（26-2-01）基于OpenAI和LangChain的上市公司估值系统：数据收集(1)

10.3  数据收集

在本项目的实习过程中，数据收集是一个关键步骤，涉及了使用不同的数据库来存储和组织不同类型的数据。在本节的内容中，将详细讲解本项目数据收集的知识。

10.3.1  MongoDB存储

本项目将使用MongoDB数据库来存储年度报告、财务数据和处理过的数据，MongoDB涉及到了如下所示的集合：

1. cik_ticker：包含一个文档，其中包含CIK（中央索引键，公司在EDGAR上的id）和交易所上的TICKER的映射。
2. submissions：包含多个文档，每个公司一个文档，列出公司提交的所有提交。
3. documents：包含多个文档，每个SEC提交一个文档。该文档包含报告的原始HTML。
4. financial_data：包含多个文档，每个公司一个文档。该文档包含单个公司的财务数据的完整历史记录。
5. parsed_documents：包含多个文档，每个提交一个文档。文档包含文档的解析版本，其中文本分割为与SEC提交项目相关的部分。
6. i