Xbrl数据提取

Question

但我有大约15,000个包含a.newb数据的html文件。我已经从http://download.companieshouse.gov.uk/en_monthlyaccountsdata.html下载了这些文件，理想情况下，我想从所有这些文件中提取与公司名称和无形资产相关的信息，但我不确定如何做到这一点。

理想情况下，我希望将数据导出到单个excel文件的列中。

任何帮助都将不胜感激。

Answer 1

回答有点晚了，但不要紧。作为开始，您可以看看VT Fact Viewer。它可以为您提供文档中XBRL事实的网格显示，您可以将它们导出到Excel。一旦到了那里，你就需要做一些过滤，寻找像“core:In坦IntangibleAssets”或“uk-gaap:Inangable...”这样的标签。类似的事情。

但是，如果要对大量文档(如CH数据转储)执行此操作，则需要开始使用编程或脚本语言自己进行一些“适当的”xml处理。但是，查看器仍然是有帮助的，因为它会向你展示你想要提取的东西。

作为一个简单的示例，下面将为您提供一些CSV格式的无形资产数据，您可以在Excel中打开这些数据。使用C# (使用LINQPad)编写，因此如果需要，您必须进行翻译：

string fname = @"C:\ch_data\Prod223_1770_00101234_20160331.html";
var doc = XDocument.Load(fname);
// The 'ix' namespace may use 2008 or 2013 schema so we'll just use the .LocalName property of the tag
var elements = doc.Root
    .Descendants()
    .Where(x => x.Name.LocalName == "nonFraction")
    .Where(x => x.Attributes().Any(a => a.Value.Contains("Intangible")));

var lines = new List<string>();
foreach (var element in elements)
{
    var attribs = element.Attributes();
    var ctx = attribs.FirstOrDefault(a => a.Name == "contextRef")?.Value ?? "";
    var dec = attribs.FirstOrDefault(a => a.Name == "decimals")?.Value ?? "";
    var scale = attribs.FirstOrDefault(a => a.Name == "scale")?.Value ?? "";
    var units = attribs.FirstOrDefault(a => a.Name == "unitRef")?.Value ?? "";
    var fmt = attribs.FirstOrDefault(a => a.Name == "format")?.Value ?? "";
    var name = attribs.FirstOrDefault(a => a.Name == "name")?.Value ?? "";
    var value = element.Value;

    string line = $"\"{ctx}\",\"{dec}\",\"{scale}\",\"{units}\",\"{name}\",\"{fmt}\",\"{value}\"";
    lines.Add(line);
    //Console.WriteLine(line);
}
File.WriteAllLines(Path.ChangeExtension(fname, "csv"), lines);

根据需要更改输入文件名以遍历目录或文件名列表。