python_巨潮年报pdf下载

目录

前置：

步骤：

step one: pip安装必要包，获取年报url列表

step two: 将查看url列表转换为pdf url

step three: 多进程下载pdf 

---

前置：

1 了解一些股票的基本面需要看历年年报，在巨潮一个个下载比较费时间，所以考虑用python把年报pdf下载下来。

2 如果要下载的股票个数很多，提前预备好大硬盘。本人下载深沪两市年报，大概150G。另外，要耐心，整个下载过程要十几二十小时，视电脑配置和网络而定。

步骤：

step one: pip安装必要包，获取年报url列表

pip install pandas -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install openpyxl -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install akshare -i https://pypi.tuna.tsinghua.edu.cn/simple

pandas 本地处理数据、openpyxl excel表格处理需要这个包、akshare获取url接口（要了解akshare具体用法可以看其官网，直接百度搜素就能找到其官网）

1 获取股票代码列表，可以在通达信中获取。（通达信行情-》A股-》按“34”键-》导出表格）

2 写代码，遍历每个股票，一个股票一个Excel，记录该股票所有年报url。（巨潮最早能查到2000年）

def temp_000():import akshare as akpre_dir = r'E:/temp002/'with open('./stock_ticker.txt',mode='r',encoding='utf-8') as fr:contents = fr.read()stock_ticker_list = contents.split('\n')for symbol_str in stock_ticker_list:try:df = ak.stock_zh_a_disclosure_report_cninfo(symbol=symbol_str, market="沪深京",category="年报",start_date="20000101",end_date="20250315")df.to_excel(pre_dir+symbol_str+'.xlsx',engine='openpyxl')except:print(symbol_str)pass

3 这个过程大概半个小时到一个小时

 公告链接，这一列就是我们要的

step two: 将查看url列表转换为pdf url

step one获取的公告链接是网页查看的url，要下载pdf需要获取pdf对应的url

1 拿一个公告链接用浏览器打开，寻找pdf对应的url

http://www.cninfo.com.cn/new/disclosure/detail?stockCode=000001&announcementId=1222806509&orgId=gssz0000001&announcementTime=2025-03-15 00:00:00

 2 对比pdf url与公告链接的关系，将所有公告链接转换成pdf对应的url

def temp_001():pre_dir = r'E:/temp002/'tar_dir = r'E:/temp006/'file_list = os.listdir(pre_dir)for file_one in file_list:ticker = file_one[0:6]pre_file_path = pre_dir + file_onedf = pd.read_excel(pre_file_path,engine='openpyxl')url_list = df['公告链接'].to_list()pdf_url_list = []for u_one in url_list:u_one_00 = u_one.split('&')node_00 = u_one_00[1].replace('announcementId=','')node_01 = u_one_00[-1].replace('announcementTime=','')node_01 = node_01[0:10]tar_node = f'http://static.cninfo.com.cn/finalpage/{node_01}/{node_00}.PDF'pdf_url_list.append(tar_node)passpdf_url_list_str = '\n'.join(pdf_url_list)with open(f'{tar_dir}/{ticker}.txt', mode='w', encoding='utf-8') as fw:fw.write(pdf_url_list_str)passpass

3 这个过程几分钟，一个股票对应一个txt文件

step three: 多进程下载pdf 

要下载的pdf很多，但股票个数也就五千多个，本人搞了个简单的多线程

1 分5个线程，把txt文件分到五个文件夹里，文件夹以0、1、2、3、4命名

2 创建下载后放置pdf文件的文件夹，文件夹同样以0、1、3、4命名

3 写代码，执行。等待执行完毕，整个过程十几小时以上，看电脑配置和网络情况。

import os,threading'''
多线程下载财报
'''# 创建多个线程
def temp_thread():threads = []for i in range(5):thread = threading.Thread(target=temp_005,args=(i,))threads.append(thread)thread.start()passfor thread in threads:thread.join()print('all thread finished')pass# 执行项
def temp_005(i):import requestspre_dir = r'E:/temp006/'+str(i)+'/'tar_dir = r'E:/temp007/'+str(i)+'/'file_list = os.listdir(pre_dir)for file_one in file_list:ticker = file_one[0:6]tar_dir00 = tar_dir + ticker + os.path.sepif not os.path.exists(tar_dir00):os.mkdir(tar_dir00)url_file_path = pre_dir + file_onewith open(url_file_path,'r') as fr:url_str = fr.read()url_list = url_str.split('\n')try:for url_one in url_list:tar_file_name00 = url_one.split('/')tar_file_name = f"{tar_file_name00[-2]}_{tar_file_name00[-1]}.pdf"try:res = requests.get(url_one)if res.status_code == 200:with open(tar_dir00+tar_file_name,'wb') as fw:fw.write(res.content)passelse:error_str = f'下载失败，状态码：{res.status_code}。{url_one}\n'with open(f'./{i}.txt','a',encoding='utf-8') as fw:fw.write(error_str)except:print(url_one)passpassexcept:print(ticker)passprint('----------------end---',i)passif __name__ == '__main__':temp_thread()pass

执行完毕后，研究历年财报再也不用一个个下载啦，哈哈哈