python实现爬取东方财富网

最新推荐文章于 2025-06-01 22:41:00 发布

走出去拍拍照

最新推荐文章于 2025-06-01 22:41:00 发布

阅读量8.8k

点赞数 4

CC 4.0 BY-SA版权

分类专栏：爬虫文章标签：抓取东方财富网

本文链接：https://blog.youkuaiyun.com/iva_brother/article/details/91372683

本文介绍了如何使用Python的requests, json和re模块爬取东方财富网的公司报表信息，并存储为CSV文件。通过修改参数，可以获取不同年份的数据，进行大数据分析。此外，还提到了利用selenium库在某些情况下抓取JavaScript渲染的数据，尽管这会降低效率。" 83239465,2820065,Java 8 Function与BiFunction解析及应用,"['函数式编程', 'Java API', '编程概念']

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在东方财富网上面有很多关于各个公司报表的信息，通过爬取上面的信息，我们可以分析其中数据，得到一些我们想要的结果！

本文通过requests/json/re模块爬取该网站的数据，存储为csv文件。具体代码实现如下！

import requests
import re
import json
import csv
import os
import time

# 设置文件保存本地文件夹下
file_path = '/Users/username/Desktop'
if not os.path.exists(file_path):
    os.mkdir(file_path)
os.chdir(file_path)


# 1 设置表格爬取时期
def set_table():
    print('*' * 80)
    print('\t\t\t\t东方财富网报表下载')
    print('--------------')

    # 1 设置财务报表获取时期
    year = int(float(input('请输入要查询的年份(四位数2008-2019)：\n')))
    # int表示取整，里面加float是因为输入的是str，直接int会报错，float则不会
    # https://stackoverflow.com/questions/1841565/valueerror-invalid-literal-for-int-with-base-10
    while (year < 2008 or year > 2019):
        year = int(float(input('年份数值输入错误，请重新输入：\n')))

    quarter = int(float(input('请输入小写数字季度(1:1季报，2-年中报，3：3季报，4-年报)：\n')))
    while (quarter < 1 or quarter > 4):
        quarter = int(float(input('季度数值输入错误，请重新输入：\n')))

    # 转换为所需的quarter 两种方法,2表示两位数，0表示不满2位用0补充，
    # http://www.runoob.com/python/att-string-format.html
    quarter = '{:02d}'.format(quarter * 3)
    # quarter = '%02d' %(int(month)*3)

    # 确定季度所对应的最后一天是30还是31号
    if (quarter == '06') or (quarter == '09'):
        day = 30
    else:
        day = 31
    date = '{}-{}-{}'.format(year, quarter, day)
    # print('date:', date)  # 测试日期 ok

    # 2 设置财务报表种类
    tables = int(
        input('请输入查询的报表种类对应的数字(1-业绩报表；2-业绩快报表：3-业绩预告表；4-预约披露时间表；5-资产负债表；6-利润表；7-现金流量表): \n'))

    dict_tables = {1: '业绩报表', 2: '业绩快报表', 3: '业绩预告表',
                   4: '预约披露时间表', 5: '资产负债表', 6: '利润表', 7: '现金流量表'}

    dict = {1: 'YJBB', 2: 'YJKB', 3: 'YJYG',
            4: 'YYPL', 5: 'ZCFZB', 6: 'LRB', 7: 'XJLLB'}
    category = dict[tables]

    # js请求参数里的type，第1-4个表的前缀是'YJBB20_'，后3个表是'CWBB_'
    # 设置set_table()中的type、st、sr、filter参数
    if tables == 1:
        category_type = 'YJBB20_'
        st = 'latestnoticedate'
        sr = -1
        filter = "(securitytypecode in ('058001001','058001002'))(reportdate=^%s^)" % (date)
    elif tables == 2:
        category_type = 'YJBB20_'
        st = 'ldate'
        sr = -1
        filter = "(securitytypecode in ('058001001','058001002'))(rdate=^%s^)" % (date)
    elif tables == 3:
        category_type = 'YJBB20_'
        st = 'ndate'
        sr = -1
        filter = " (IsLatest='T')(enddate=^2018-06-30^)"
    elif tables == 4:
        category_type = 'YJBB20_'
        st = 'frdate'
        sr = 1
        filter = "(securitytypecode ='05800100