知道的。
你说 90%差不多，但是实际上是在这 90%差不多的公司里，会影响到整个财报评价的关键数据内容都会有所不同（上市公司为了财报好看，明显的数据都是会搞的比较好看。而真正能代表真实财务数据的部分，可能就会在哪个旮旯角落用些小字注释下，或者用一般人都想不到的说法给说出来，目的就是不让你注意到，这种只有有看财报经验的人才可能注意到）
以及，也欢迎来日股财报玩玩，能让你怀疑人生
财报这种东西真的想了半天，想做出个精确提取的话得要上 AI

如果花钱走捷径的话，可以去找找别人爬然后出来卖 api 的项目。我见过一两个但觉得贵又怕不追就没深入了解。

@hakono 只能说套路太多，实际上真正要了解一家公司 ，财报很难反应出来的，例如上市公司持有的非上市公司股票，但是非上市公司不公布财报，你怎么界定上市公司所持有股份的价值，还有折旧率润色 把货卖给经销商 虚报营业额跟利润，套路简直太多..

@hakono 我们先把现在数据抓取下来 再说财务美化问题 这个就是个人来处理了

抓股票 app 的接口，或者东财网站