python3爬虫(5):财务报表爬取入库

转载请注明作者和出处： http://blog.csdn.net/c406495762 
Github代码获取：https://github.com/Jack-Cherish/python-spider 
知乎：https://www.zhihu.com/people/Jack–Cui/ 
Python版本： Python3.x 
运行平台： Windows 
IDE： Sublime text3

 

• 一 前言
• 二 小福利
• 三 实战背景
• 四 网站分析
• 五 编写代码
  • 在SQLyog中创建表
  • 编写代码
• 六 总结

 

---

一 前言

沃伦·巴菲特( Warren Buffett)，全球著名的投资商。从事股票、电子现货、基金行业。在2017年7月17日，《福布斯富豪榜》发布，沃伦·巴菲特以净资产734亿美元排名第四。作为”股神”，他的投资理念被许多人追捧。与其共进午餐的慈善活动都可以拍卖到345.67万美元，从中我们可以轻易地看出，他的投资界低位、影响力有多大。

 

 

 

 

他的投资名言有很多：

• 风险，是来自你不知道你在做什么。
• 若你不打算持有某只股票达十年，则十分钟也不要持有。
• 投资的秘诀，不是评估某一行业对社会的影响有多大，或它的发展前景有多好，而是一间公司有多强的竞争优势。这优势可以维持多久，产品和服务的优越性持久而深厚，才能给投资者带来优厚的回报。
• 我最喜欢的持股时间是……永远！
• 要投资成功，就要拼命阅读。不但读有兴趣购入的公司资料，也要阅读其它竞争者的资料。

从他的这些名言中，我们不难发现，巴菲特做的是长期投资，他投一家公司，抱定的目标是持续持有，不因为价格原因而出售。他看准一家公司，会分析这家公司的竞争优势，也会分析这家公司的对手的竞争优势，然后做出投资决策。他是怎么确定一家公司是否值得自己长期投资，是否具有竞争优势的呢？

其中，最有效、最常用的手段之一就是分析上市公司财务报表

网上有很多《跟巴菲特学看上市公司财务报表》诸如此类的文章，仁者见仁智者见智。本文重点不在于，如何分析财务报表，而是如何获得财务报表，为后续的方便分析做准备！

---

二 小福利

对于金融这些东西，我是不折不扣的菜菜菜鸟。但是我爱看这些东西，偶尔看一看，还是蛮开心的。我是怎么接触到这些的呢？不得不说下洗脑神书《富爸爸，穷爸爸》，这本书讲得就是这些内容：

• 1.找好的工作
• 2.存钱
• 3.如果找不到好工作，就节约开支存钱。
• 4.把存下来的钱买资产，绝不持币，保证现金流。
• 5.资产就是可以给你带来被动收入的东西。
• 6.当被动收入超过你的开支的时候，你可以把所有的时间拿来创业。
• 7.奔向财务自由。

一说到财务自由，我就来劲儿，好生向往。不过，我也会思考一个问题：对于我来说，我有了一千万，我就算财务自由了吗？

不扯太远，给纯小白的一点推荐：学习理财思想，可以看看《富爸爸，穷爸爸》。想学学经融学的，可以看网易云公开课的《麻省理工学院公开课：MBA金融学》：http://open.163.com/movie/2016/3/H/C/MBGQ5P18G_MBGS0UEHC.html

---

三 实战背景

每个上市公司的财务报表都是免费提供的，可以在他们的官网进行下载。但是这样一个一个找，太麻烦。有没有一个网站，集成好各个上市公司的财务信息呢？当然有，而且很多！各个金融门户网站都有！

今天，我们看哪个金融门户网站？网易财经！

双手奉上它的地址：http://quotes.money.163.com/hkstock/

这个网站长这样：

 

 

点击查看大图

 

 

我们可以通过股票查询，查看股票情况。比如我输入00700，查看腾讯控股在美股的情况。

 

 

点击查看大图

 

 

可以看到，我截图的时间，腾讯控股”绿了”，也就是跌了。点击财务数据，我们就可以看到腾讯控股的财务报表。

 

 

点击查看大图

 

 

这个财务数据栏目中，提供了《主要财务指标》、《利润表》、《资产负债表》以及《现金流量表》。可以看到，该网站提供了财务数据在线浏览功能，但是没有提供财务报表下载功能，如何将每年的财务数据获取，并存入数据库，方便我们后续的分析呢？没错，这就是本文的主题：财务报表爬取入库。

---

四 网站分析

我们以腾讯控股的财务数据为例进行分析。这是它的URL：http://quotes.money.163.com/hkstock/cwsj_00700.html

看一下这个URL地址有什么特点？腾讯控股的股票代码是00700。对的，你没猜错，’http://quotes.money.163.com/hkstock/cwsj_’ + 股票代码 + ‘.html’，就是各个上市公司的财务数据页面。思考一个问题，下图的这些数据，我们需要爬取吗？

 

 

点击查看大图

 

 

答曰：不需要！为什么？因为财务报表的格式是统一的。我们需要的是这些报表里的数据，而不是表的栏目名称，这些栏目名称，我们直接手动敲入到数据库中就可以了，直接作为数据库的列名。那么，这些报表数据如何获取呢？请看下图：

 

 

点击查看大图

 

 

在时间选择框这里，我们可以获取到一共有哪些时间的财务报表。点击查询按钮，我们就可以进行查询，对点击主要财务指标的查询按钮这个动作，使用Fiddler进行抓包分析。抓包截图如下：

 

 

点击查看大图

 

 

我们可以看到，这个点击查询按钮，发送的请求地址和返回数据。从上图可以看出返回的数据是以JSON格式存储的。那么我们只要解析出这个JSON数据，就可以获得《主要财务指标》了。同理，通过抓包可知，主要财务指标、利润表、资产负债表、现金流量表请求的URL分别如下：

http://quotes.money.163.com/hk/service/cwsj_service.php?symbol=00700&start=2006-06-30&end=2016-12-31&type=cwzb 
http://quotes.money.163.com/hk/service/cwsj_service.php?symbol=00700&start=2006-06-30&end=2016-12-31&type=lrb 
http://quotes.money.163.com/hk/hk/service/cwsj_service.php?symbol=00700&start=2006-12-31&end=2016-12-31&type=fzb 
http://quotes.money.163.com/hk/service/cwsj_service.php?symbol=00700&start=2006-06-30&end=2016-12-31&type=llb

发现规律了吗？

symbol=股票代码 
start=最早的财务报表时间 
end=最近的财务报表时间 
type=报表缩写(cwz代表主要财务指标,lrb代表利润表,fzb代表负债表,llb代表现金流量表)

已经知道了各个请求的地址，那么接下来就是解析JSON数据了。

 

 

点击查看大图

 

 

可以看到，数据存储是用的英文，我们得与下图的中文进行对应，创建一个字典进行存储。

 

 

 
点击查看大图

 

 

别问我，我是怎么对应出来的。我只想说，我花费了半个多小时，对数据，对得我头晕眼花。

最终生成的对照表如下：

 

 

点击查看大图

 

 

---

五 编写代码

在继续看文本之前，希望你已经掌握以下知识：

• SQL基础语法：http://www.runoob.com/sql/sql-tutorial.html
• MySQL数据库的安装与使用：http://blog.csdn.net/c406495762/article/details/56279888
• Python操作mysql数据库的方法：http://www.runoob.com/python/python-mysql.html
• SQLyog的安装与使用：SQLyog是一个快速而简洁的图形化管理MYSQL数据库的工具，它能够在任何地点有效地管理你的数据库。我在我的百度云网盘上传了它的破解版：http://pan.baidu.com/s/1o8hw2Wa
• Python3爬虫基础：http://blog.csdn.net/column/details/15321.html

由于篇幅原因，这些内容不可能全写到文章中，对于上述内容的学习，可以到我提供的链接中进行学习，博客链接都是我写过的文章。爬虫部分需要掌握的内容有：

• requests库的使用：http://blog.csdn.net/c406495762/article/details/72597755
• Beautifulsoup库的使用：http://blog.csdn.net/c406495762/article/details/71158264

1 在SQLyog中创建表。

我们创建一个名字为financialdata的数据库，并根据网站情况创建四个表，分别为cwzb(主要财务指标 )、fzb(资产负债表 )、llb(现金流量表 )、lrb(利润表)：

 

 

点击查看大图

 

 

除了财务报表中的数据，我们还需要额外添加股票名、股票代码、报表日期，用以区分不同股票，不同时间的财务报表情况。各个数据的数据类型，我是粗略分配的，可以根据实际情况和自己的需求进行设置。当然，如果为了省事，可以像我一样：除了报表时间设置为date类型外，其他都设置为char(30)类型即可。好了准备工作都好了，我们开始编写代码吧，需要注意的一点是：在创建数据库连接的时候，我们需要指定charset参数，将其设置为’utf8’，因为数据库中存在中文，如果不设置，数据无法导入。当然，记得更改你的数据库名和密码。

2 编写代码

编写代码如下：

#-*- coding:UTF-8 -*-
import pymysql
import requests
import json
import re
from bs4 import BeautifulSoup
 
if __name__ == '__main__':
    #打开数据库连接:host-连接主机地址,port-端口号,user-用户名,passwd-用户密码,db-数据库名,charset-编码
    conn = pymysql.connect(host='127.0.0.1', port=3306, user='root', passwd='yourpasswd',db='financialdata',charset='utf8')
    #使用cursor()方法获取操作游标
    cursor = conn.cursor() 
 
    #主要财务指标
    cwzb_dict = {'EPS':'基本每股收益','EPS_DILUTED':'摊薄每股收益','GROSS_MARGIN':'毛利率',
        'CAPITAL_ADEQUACY':'资本充足率','LOANS_DEPOSITS':'贷款回报率','ROTA':'总资产收益率',
        'ROEQUITY':'净资产收益率','CURRENT_RATIO':'流动比率','QUICK_RATIO':'速动比率',
        'ROLOANS':'存贷比','INVENTORY_TURNOVER':'存货周转率','GENERAL_ADMIN_RATIO':'管理费用比率',
        'TOTAL_ASSET2TURNOVER':'资产周转率','FINCOSTS_GROSSPROFIT':'财务费用比率','TURNOVER_CASH':'销售现金比率','YEAREND_DATE':'报表日期'}
 
    #利润表
    lrb_dict = {'TURNOVER':'总营收','OPER_PROFIT':'经营利润','PBT':'除税前利润',
        'NET_PROF':'净利润','EPS':'每股基本盈利','DPS':'每股派息',
        'INCOME_INTEREST':'利息收益','INCOME_NETTRADING':'交易收益','INCOME_NETFEE':'费用收益','YEAREND_DATE':'报表日期'}
 
    #资产负债表
    fzb_dict = {
        'FIX_ASS':'固定资产','CURR_ASS':'流动资产','CURR_LIAB':'流动负债',
        'INVENTORY':'存款','CASH':'现金及银行存结','OTHER_ASS':'其他资产',
        'TOTAL_ASS':'总资产','TOTAL_LIAB':'总负债','EQUITY':'股东权益',
        'CASH_SHORTTERMFUND':'库存现金及短期资金','DEPOSITS_FROM_CUSTOMER':'客户存款',
        'FINANCIALASSET_SALE':'可供出售之证券','LOAN_TO_BANK':'银行同业存款及贷款',
        'DERIVATIVES_LIABILITIES':'金融负债','DERIVATIVES_ASSET':'金融资产','YEAREND_DATE':'报表日期'}
 
    #现金流表
    llb_dict = {
        'CF_NCF_OPERACT':'经营活动产生的现金流','CF_INT_REC':'已收利息','CF_INT_PAID':'已付利息',
        'CF_INT_REC':'已收股息','CF_DIV_PAID':'已派股息','CF_INV':'投资活动产生现金流',
        'CF_FIN_ACT':'融资活动产生现金流','CF_BEG':'期初现金及现金等价物','CF_CHANGE_CSH':'现金及现金等价物净增加额',
        'CF_END':'期末现金及现金等价物','CF_EXCH':'汇率变动影响','YEAREND_DATE':'报表日期'}
 
    #总表
    table_dict = {'cwzb':cwzb_dict,'lrb':lrb_dict,'fzb':fzb_dict,'llb':llb_dict}
 
    #请求头
    headers = {'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8',
        'Accept-Encoding': 'gzip, deflate',
        'Accept-Language': 'zh-CN,zh;q=0.8',
        'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.109 Safari/537.36',}
 
    #上市股票地址
    target_url = 'http://quotes.money.163.com/hkstock/cwsj_00700.html'
    req = requests.get(url = target_url, headers = headers)
    req.encoding = 'utf-8'
    html = req.text
    page_bf = BeautifulSoup(html, 'lxml')
    #股票名称，股票代码
    name = page_bf.find_all('span', class_ = 'name')[0].string
    code = page_bf.find_all('span', class_ = 'code')[0].string
    code = re.findall('\d+',code)[0]
    #打印股票信息
    print(name + ':' + code)
    print('')
    #存储各个表名的列表
    table_name_list = []
    table_date_list = []
    each_date_list = []
    url_list = []
    #表名和表时间
    table_name = page_bf.find_all('div', class_ = 'titlebar3')
    for each_table_name in table_name:
        #表名
        table_name_list.append(each_table_name.span.string)
        #表时间
        for each_table_date in each_table_name.div.find_all('select', id = re.compile('.+1$')):
            url_list.append(re.findall('(\w+)1',each_table_date.get('id'))[0])
            for each_date in each_table_date.find_all('option'):
                each_date_list.append(each_date.string)
            table_date_list.append(each_date_list)
            each_date_list = []
 
    #插入信息
    for i in range(len(table_name_list)):
        print('表名:',table_name_list[i])
        print('')
 
        #获取数据地址
        url = 'http://quotes.money.163.com/hk/service/cwsj_service.php?symbol={}&start={}&end={}&type={}&unit=yuan'.format(code,table_date_list[i][-1],table_date_list[i][0],url_list[i])
        req_table = requests.get(url = url, headers = headers)
        value_dict = {}
        for each_data in req_table.json():
            value_dict['股票名'] = name
            value_dict['股票代码'] = code
            for key, value in each_data.items():
                if key in table_dict[url_list[i]]:
                    value_dict[table_dict[url_list[i]][key]] = value
 
            # print(value_dict)
            sql1 = """
            INSERT INTO %s (`股票名`,`股票代码`,`报表日期`) VALUES ('%s','%s','%s')""" % (url_list[i],value_dict['股票名'],value_dict['股票代码'],value_dict['报表日期'])
            print(sql1)
            try:
                cursor.execute(sql1)
                # 执行sql语句
                conn.commit()
            except:
                # 发生错误时回滚
                conn.rollback()
 
            for key, value in value_dict.items():
                if key not in ['股票名','股票代码','报表日期']:
                    sql2 = """
                    UPDATE %s SET %s='%s' WHERE `股票名`='%s' AND `报表日期`='%s'""" % (url_list[i],key,value,value_dict['股票名'],value_dict['报表日期'])
                    print(sql2)
                    try:
                        cursor.execute(sql2)
                        # 执行sql语句
                        conn.commit()
                    except:
                        # 发生错误时回滚
                        conn.rollback()
            value_dict = {}
 
    # 关闭数据库连接
    cursor.close() 
    conn.close()

看下运行效果：我们已经顺利地将腾讯控股的财务报表带入数据库中了：

 

 

点击查看大图

 

 

上述代码比较粗糙，继续完善代码。对代码进行重构，创建一个获取数据报表的类。根据用户输入股票代码，下载相应股票的财务报表，并显示下载进度，实现效果如下所示：

 

 

点击查看大图

 

 

一直在看，何不自己写个代码试试？实现效果如上图所示！只有自己动手，才能体会到编程的快乐，对知识掌握也就更加扎实。

如果你觉得代码编写的代码差不多了，想对照代码看一看或者感觉自己无需动手，这种东西就可以轻松掌握。那么可以从我的Github获取上图实现效果的代码：https://github.com/Jack-Cherish/python-spider/blob/master/financical.py

---

六 总结

本文没有实现批量上市公司财务报表的获取与入库。因为方法有很多，首先，我们可以根据用户提供的股票代码进行批量下载。比如用户输入：00700，00701，00702。然后程序根据输入的股票代码，进行相应的解析，创建出对应的URL链接，即可实现批量下载。另外，也可以通过程序自动获取链接，比如网易财经提供了各个股票板块的涨幅排行榜、跌幅排行榜、成交额排行榜等，我们通过获取这些股票的链接，也可以进行财务报表批量下载。方法很简单，因此不再累述。

其他：

• 一个我不认识的，看我爬虫教程的朋友跟我说，想看爬取数据入库的文章。我说我会出，现在遵守了承诺！
• 大家有想看的爬虫内容可以留言，我会视情况(时间不足)，出相应教程的。
• 在使用MySQL创建数据库连接的时候，如果数据库(utf8编码)中有中文，一定要记得设置charset参数为utf8(对应数据库编码)！
• 学习SQL很有帮助，数据库查询很方便，方便我们进行数据分析。
• 所有爬虫实战的代码，均可以在我的Github进行下载(Star数量要破100了！给个助攻好不好？)：https://github.com/Jack-Cherish/python-spider
• 如有问题，请留言。如有错误，还望指正，谢谢！