如何在python中解析来自EDGAR API的10-Q报表？

Question

我正在尝试使用EDGAR API来检索任何给定公司的10-Q (对应于提供的CIK值)。此代码检索特斯拉的最新10-Q。大约有30个方法附加到这个对象，比如键、值、项和text_content。Text_content似乎是唯一一个不返回空列表[]的one。然而，文本并不容易解析，因为10-Q值在不同的公司之间差别很大。

毫无疑问，有人会评论:为什么我要设置no_of_documents=2？如果该参数设置为1，则返回错误的文档(不是10-Q)。对于任何大于1的参数，都会检索到实际的10-Q。我不知道为什么API会这样。

from edgar import Company
def func(cik):
    company = Company("",cik)
    tree = company.get_all_filings(filing_type="10-Q")        
    documents = Company.get_documents(tree,no_of_documents=2)
    return documents[0]
    
test = func('0001318605')

我想做的是(A)打印出原始的XML以查看其底层结构，然后使用xmltodict或xml.etree.ElementTree进行解析。但是，我收到以下错误。

使用ET

import xml.etree.ElementTree as ET
ET.parse(test)
>>>
TypeError: expected str, bytes or os.PathLike object, not HtmlElement

使用XMLtoDict

import xmltodict
xmltodict.parse(test)
TypeError: a bytes-like object is required, not 'HtmlElement'

同样，我的目标是搜索导航XML内容，但是，在不知道标记是什么的情况下，我有点卡住了。我该如何继续呢？

Answer 1

您不需要解析test；您可以直接在其上使用xpath方法。例如：

test.xpath('//entity/segment/explicitmember/text()')

输出：

 'tsla:OperatingLeaseVehiclesMember',
 'tsla:OperatingLeaseVehiclesMember',
 'tsla:SolarEnergySystemsMember',
 'tsla:SolarEnergySystemsMember',
 'tsla:AutomotiveSegmentMember',
 'tsla:AutomotiveSegmentMember',

等，以及

test.xpath('//context/period/instant/text()')

输出：

 ['2020-07-20',
 '2020-06-30',
 '2019-12-31',
 '2020-06-30',
 '2019-12-31',

诸若此类。

祝你好运；解析xbrl文件不是一件容易的事情……