python批量从上市公司年报中获取指定内容.zip

要求批量从上市公司年报中截取公司从事的主要业务信息，以便进行后续的分析。首先我们要分析一下上市公司年报的结构，及目标信息所在位置。一般上市公司的年报都是公开的，可随意下载。其格式一般是PDF。年报内容包含的板块几乎相同，只是深圳市场与上海市场略有区别。随机挑选了10家上市公司的年报（如下图）。可见，公司业务都位于“第三节公司业务概要”，只是上海市场的年报，“第三节”后有空格。其所在页基本在8，9,10页。“第三节”里的第一个小标题，两个市场也有点不同。主要业务介绍完后，接下来都是介绍“主要资产重大变化情况”，这部分及以后的内容都不是我们想要的。因此，打算确定关键词“公司业务概要”及“重大变化情况”，作为文字截取的起始关键词。当然，如果年报中还有其它内容也涉及到这两个词，就会造成干扰。保险起见，在PDF文档内搜索一下，运气不错，这两个关键词在文档中是唯一的，也就是只在这两个地方出现。那就可以放心干了。