A股上市公司年报爬虫及关键词词频分析（2004-2023年）

随着2023年上市公司年报陆续发布，我们搜集整理了最新上市公司年报，可用于文本分析和词频统计。如果想直接获取年报文本TXT版本或者数字化词频统计结果，可直接联系文末小编。

对于想学习利用python进行年报爬取和词频分析过程的用户，我们推出以下课程，不仅可以学习python爬虫以及数据分析技能，还能对上市公司年报进行个性化词频分析。详情如下：

课程内容：

1、信息获取（包括公司代码，公司简称，年份，年报地址）

预期结果：按照股票代码，公司名称，年份，下载链接等要素写入excel表

你将学习：使用python第三方库requests, re , time等进行年报爬取

新特性：

• 全新接口，更全面的数据获取
• 更友好的进度显示
• 更多可选参数，支持年份区间下载

2、目标信息下载并转换（下载目标区间的年报并转为txt格式）

预期结果：从excel表格中批量下载pdf版本的年报，将其命名为"股票代码_公司简称_ 年份"的格式，并全部转为txt文件。

你将学习：使用python第三方库pandas,requests, re , pdfplumber,time等

多线程批量下载pdf年报并转换为txt文件。

新特性：

• 可选择是否删除年报PDF原文件
• 支持自定义命名结果文件夹
• 提供区间年份的批量处理

3、目标信息数据分析（对目标区间年报进行文本分析）

预期结果：从多个文本文件中提取关键词并统计词频，然后将结果存储到 Excel 文件中。

你将学习：使用python第三方库jieba,xlwt等批处理txt 文件并进行关键词统计分析。

新特性：

• 支持自选关键词，定制你需要的结果
• 更友好的路径管理
• 支持指定年份的统计
• 新增数据暂存功能，防止数据丢失
• 新增统计总字数的功能

4、具体应用

目前很多学者都使用文本挖掘的方式来构建某些特定的变量，例如：

A:《管理世界》中吴非（2021）对人工智能技术、大数据技术、云计算技术、区块链技术、数字技术运用五个维度76个数字化相关词频进行统计；

B:《财贸经济》中赵宸宇（2021）对数字技术应用、互联网商业模式、智能制造、现代信息系统四个维度99个数字化相关词频进行统计；

C:《经济研究》中甄红线（2023）对技术分类、组织赋能、数字化应用等类别下139个数字化相关词频进行统计

本课程从变量设计的技术实现上来看，通过Python爬虫功能归集整理了上海交易所、深圳交易所全部A股上市企业的年度报告，并通过Java PDFbox库提取所有文本内容，并以此作为数据池供后续的特征词筛选。在企业数字化转型特征词的确定上，基于学术领域和实业领域进行了分项讨论。

整个过程用简单的流程图表示如下：

【下载→

方式一（推荐）：主页 个人 简介

-CSDN博客

方式二：数据下载方式汇总-CSDN博客