【年报文本分析】python+selium实现根据股票代码和对应年份获取上市公司年报链接（巨潮资讯网）

本文以指定的A股公司年报为例，从巨潮资讯网上获取。
该方法建议需要特定年报数据的采用，如单独分析某一行业等，如果无差别的使用全部A股上市公司，建议直接某宝买现成的。

序言

巨潮资讯网链接：http://www.cninfo.com.cn/new/commonUrl/pageOfSearch?url=disclosure/list/search&lastPage=index

需要提前下载好三个库，都可以用pip install轻松下载，稍微麻烦点儿的是需要去下载个对应版本的chromedriver.exe驱动，放到python或者Anaconda的文件夹目录下，然后添加环境变量（这部分报错了自行百度即可，操作起来不麻烦的）

注意time.sleep()是必要的，一是为了避免频繁操作被浏览器提醒，二是在网络不好的情况下让网页加载完全，否则都会导致报错，一定不要图快，建议在网络环境较好的情况下运行

这之中还会遇到诸多问题，在代码的注释里也都写到了，其他需求可以做参考。

excel文件准备

文件名建议直接命名为result.xlsx，读取和保存时均使用该路径，如果中断后，修改起点，可以直接覆盖

文件需要至少包括code（股票代码）和year（年份），再建立一个url空列存储链接

函数模块介绍

创建模拟浏览器对象

# 返回虚拟浏览器对象
def openUrl(url):
    driver = webdriver.Chrome()
    driver.get(url)
    time.sleep(2)
    return driver

只需要执行一次的部分

xpath如何获取百度一下即可

def oneclick(driver):
    driver.find_element_by_xpath('//*[@id="main"]/div[2]/div[1]/div[2]/div/div[2]/form/div[2]/div[6]/div/span[13]/span').click()
    time.sleep(1)

需要批量执行的重复操作部分（信息录入excel）

# 每一页的XPATH都是一样的，只需处理好一页即可
def geturl(driver,code,year,i):    
    #输入股票代码
    if i==1:
        driver.find_element_by_xpath('//*[@id="main"]/div[2]/div[1]/div[2]/div/div[2]/form/div[2]/div[1]/div/div/div/div[1]/input').send_keys(code)
        time.sleep(0.5)
    else:
        driver.find_element_by_xpath('//*[@id="main"]/div[2]/div[1]/div[2]/div/div[2]/form/div[2]/div[1]/div/div/div/div[1]/input').send_keys(6*Keys.BACKSPACE)
        driver.find_element_by_xpath('//*[@id="main"]/div[2]/div[1]/div[2]/div/div[2]/form/div[2]/div[1]/div/div/div/div[1]/input').send_keys(code)
        time.sleep(0.5)
    #点击年报
    driver.find_element_by_xpath('//*[@id="main"]/div[2]/div[1]/div[2]/div/div[2]/form/div[2]/div[6]/div/span[1]').click()
    time.sleep(0.5)

    #输入日期
    driver.find_element_by_xpath('//*[@id="main"]/div[2]/div[1]/div[2]/div/div[2]/form/div[1]/div/div/input[1]').send_keys(8*Keys.BACKSPACE)
    time.sleep(0.5)
    driver.find_element_by_xpath('//*[@id="main"]/div[2]/div[1]/div[2]/div/div[2]/form/div[1]/div/div/input[1]').send_keys(str(year)[-2:]+'-01-01')
    time.sleep(0.5)
    driver.find_element_by_xpath('//*[@id="main"]/div[2]/div[1]/div[2]/div/div[2]/form/div[1]/div/div/input[2]').send_keys(8*Keys.BACKSPACE)
    time.sleep(0.5)
    driver.find_element_by_xpath('//*[@id="main"]/div[2]/div[1]/div[2]/div/div[2]/form/div[1]/div/div/input[2]').send_keys(str(year)[-2:]+'-12-31')
    time.sleep(0.5)
    #点击查询
    driver.find_element_by_xpath('//*[@id="main"]/div[2]/div[1]/div[2]/div/div[2]/div[1]/button').click()
    time.sleep(1.0)
    #判断是否为年报而非摘要，是打开新网页保存年报网址
    for j in range(1,3):        
        try:
            element=driver.find_element_by_xpath(f'//*[@id="main"]/div[2]/div[1]/div[1]/div[2]/div/div[3]/table/tbody/tr[{j}]/td[3]/div/span/a')
        except:
            break
        text=element.text    
        if '年度报告' in text and '摘要' not in text:
            reporturl=element.get_attribute('href')
            driverreport=openUrl(reporturl)
            time.sleep(2.5)
            urlelement = driverreport.find_element_by_xpath('//*[@id="noticeDetail"]/div/div[2]/div[1]/a')
            url=urlelement.get_attribute('href')  
            df['url'][i]=url
            df.to_excel('result.xlsx')
            driverreport.close()
            break    
    driver.find_element_by_xpath('//*[@id="main"]/div[2]/div[1]/div[2]/div/div[2]/div[2]/div/div/button').click()
    time.sleep(0.5)

主函数

#主函数
if __name__ =='__main__':
    driver=openUrl('http://www.cninfo.com.cn/new/commonUrl/pageOfSearch?url=disclosure/list/search&lastPage=index')
    oneclick(driver)
    dtype={'code':str}
    df=pd.read_excel('result.xlsx',sheet_name='Sheet1',dtype=dtype)
    for i in range(0,len(df)):
        code=df['code'][i]
        year=int(df['year'][i])
        geturl(driver,code,year+1,i)
        print(str(i)+'完成')
    driver.close()

本地文件结构

只需要将excel文件和代码文件放一起即可，或者用绝对路径也可

全部代码

from selenium import webdriver 
from selenium.webdriver.common.keys import Keys
import time 
import pandas as pd


# 返回虚拟浏览器对象
def openUrl(url):
    driver = webdriver.Chrome()
    driver.get(url)
    time.sleep(2)
    return driver

def oneclick(driver):
    driver.find_element_by_xpath('//*[@id="main"]/div[2]/div[1]/div[2]/div/div[2]/form/div[2]/div[6]/div/span[13]/span').click()
    time.sleep(1)

# 每一页的XPATH都是一样的，只需处理好一页即可
def geturl(driver,code,year,i):    
    #输入股票代码
    if i==1:
        driver.find_element_by_xpath('//*[@id="main"]/div[2]/div[1]/div[2]/div/div[2]/form/div[2]/div[1]/div/div/div/div[1]/input').send_keys(code)
        time.sleep(0.5)
    else:
        driver.find_element_by_xpath('//*[@id="main"]/div[2]/div[1]/div[2]/div/div[2]/form/div[2]/div[1]/div/div/div/div[1]/input').send_keys(6*Keys.BACKSPACE)
        driver.find_element_by_xpath('//*[@id="main"]/div[2]/div[1]/div[2]/div/div[2]/form/div[2]/div[1]/div/div/div/div[1]/input').send_keys(code)
        time.sleep(0.5)
    #点击年报
    driver.find_element_by_xpath('//*[@id="main"]/div[2]/div[1]/div[2]/div/div[2]/form/div[2]/div[6]/div/span[1]').click()
    time.sleep(0.5)
    #输入社会责任
    #driver.find_element_by_xpath('//*[@id="main"]/div[2]/div[1]/div[2]/div/div[2]/form/div[2]/div[2]/div/div/div/input').send_keys('社会责任')
    #time.sleep(0.5)
    #输入日期
    driver.find_element_by_xpath('//*[@id="main"]/div[2]/div[1]/div[2]/div/div[2]/form/div[1]/div/div/input[1]').send_keys(8*Keys.BACKSPACE)
    time.sleep(0.5)
    driver.find_element_by_xpath('//*[@id="main"]/div[2]/div[1]/div[2]/div/div[2]/form/div[1]/div/div/input[1]').send_keys(str(year)[-2:]+'-01-01')
    time.sleep(0.5)
    driver.find_element_by_xpath('//*[@id="main"]/div[2]/div[1]/div[2]/div/div[2]/form/div[1]/div/div/input[2]').send_keys(8*Keys.BACKSPACE)
    time.sleep(0.5)
    driver.find_element_by_xpath('//*[@id="main"]/div[2]/div[1]/div[2]/div/div[2]/form/div[1]/div/div/input[2]').send_keys(str(year)[-2:]+'-12-31')
    time.sleep(0.5)
    #点击查询
    driver.find_element_by_xpath('//*[@id="main"]/div[2]/div[1]/div[2]/div/div[2]/div[1]/button').click()
    time.sleep(1.0)
    #判断是否为年报而非摘要，是打开新网页保存年报网址
    for j in range(1,3):        
        try:
            element=driver.find_element_by_xpath(f'//*[@id="main"]/div[2]/div[1]/div[1]/div[2]/div/div[3]/table/tbody/tr[{j}]/td[3]/div/span/a')
        except:
            break
        text=element.text    
        if '年度报告' in text and '摘要' not in text:
            reporturl=element.get_attribute('href')
            driverreport=openUrl(reporturl)
            time.sleep(2.5)
            urlelement = driverreport.find_element_by_xpath('//*[@id="noticeDetail"]/div/div[2]/div[1]/a')
            url=urlelement.get_attribute('href')  
            df['url'][i]=url
            df.to_excel('result.xlsx')
            driverreport.close()
            break    
    driver.find_element_by_xpath('//*[@id="main"]/div[2]/div[1]/div[2]/div/div[2]/div[2]/div/div/button').click()
    time.sleep(0.5)
    
#主函数
if __name__ =='__main__':
    driver=openUrl('http://www.cninfo.com.cn/new/commonUrl/pageOfSearch?url=disclosure/list/search&lastPage=index')
    oneclick(driver)
    dtype={'code':str}
    df=pd.read_excel('result.xlsx',sheet_name='Sheet1',dtype=dtype)
    for i in range(0,len(df)):
        code=df['code'][i]
        year=int(df['year'][i])
        geturl(driver,code,year+1,i)
        print(str(i)+'完成')
    driver.close()

结果预览

从excel文件中下载年报详见：https://blog.csdn.net/weixin_43956523/article/details/136265883?spm=1001.2014.3001.5501