SEC EDGAR文本提取工具：高效获取公司财务数据

SEC EDGAR文本提取工具：高效获取公司财务数据

SEC-EDGAR-text Text information from US companies' SEC EDGAR electronic filings 项目地址: https://gitcode.com/gh_mirrors/se/SEC-EDGAR-text

项目介绍

SEC EDGAR Text 是一个开源项目，旨在从美国证券交易委员会（SEC）的EDGAR数据库中下载大量公司文件，并提取关键文本部分，以便于存储和后续处理。该项目不仅支持自动化处理（如自然语言处理NLP），还支持人工阅读（如抽查）。通过结构化的文本和元数据存储，以及对失败文档分析的日志记录，SEC EDGAR Text 提供了一个灵活且可扩展的解决方案，适用于大规模下载和定制化文本提取。

项目技术分析

SEC EDGAR Text 项目基于Python开发，利用了SEC-Edgar-Crawler等开源工具的初始想法，并在此基础上进行了扩展和优化。项目支持从1993年至今的所有主要EDGAR文档格式，能够灵活地选择和提取文档中的不同部分。通过命令行参数，用户可以自定义下载的公司列表、文件类型、存储位置、多进程选项、下载速率等，极大地提高了数据获取的效率和灵活性。

项目及技术应用场景

SEC EDGAR Text 适用于多种应用场景，包括但不限于：

1. 金融研究：研究人员可以通过该项目快速获取大量公司的财务报告文本，进行文本分析和情感分析，以研究市场趋势和公司表现。
2. 数据分析：数据科学家可以利用提取的文本数据进行机器学习和自然语言处理，构建预测模型或进行数据挖掘。
3. 合规性检查：公司和投资者可以使用该项目定期下载和分析公司文件，确保符合SEC的披露要求。
4. 学术研究：学者可以利用该项目获取大规模的文本数据，进行学术研究，如公司治理、市场行为分析等。

项目特点

• 高效下载：支持大规模下载，通过多进程和自定义下载速率，提高数据获取效率。
• 灵活提取：用户可以自定义提取文档中的不同部分，满足不同的分析需求。
• 结构化存储：文本和元数据以结构化方式存储，便于后续处理和分析。
• 易于扩展：项目设计灵活，易于扩展和定制，支持不同类型的文档格式和提取需求。
• 开源社区支持：项目欢迎社区贡献和反馈，不断优化和改进。

使用指南

安装

git clone https://github.com/alions7000/SEC-EDGAR-text
pip install -r SEC-EDGAR-text/requirements.txt

基本使用

python SEC-EDGAR-text

典型使用

python SEC-EDGAR-text --storage=/path/to/my_storage_location --start=20150101 --end=99991231 --filings=10-K --multiprocessing_cores=0 --traffic_limit_pause_ms=500

通过SEC EDGAR Text，您可以轻松获取和处理大量公司财务数据，为您的研究和分析提供强大的支持。欢迎加入我们的开源社区，共同推动项目的进步和发展！

SEC-EDGAR-text Text information from US companies' SEC EDGAR electronic filings 项目地址: https://gitcode.com/gh_mirrors/se/SEC-EDGAR-text