问题标签 [edgar]

我正在尝试分析所有特殊目的收购公司 (SIC=6770) 的 S-1 文件，但我无法找到一种有效地从 SEC EDGAR 获取这些数据的方法。我已经研究了“edgar”和“edgarWebR”R 软件包，但还没有找到一种方法来提取仅基于 SIC 代码的大量公司的 S-1 文件。我想如果我能获得我正在寻找的所有公司的 CIK 代码，我就可以使用现有的包来获得我需要的信息。

如果有人有使用 edgar 的经验，你觉得哪个包有用？我如何获得整个行业的 CIK 代码？

我正在使用 edgar 5.4.1 从 SEC 数据库中获取 10K 文件，但我无法解析 html 元素并查看文档的实际文本内容。

我用了两种方法：

1. 第一个似乎适用于 5.4.1 版本，但它会引发如下属性错误。

2. 第二种方式，由于包的更新可能不起作用，也没有返回文本，但其他我不完全理解：

有没有办法解析这个？这是一个错误吗？我不明白这一点。

我需要下载多个 10-ks 文档，但是，如果我下载 5-10 家公司之间的 10-ks，此代码可以正常工作。但如果我增加 [cik_lookup 函数] 中的公司数量。这是代码。

这是包含 project_helper 函数的 py 文件。

第一步是下载 NLP Corpora。

比得到 10ks

获取 10-ks 列表

如果我下载 5-10 家公司之间的 10-ks，代码可以正常工作。但是，如果我在 [cik_lookup 函数] 中增加公司的数量，我会收到以下错误。我得到的第一个错误如下。

但是，在对 BeutifulSoup(ecodes) 进行了一些谷歌搜索后，我将其更改为 utf-8，然后出现以下错误。

可以在以下 github 存储库中访问该项目。 github repo也在这里。

我是编码世界的新手，所以如果我滥用术语或通常不知道我在说什么，请多多包涵。我正在做一个研究项目，我试图通过 EDGAR 从 sec.gov 刮取上市公司 10-Ks。我阅读了各种资料，观看了各种视频，但我发现以下参考资料与我的项目最相关，坦率地说，我很容易理解。我的代码解释从第 194 页开始，代码从第 195 页开始。我首先尝试下载索引文件（下图），这将帮助我编写代码来专门获得 10-Ks。所以，我正处于项目的早期阶段。

这只是我正在使用的论文的参考。它目前在 SSRN 上，所以我意识到每个人都可能无法访问。我会上传 PDF，但我不认为这是一个选项。我列出这个纯粹是为了表明我有我正在做的事情的来源。如有必要，我可以提供屏幕截图。

Anand, V.、Bochkay, K.、Chychyla, R. 和 Leone, AJ (2020)。在会计研究中使用 Python 进行文本分析。即将出版，会计基础和趋势。

索引文件示例：

目前，我有两个问题：我的代码没有按预期工作，而且我似乎被 sec.gov 阻止了。我将首先讨论前者，最后讨论后者。当我运行以下命令时，它应该在 down_direct 路径下载 2018 和 2019 索引文件。但是，此代码仅抓取 2018 年的索引文件。

下面的 log/IDLE shell 结果显示了“成功”和不成功的运行。不成功的运行让我觉得我被 sec.gov 阻止了。据我了解，某些网站会查找来自 urllib.request 的请求，并且可能会自动对其进行筛选。但是，只要您在间隔尝试数小时后尝试下载，sec.gov 对研究人员是友好的，这两项我都做过（我昨晚从晚上 7 点到晚上 10 点一直在做这个，两次尝试之间等待了 10 分钟）。所以，我的问题是

1. 我应该如何调整我的代码以使其按预期运行？（即，提取 start_year 和 end_year 的所有 4 个季度）

2. 我被 sec.gov 屏蔽了吗？如果是这样，我可以调整我的代码来解决这个问题吗？

成功运行

检索数据

下载 C:/Users/Documents/Student Files/~Current Student/~RESEARCH/~First Summer Paper/Data/EDGAR/master20184.idx

检索到的数据

运行不成功（为了篇幅，我只包括了错误行）

检索数据

urllib.error.HTTPError：HTTP 错误 403：禁止

我看过类似的帖子，人们建议将以下内容添加到代码中以解决此错误，但我太绿了，我真的不知道如何将其合并。感谢任何帮助，如果我需要编辑我的帖子更多信息，请告诉我。

I am unfortunately working with R for the first time and I am having a problem with the package "edgar".

My code is as follows: Normal:

or

With a loop:

I am trying to pull the 10-K filings from the SEC via the edgar package. More specifically, I would like to get the Management Discussion and the Business Describtion. So on the one hand I use the formula getMgmtDisc and getBusinDescr. However, for both of them I have two problems.

1. sometimes the code works and I get the full filings, but sometimes I don't get anything at all, even though I haven't changed anything in the code and just restarted R or similar.

In this case I get the following error message:

Although I know this is not true.

2. if the code for the filings worked then, but sometimes/most of the time I still don't get the management discussion or the business description. Sometimes only for certain years, even though I know they exist for all years. It just changes very randomly.

In this case, the following error message appears:

I have tried it with a normal code as well as with a loop. (By the way, is the loop correct?).

Thank you so much for your help!!

我运行了以下命令：

它抛出以下错误要求 user_agent。如果我在其他任何事情上出错，请澄清我在哪里可以获得该用户代理和指导？错误信息是：

我们正在尝试使用 Python 解析 SEC Edgar 文件。我正在尝试在第 21 行获取此表“按业务部门划分的销售额”。这是文档的链接。

下面是我们在网上找到的代码。网页中的所有数据都在这个标签下。

我们无法打印此数据。

任何人都可以帮助我们得到这个。任何建议都是有帮助的。

我是 Python 中 Web 抓取的新手，并尝试从 SEC Edgar 全文搜索中抓取所有 htm 文档链接。我可以在模态页脚中看到链接，但 BeautifulSoup 不会使用链接解析 href 元素。

是否有一个简单的解决方案来解析文档的链接？

嗨，我正在尝试使用 R edgar 包读取 SEC edgar 数据库中的 13F 文件

我面临的挑战是我正在查看的文件是旧文件（~2000 年） https://www.sec.gov/edgar/browse/?CIK=1087699

它们是糟糕的 txt 格式，与今天的 13F 不同，并且使用 readtxt 函数无法读取。

示例文件在这里：https ://www.sec.gov/Archives/edgar/data/1087699/000108769999000001/0001087699-99-000001.txt

我试过了，R 只是告诉我它很忙并且永远下载，它不是一个很大的 txt 文件。所以出了点问题。然后当它最终完成时，它说没有找到给定 CIK 和表单类型的归档信息，但我清楚地在查看文件。如果 edgar 包没有设计来处理它，那我该怎么办呢？

我的最终目标是将文件保存在漂亮的数据框中，股票代码和价格的列以及股票数据的行。请帮忙。

有没有可用的刮痧？我通过检查铬突出了灯光，但它们对我来说看起来很奇怪（抱歉，根本不擅长刮）。

我的代码如下：

去年我可以运行完全相同的代码，但是当我昨天运行它时，弹出警告：“JSONDecodeError: Expecting value: line 1 column 1 (char 0)” 为什么？我应该如何解决问题？非常感谢！