问题标签 [edgar]

我正在从 EDGAR 上的 13-F 表格中提取一份持股表。2013 年之前的馆藏以 txt 文件的形式提供（参见示例）。我的目标是一个 pd.DataFrame，其形状与 txt 文件中的“Form 13F 信息表”相同（10 列，每行在单独的行中）。

我曾尝试使用 BeautifulSoup，它将表格转换为标签对象，但我无法弄清楚如何将其格式化以进入数据框，如上所述。

这是我的代码尝试：

当el返回以下内容时，这就是我卡住的地方。我不能用 \n 来拆分它，因为公司名称中经常有 \n (AMERICAN\n EXPRESS CO)。

\ namerican \ n Express CO com 025816109 112,209 1,952,142共享定义4 1,952,142-- \ \ Namerican \ n Express CO CO com 025816109 9909 990,116 990,116 17,225,400共享4，5 17,317,17,17,119,48 \ n 8,9,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4 n n n v n n \ n.4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4 n n n n n n n v , 7 839,832 - -\nAMERICAN\n EXPRESS CO COM 025816109 111,689 1,943,100 Shared-Defined 4, 8, 11 1,943,100 - -\nAMERICAN\n EXPRESS CO COM 025816109 459,532 7,994,634 Shared-Defined 4, 10 7,994,634 - -\nAMERICAN\n EXPRESS CO COM 025816109 6,912,308 120,255,879 共享定义 4, 11 120,255,879 - -\n美国\n EXPRESS CO COM 025816109 80,456 1,399,713 共享定义 4, 13 1,399,713 - -\nARCHER DANIELS\n Midland CO COM 039483102 163,151 5,956,600 共享定义 4, 5, 5, 95 纽约银行\n CORP COM 064058100 206,661 8,041,300 共享定义的 4 8,041,300 - -\n纽约梅隆银行\n 纽约梅隆银行\n CORP COM 064058100 46,104 1,793,915 共享定义的 2, 4, 11 1,793,915 纽约梅隆银行 -\n\n CORP COM 064058100 251,827 9,798,700 共享定义 4, 8, 11 9,798,700 - -\nCOCA COLA CO COM 191216100 29,000 800,000 共享定义的 4 800,000 - -\n

我将非常感谢任何建议。

我正在阅读 Edgar sec 的 S-1 文件。我从彭博获得我的初始数据。通过公司名称，我可以使用术语get_cik_by_company_name(company_name: str)查找匹配的 CIK 编号。我应该能够获得我想要保存在列表中的 CIK 编号 -> cik_list。但是它不起作用 - str 的语法无效。

BloombergList 是使用所有相关公司名称创建的 Excel Bloomberg。在第 4 列中，我得到了作为列表导入的名称，而不是获取匹配的 CIK，然后以正确的顺序将 CIK 列表导出回 BloombergList - 理论上。

如果有人可以提供帮助，我很高兴。提前致谢。

我正在尝试安装 Python Edgar 库

我使用了以下代码

我收到以下错误

等等

我不知道当我跑步时有什么问题

我得到了错误

感谢您的帮助。我正在做一些命名实体标记，并遇到了一些模棱两可的术语。我主要遵循 CoNLL2003 注释指南和 MUC-7 命名实体定义（其他注释指南大多与这些指南共享相同的想法）

https://www.clips.uantwerpen.be/conll2003/ner/

https://www-nlpir.nist.gov/related_projects/muc/proceedings/ne_task.html

对于例句“我在北美和南美做生意”，我应该如何标记“北美和南美”？整个短语作为一个“位置”实体，还是“北”和“南美洲”作为两个“位置”实体？

我正在标记一些法律报告（来自美国证券交易委员会的 EDGAR 数据集），所以我遇到了诸如“Form 10”、“Form 8-K”之类的短语，它们是美国公司的法律表格类型。这些是否应该被视为“杂项”命名实体？

在这些表格中，有“合并财务报表”、“管理层讨论与分析”等章节名称，是否应标记为“杂项”？

如果是，那么诸如“年度报告”、“股东年度会议”、“普通股”、“限制性股票单位”之类的短语就会变得非常模糊。可以说它们是一种“法律文件”的名称，或者是一种“金融工具”的名称。但是这些短语在某种程度上是通用的，并没有指出一个特定的实体。它们应该是“杂项”还是“在命名实体之外”（不是命名实体）？

我正在使用 edgarWebR 解析 10K (SEC EDGAR) 文件。我正在尝试编写一个算法来通过检查文档的格式来推断每个 HTML 元素是普通文本、副标题还是标题（例如，一些 10Ks 可能所有标题都以粗斜体显示，而副标题仅以斜体显示）

edgarWebR 返回一个数据框，其中每个元素对应于一行，包含文本和 html。一些html的例子：

<p style="margin-top:18px;margin-bottom:0px"><font style="font-family:ARIAL" size="2"><b><i>Our quarterly operating results have fluctuated in the past and might continue to fluctuate, causing the value of our common stock to decline substantially. </i></b></font></p>

正如我们所看到的，上面应该标记为粗体和斜体。然而，这在不同的文件中表现不同。例如，此文件用于<b>表示粗体，而有些则表示字体重量 = 粗体。

处理这个问题的最佳方法是什么？是否有一个 R 包可以解析 HTML 并告诉我它是粗体和斜体，或者返回一个标签列表，这些标签是专门格式化标签（不是 span、p 等）。

或者，我如何根据手动编译的粗体和斜体（“粗体” <b>，，强）指标列表检查每一行，并让它返回与每一行匹配的列表中的任何元素？

最后，我计划将值制成表格以确定标题级别。例如，如果我计算 100 个既没有粗体也没有斜体的元素，20 个只有 的元素<b>，以及 10 个包含<b>“斜体”的元素，我可以推断粗体和斜体代表这个特定文件的标题，而单独的粗体表示子标题。

我正在尝试使用edgarWebR包从 EDGAR 获取公司及其归档信息。特别是，我想使用包中的两个函数 -filing_information和company_filings.

我实际上cik在不同的数据集中有数千个，但上面的两个函数都不能处理cik. 这是一个例子——

我需要在函数中使用href变量。filing_information

实际上，我试图以这种方式使用它-

但它不起作用。我收到了这条消息-

我实际上可以通过href如下方式放置每个变量值来做到这一点

函数也是如此company_filings，我只使用一个cik- “1000045”，但在另一个文件中，我有数千个cik我想运行该company_filings函数的所有文件。手动这是不可能的，因为我有数千个cik.

任何人都知道如何在 LARGE 向量上自动执行这两个功能。

谢谢

我正在尝试使用 python 库lxml解析 XML ，并希望结果输出位于数据框中。我对 python 和解析比较陌生，所以在我概述问题时请多多包涵。我尝试解析的原始 xml 可在此处获得

我有兴趣在“ invstOrSec ”中获得一些相关标签。下面是“ invstOrSec ”的一个实例的快照，其中标签“ curCd ”附带的文本是美元。

这相对简单，我目前的方法包括首先在字典中定义相关标签，然后将它们粗化为循环中的数据帧。

这是sec_info的前三行

但是，当货币不是美元时，xml 的结构略有不同。请参见下面的示例。

这次curCd被一个不同的标签 currencyConditional替换，它包含与文本相反的属性。我很难解释这些情况，同时保持我的代码尽可能通用。我希望我已经设法说明了这个问题。再次，如果这太初级，请原谅我。任何帮助将非常感激。

我正在尝试使用 R 包 edgar 从他们的 10-K 报告中提取多家公司的业务描述。我正在使用 getBusinDescr 函数来执行此操作。但是，我只能提取第 1 项（业务描述）和第 1A 项（风险因素）。有谁知道如何操纵函数“getBusinDescr”的代码来只检索项目1？解析必须以某种方式结束于“Item 1A. Risk Factors”。

我目前正在尝试使用 Python 中的 edgar 库从 SEC EDGAR 数据库下载 S1 文件。我尝试运行库项目描述中给出的示例代码，如下所示：

该代码似乎有效，但我无法理解如何在将文档保存为变量后检索该文档。键入 docs 返回 <Element sec-document at 0x7f8bbd0de720>。

任何帮助将不胜感激！

我目前正在尝试使用 sec_edgar_downloader 库从 SEC EDGAR 下载 S-1 文件。我有一个由 CIK 值组成的 pandas DataFrame，对于每个值，我想在可用时下载相关的 S-1。为了检查哪些公司没有它，我添加了一个新列，当找到并下载文件时等于 1，否则为 0。我运行的代码是

其中 tryconvert() 是一个定义为的函数

CIK_check() 是一个定义为的函数

CIK_check 在可用时执行下载文件的操作，并返回表示是否成功的二进制值。我必须添加 tryconvert() 以尝试解决在尝试运行代码时最终出现的错误，其中会引发以下错误：

但是，这不起作用，因为我仍然收到此错误，这使得无法完成我尝试执行的任务。错误的原因可能是什么？（不幸的是，鉴于它是 pandas DataFrame 上的 apply 函数，尚不清楚在哪个条目引发错误）。是否有另一种方法可以克服 RecursionError 而不必停止计算并将其简单地视为标记为 0 的失败下载？