python批量从上市公司年报中获取指定内容.rar

#获取待处理的年报的路径 import os path='年报' #文件所在文件夹 files = [path+"\\"+i for i in os.listdir(path)] #获取文件夹下的文件名,并拼接完整路径 import pdfplumber import time time0= time.time() #从字符串中提取指定首尾的文字 def Get_text(start_str, end_str, source_str): start = source_str.find(start_str) #找到开始关键词对应的位置索引 if start >= 0: start += len(start_str) end = source_str.find(end_str, start)#找到结束关键词对应的位置索引 if end >= 0: return source_str[start:end].strip() #截取起始位置之间的字符 #定义写入txt的函数 def To_txt(filename, final_text):#filename为写入文件的路径，data为要写入数据列表. file = open(filename + '.txt','w',encoding="utf-8") file.write(filename + "\n") for i in range(len(final_text)): text = final_text[i] if i != len(final_text)-1: #判断是否最后一个元素 text = text+'\n' #若不是最后一个元素才换行 file.write(text) time.sleep(0.1) #加入一个延时，避免批量写入出现乱码 file.close() #获取年报中的“主要业务”信息 for file in files: data = [] key_words = "重大变化情况" with pdfplumber.open(file) as p: for i in range(6,26): #公司主要业务主要年报的在8~23页范围内 page = p.pages[i] #选页 page_text = page.extract_text() #提取文字 data.append(page_text) #将提取的文字加入列表 if key_words in page_text: #到结束关键词即结束抓取信息，避免浪费时间 break # 终止for循环 #将数据列表`data`转换成一个大字符串 source_str = "".join(data) #截取文字 start_str = "公司业务概要" end_str = "重大变化情况" text_wanted = Get_text(start_str, end_str, source_str) #去掉不需要的尾巴 final_text = text_wanted.split("\n")[:-1] new_file = "主要业务\\" + file.split("\\")[1][:-4] To_txt(new_file,final_text) print("{} 处理完成！".format(new_file)) time1= time.time() print("处理完成，共用时 {} 秒。".format(time1-time0))