【51CTO.com原创稿件】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，他的投资界地位、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，也要阅读其他竞争者的资料。
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。
实战背景
- Github代码获取：https://github.com/Jack-Cherish/python-spider
- Python版本： Python3.x
- 运行平台： Windows
- IDE： Sublime text3
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：
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，如下图：
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，如图所示：
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》。
从图中可以看到，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。
网站分析
我们以腾讯控股的财务数据为例进行分析。
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?
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：
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：
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：
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。
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。
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：
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。
- MySQL 数据库的安装与使用。
- Python 操作 MySQL 数据库的方法。
- 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。
- Python3 爬虫基础。
01.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)。
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。
02.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。
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：
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
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，因此不再累赘。
其他：
- 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!
崔家华
知名博客博主
现就读于东北大学模式识别与智能系统专业。本科期间，曾担任学生会”科技创新中心主任”一职，负责组织各类科技竞赛相关活动。与此同时，热爱科技竞赛，曾于 2015 年获得第十届全国大学生“飞思卡尔”杯智能车竞赛全国一等奖。研究生期间，致力于机器学习，在知名博客已取得了不错的关注度。
【51CTO原创稿件，合作站点转载请注明原文作者和出处为51CTO.com】
