### 使用Python实现从巨潮资讯网抓取企业年报数据 为了高效地完成这一任务，可以采用`requests`库来发送HTTP请求并接收响应，利用`BeautifulSoup`或`lxml`解析HTML文档结构，提取所需的信息。对于分页加载的数据，则需模拟浏览器行为通过调整URL参数中的页面编号等选项获取不同页面的内容。 #### 准备工作 安装必要的第三方库： ```bash pip install requests beautifulsoup4 lxml pandas openpyxl ``` #### 编写爬虫脚本 下面是一个简单的例子展示如何构建基本框架用于访问目标网址，并尝试下载指定条件下的年度报告列表[^2]。 ```python import requests from bs4 import BeautifulSoup as BS import json import time def fetch_annual_reports(page_num=1, stock_code=None, start_date='2021-11-26', end_date='2024-11-25'): base_url = "http://www.cninfo.com.cn/new/hisAnnouncement/query" params = { 'pageNum': page_num, 'pageSize': 30, 'column': 'szse', 'tabName': 'fulltext', 'plate': '', 'stock': f"{stock_code},9900038308" if stock_code else "", 'searchkey': '年度报告', 'secid': '', 'category': 'category_ndbg_szsh', 'trade': '', 'seDate': f'{start_date}~{end_date}', 'sortName': 'code', 'sortType': 'asc', 'isHLtitle': True } headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36'} response = requests.get(base_url, params=params, headers=headers) if response.status_code == 200: data = response.json() announcements = [] for item in data['announcements']: title = item['announcementTitle'] file_path = item['adjunctUrl'] # 构建完整的PDF链接地址 pdf_link = f"http://static.cninfo.com.cn/{file_path}" announcement_info = {"title": title, "pdf_link": pdf_link} announcements.append(announcement_info) return announcements raise Exception(f"Failed to retrieve data with status code {response.status_code}") if __name__ == "__main__": try: reports = fetch_annual_reports(stock_code="605358", start_date="2021-01-01", end_date="2023-12-31") for report in reports[:5]: # 只打印前五个作为示例 print(report["title"], "\n", report["pdf_link"]) print("-"*40) except Exception as e: print(e) ``` 此代码片段展示了如何定义函数`fetch_annual_reports()`去查询特定时间段内某个股票的年度报告记录，并返回包含标题和PDF文件链接在内的字典列表。注意这里只显示了前五条结果以便于测试查看效果。