发帖
雷达卡
资源包括：
1. 2001年-2024年A股上市公司年报，pdf版及txt版
数据收集过程如下：（1）python下载pdf年报，2024年年报是2025年8月23日统一下载
（2）python使用pdfminer库将pdf转成txt文本
（3）针对扫描件、图像格式的pdf年报使用嗨格式pdf转换器直接转txt文本，部分加密pdf年报也是使用嗨格式处理，为节约时间2021-2024年年报是直接使用嗨格式pdf转换器转txt文本
（4）对txt文本同一删除换行符和段落符
（5）数据集使用分卷压缩，解压缩的时候注意下
（6）txt年报示例及每年年报数量如下图所示
2. 巨潮资讯上市公司年报下载
（1）依据表格下载特定公司特定年份年报（自己创建xlsx表格，第一列Stkcd为公司代码，第二列Year为年份，巨潮资讯能找见相关年报即下载，找不见显示代码）
（2）注意，网站部分年报年报名与摘要名一样（较少每年大概20左右），但由于摘要在年报之后，所以代码下载的年报实际是摘要，要自己手动修改（可根据下载后的文件大小判断）。
（3）代码直接复制粘贴即可，格式位置等已整理好。
（4）本人软件版本python3.8+pycharm 2021.1.2
3. 上市公司年报文本分析（词频统计）python代码
（1）另创建关键词txt文档（1.txt），一个关键词为一行；创建关键词词频统计xls表格，第一行变量名依次是公司代码、年份、各个关键词（关键词顺序与1.txt里一致）。
（2）python代码实现的功能有：（a）将关键词导入jieba字典；（b）根据年报名分出公司代码及年份；（c）txt年报删除空格符及换行符，便于文本分析；（d）关键词识别并计数；（e）将结果传至关键词词频统计xls表格。
（3）代码可直接复制粘贴，格式位置已整理好。
（4）本人软件版本python3.8+pycharm 2021.1.2
txt版年报
(85 Bytes, 需要: RMB 45 元)
pdf版年报
(85 Bytes, 需要: RMB 20 元)
巨潮资讯年报爬虫代码
(85 Bytes, 需要: RMB 10 元)
文本分析代码
(85 Bytes, 需要: RMB 15 元)
京公网安备 11010802022788号
