文本抓取（来自 EDGAR 10K 亚马逊）代码不起作用

Question

我有以下代码可以从财务报表 (US SEC EDGAR 10K) 文本文件中抓取一些特定的单词列表。如果有人能帮助我，我将不胜感激。我已经手动交叉检查并在文档中找到了单词，但我的代码根本没有找到任何单词。我正在使用 Python 3.5.3。提前致谢

给定公司 (CIK) 的 .txt 格式的 EDGAR 10-K 文件在一年中的 URL 路径，此代码将执行字数统计

#!/usr/bin/python
# -*- coding: utf-8 -*-
import urllib.request as urllib2
import time
import csv
import sys

CIK = '0001018724'
Year = '2013'
string_match1 = 'edgar/data/1018724/0001193125-13-028520.txt'
url3 = 'https://www.sec.gov/Archives/' + string_match1
response3 = urllib2.urlopen(url3)
words = [
    'anticipate',
    'believe',
    'depend',
    'fluctuate',
    'indefinite',
    'likelihood',
    'possible',
    'predict',
    'risk',
    'uncertain',
    ]
count = {}  # is a dictionary data structure in Python
for elem in words:
    count[elem] = 0
for line in response3:
    elements = line.split()
    for word in words:
     count[word] = count[word] + elements.count(word)
print CIK
print Year
print url3
print count

这是脚本输出：

0001018724

2013

https://www.sec.gov/Archives/edgar/data/1018724/0001193125-13-028520.txt

{
    'believe': 0,
    'likelihood': 0,
    'anticipate': 0,
    'fluctuate': 0,
    'predict': 0,
    'risk': 0,
    'possible': 0,
    'indefinite': 0,
    'depend': 0,
    'uncertain': 0,
}

Answer 1

您的代码的简化版本似乎在 Python 3.7 中与请求库一起工作：

import requests
url = 'https://www.sec.gov/Archives/edgar/data/1018724/0001193125-13-028520.txt'
response = requests.get(url)

words = [your word list above ]


count = {}  # is a dictionary data structure in Python
for elem in words:
    count[elem] = 0
    info = str(response.content)
    count[elem] = count[elem] + info.count(elem)


print(count)

输出：

    {'anticipate': 9, 'believe': 32, 'depend': 39, 'fluctuate': 4, 'indefinite': 15, 'likelihood': 15, 'possible': 25,
 'predict': 6, 'risk': 55, 'uncertain': 38}

文本抓取（来自 EDGAR 10K 亚马逊）代码不起作用

Text Scraping (from EDGAR 10K Amazon) code not working

python

text

python-3.5

urllib2

finance

给定公司 (CIK) 的 .txt 格式的 EDGAR 10-K 文件在一年中的 URL 路径，此代码将执行字数统计