如何在 python 中解析来自 EDGAR API 的 10-Q 报告？

Question

我正在尝试使用 EDGAR API 检索任何给定公司的 10-Q（对应于提供的 CIK 值）。此代码检索特斯拉的最新 10-Q。这个对象附加了大约 30 个方法，例如键、值、项和 text_content。 Text_content 似乎是唯一一个不 return 空列表 [] 的列表。但是，文本不容易解析，因为 10-Q 因公司而异。

无疑会有人评论：我为什么要设置no_of_documents=2？如果此参数设置为 1，则将 returned 错误文档（不是 10-Q）。对于任何超过 1 的参数，将检索实际的 10-Q。我不知道为什么 API 会这样。

from edgar import Company
def func(cik):
    company = Company("",cik)
    tree = company.get_all_filings(filing_type="10-Q")        
    documents = Company.get_documents(tree,no_of_documents=2)
    return documents[0]
    
test = func('0001318605')

我想做的是 (A) 打印出原始 XML 以查看其底层结构，然后使用 xmltodict 或 xml.etree.ElementTree 进行解析。但是，我收到以下错误。

使用 ET

import xml.etree.ElementTree as ET
ET.parse(test)
>>>
TypeError: expected str, bytes or os.PathLike object, not HtmlElement

使用 XMLtoDict

import xmltodict
xmltodict.parse(test)
TypeError: a bytes-like object is required, not 'HtmlElement'

同样，我的目标是搜索导航 XML 内容，但是，由于不知道标签是什么，我有点卡住了。我该如何继续？

Answer 1

您不需要解析test；您可以直接在其上使用 xpath 方法。例如：

test.xpath('//entity/segment/explicitmember/text()')

输出：

 'tsla:OperatingLeaseVehiclesMember',
 'tsla:OperatingLeaseVehiclesMember',
 'tsla:SolarEnergySystemsMember',
 'tsla:SolarEnergySystemsMember',
 'tsla:AutomotiveSegmentMember',
 'tsla:AutomotiveSegmentMember',

等和

test.xpath('//context/period/instant/text()')

输出：

 ['2020-07-20',
 '2020-06-30',
 '2019-12-31',
 '2020-06-30',
 '2019-12-31',

等等。

祝你好运；解析 xbrl 文件不是一件容易的事...

如何在 python 中解析来自 EDGAR API 的 10-Q 报告？

How to parse 10-Q reports from EDGAR API in python?

python

xml

edgar