Question

所以这就是问题，我试图使用BeautifulSoup从SEC数据库中提取一些数据，我在python中实际上是新的，但我能够编写以下代码。

这个想法是在.txt中使用引号符号列表并提取＆＃34; CIK＆＃34;每家公司的数量有待进一步使用。

import requests
from bs4 import BeautifulSoup
list_path = r"C:\Users\User1\Downloads\Quote list.txt"

with open(list_path, "r") as flist:
    for quote in flist:
        quote = quote.replace("\n", "")
        url = (r"https://www.sec.gov/cgi-bin/browse-edgar?action=getcompany&CIK=" + quote + 
        r"&type=10&dateb=&owner=exclude&count=100")
        source_code = requests.get(url)
        plain_text = source_code.text
        soup = BeautifulSoup(plain_text, "html.parser")
        for company_info in soup.find_all("span", {"class" :"companyName"}):
            cik_code = company_info.string
            print(cik_code)

到目前为止，上面的代码打印＆＃34;无＆＃34;字符串＆＃39; cik_code＆＃39;的值。 html中的元素如下：

<span class="companyName dm-selected dm-test">
      AAON INC 
      <acronym title="Central Index Key">CIK</acronym>
      #: 
      <a href="/cgi-bin/browse-edgar?
      action=getcompany&amp;CIK=0000824142&amp;owner=exclude&amp;count=100" 
      class="">0000824142 (see all company filings)</a>
</span>

cik代码是最后一个数字：0000824142，就在＆＃34;之前（见所有公司备案）＆＃34;

如何将该数字设置为字符串cik_code

Answer 1

我认为您只需要进入<a>标记内的<span>标记。

for company_info in soup.find_all('span', {'class': 'companyName'}):
    cik_code = company_info.find_next('a').text.split(' ', maxsplit=1)[0]
    print(cik_code)

<强>解释

company_info.find_next('a')返回：

  <a href="/cgi-bin/browse-edgar?
  action=getcompany&amp;CIK=0000824142&amp;owner=exclude&amp;count=100" 
  class="">0000824142 (see all company filings)</a>

.text返回：

0000824142 (see all company filings)

.split(' ', maxsplit=1)[0]返回：

0000824142

使用BeautifulSoup在span元素中提取文本

1 个答案: