草莓科研服务网——中国专业社科交流平台

 找回密码
 立即注册
建议用户用微信快捷登录

快捷登录

查看: 8476|回复: 6

【更新】2025-2000年上市公司企业年报文本数据、年报文本分析数据(清洗年报版本)

[复制链接]
发表于 2023-5-6 08:34:32 | 显示全部楼层 |阅读模式
1.资料名称:2025-2000年上市公司企业年报文本数据(清洗版本)
2.计算方式:使用python将巨潮网上市公司年报进行爬取,下载的pdf文件已经转化为txt格式,方便后续文本分析处理;pdf批量下载过程中存在年报更新的情况,已经对年报进行了筛选,剔除了非年报文件并保留了最新更新或更正的年报;原始地址的文件名称并不统一,本人已经将年报文件名称进行了统一,统一格式为“股票代码_公司名称_****年年度报告.txt”,例如,“000002_公司名称_2025年度报告.txt”,方便大家导入和查看
3.数据来源:巨潮网
4.资料范围:5.7万多个年报,近7个G的数据量,2025年有5400多份是全的,数据格式为.txt 格式(记事本),提供详细的Python爬虫代码(代码仅供参考不教学,主要出售的是年报数据),爬取后经过人工逐步核对,剔除一些错误和与年报无关的内容,确保资料真实有效,学校课题组自用,确保准确性!

需要说明一下,我们出售的年报是核验版本的年报,不是直接爬取版本的年报,7万多个年报我们是逐个打开看的,
不是抓下来打个包就卖。年报文本最坑的地方是:文件名叫"金隅集团",里面装的可能是冀东水泥的年报,你从数据上根本看不出来,等跑完词频、做完文本分析,结论全是错的。我这套数据在交付前把每份年报封面上的公司代码和文件名的代码对了一遍,又用"不同代码下的内容是否完全一致"交叉验证了一遍,可复核、可追溯。你拿到手解压即用,文件名和实际内容严格对得上,不用再花时间自己做数据清洗。

下面是我们清洗的部分内容
这些条目的内容是别家公司的年报,而那个「别家公司」在同年已经有自己的
    正确文件;或者该公司当年已退市,本不该有年报。


1. 2005 年   600890
    原文件:600890_2005_中房股份_ST秋林2005年年度报告_2006-04-25.txt
    问题 :内容为哈尔滨秋林集团(600891)年报;600891条目已存在。


2. 2007 年   111027
    原文件:111027_2007_03石油债_2007年年度报告_2008-07-02.txt
    问题 :111027是'03石油债'债券代码,非股票代码;内容与601857中国石油年报重复


3. 2011 年   601360
    原文件:601360_2011_江南嘉捷_江南嘉捷年报_2012-03-13.txt
    问题 :601360是2018年三六零借壳后代码;该年应为601313江南嘉捷,601313条目已存在


4. 2012 年   601360
    原文件:601360_2012_江南嘉捷_江南嘉捷年报(修订版)_2013-03-02.txt
    问题 :同上


5. 2013 年   601360
    原文件:601360_2013_江南嘉捷_江南嘉捷年报_2014-03-07.txt
    问题 :同上


6. 2014 年   601360
    原文件:601360_2014_江南嘉捷_江南嘉捷年报_2015-03-11.txt
    问题 :同上


7. 2015 年   601360
    原文件:601360_2015_江南嘉捷_江南嘉捷年报_2016-03-11.txt
    问题 :同上


8. 2016 年   601360
    原文件:601360_2016_江南嘉捷_江南嘉捷2016年年度报告_2017-03-30.txt
    问题 :同上


9. 2017 年   000592
    原文件:000592_2017_平潭发展_2017年年度报告_2018-04-27.txt
    问题 :内容为浙江跃岭股份(002725)年报;002725条目已存在。


10. 2017 年   601360
    原文件:601360_2017_江南嘉捷_江南嘉捷2017年年度报告_2018-02-02.txt
    问题 :同上


11. 2022 年   601992
    原文件:601992_2022_金隅集团_唐山冀东水泥股份有限公司2022年年度报告_2023-03-29.txt
    问题 :内容为唐山冀东水泥(000401)年报;000401条目已存

.........................

本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有帐号? 建议用 立即注册

x
发表于 2023-5-14 03:04:27 | 显示全部楼层
楼主的资料挺全的,谢谢分享
回复

使用道具 举报

发表于 2023-12-6 18:09:33 | 显示全部楼层
感谢分享
回复

使用道具 举报

 楼主| 发表于 2024-5-10 09:49:16 | 显示全部楼层
数据已经更新到2023年年报,数据无任何售后问题确保准确性,欢迎大家下载!
回复

使用道具 举报

 楼主| 发表于 2025-5-8 11:14:47 | 显示全部楼层
此数据确保百分百真实数据,大家可以核对确保准确性,真正原创数据认真整理!此数据为科研老师一手认真整理,非为了结果或者引流牟利而任意编造数据,2024年数据已经更新,我们是专业老师整理,多年更新无售后问题百分百准确,个人整理无经验易出错,资料准确能用最关键!
回复

使用道具 举报

发表于 2025-5-15 06:17:57 | 显示全部楼层
感谢分享
回复

使用道具 举报

 楼主| 发表于 2026-5-9 09:05:39 | 显示全部楼层
大家好,年报文本数据已经更新到2025年,多年更新无售后问题百分百准确,欢迎大家下载!
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册 建议用 立即注册

本版积分规则

回帖奖励

[详情]

  • * 每天自己主题被回复3次可获得额外5论坛币奖励。
  • * 每天回复他人主题5次可获得额外8论坛币的奖励。
  • * 奖励每天都可领取,一定要多参与论坛讨论哦。
  • * 同一主题的重复回复不计。
    • 包**** 购买了本资料
    • 星**** 购买了本资料
    • J**** 购买了本资料
    • ×**** 购买了本资料
    • 韩**** 购买了本资料

    草莓科研服务网——中国专业社科交流平台 ( 津ICP备2023000499号 )|网站地图

    GMT+8, 2026-11-17 13:49 , Processed in 0.243187 second(s), 69 queries .

    Copyright © caomeikeyan

    快速回复 返回顶部 返回列表