【Python代码】巨潮资讯网定向增发公告批量获取

【01｜研究背景与需求】

在金融、会计及公司治理领域的实证研究中，定向增发（Private Placement）是重要的研究议题。进行相关研究，首先需要获取高质量的公告文本数据作为分析基础。

巨潮资讯网（cninfo.com.cn）作为中国证监会指定的上市公司信息披露平台，是此类数据的权威来源。然而，传统的手动下载方式效率低下，难以满足大规模、长周期的研究需求。本研究分享一套完整的Python自动化解决方案，旨在为学术研究者提供高效、规范的数据获取工具。

【02｜工具概述与流程】

本工具实现了从数据检索到文本转换的全流程自动化，主要包含以下四个核心模块：

• • 公告列表获取：模拟浏览器请求，按年份、股票代码批量获取公告元数据。
• • PDF文件下载：根据元数据中的链接，并发下载公告PDF文件至本地。
• • 文本内容提取：使用 pymupdf库，将PDF公告批量转换为纯文本（TXT）。
• • （可选）文本向量化：基于本地部署的Ollama嵌入模型，进行文本向量化与相似度计算示例。

【03｜核心代码与数据文件说明】

1. 核心依赖库

代码严格依赖以下Python库，请提前安装：

# requirements.txt 示例requests>=2.28.1pandas>=1.5.0tqdm>=4.64.0pymupdf>=1.22.0numpy>=1.23.0

2. 关键数据文件：stock_list.json

该文件为工具的基础配置文件，存储了A股上市公司的代码与机构ID（orgId）的映射关系，是构建正确API请求的关键。代码中通过以下方式加载并构建字典：

import json# 加载股票列表映射文件stock_dic = {    data["code"]: data["orgId"] for data in json.load(open("stock_list.json", "r", encoding="utf-8"))["stockList"]}

执行后，stock_dic将形成如 {“300059”: “9900005334”, …}的映射，确保后续请求能准确定位到目标公司。3. 采集范围配置

用户可通过修改以下变量，自定义采集任务：

# 设置采集年份范围year_range = list(range(2019, 2025))  # 采集2019至2024年数据# 设置目标股票代码（示例为10只创业板股票）demo_stock_codes = ["300059",  # 东方财富"300033",  # 同花顺"300750",  # 宁德时代"300124",  # 汇川技术"300015",  # 爱尔眼科"300142",  # 沃森生物"300122",  # 智飞生物"300059",  # 东方财富"300498",  # 温氏股份"300413",  # 芒果超媒]

4. 核心函数 get_file（节选）

此函数负责向巨潮资讯网API发送结构化请求，并解析返回的JSON数据。

defget_file(year, stock_str, page_num=1):"""    获取指定年份、股票的公告列表    :param year: 年份    :param stock_str: 股票代码与机构ID拼接字符串，如 "300059,9900005334"    :param page_num: 页码    :return: 公告列表JSON数据    """# 构建API请求参数    data = {'pageNum': str(page_num),'pageSize': '30','column': 'szse','tabName': 'fulltext','plate': 'sz','stock': stock_str,'searchkey': '','secid': '','category': 'category_ndbg_szsh','trade': '','seDate': f'{year}-01-01~{year}-12-31',    }# 发送POST请求并返回结果# ... (详细请求代码见完整文件)

【04｜执行与输出】

运行主程序后，工具将按配置自动执行，并生成以下结构化的本地文件：

【05｜重要说明与合规使用】

• • 学术用途：本工具仅供个人学习与学术研究使用，严禁用于任何商业用途。
• • 合规访问：使用时应严格遵守巨潮资讯网的robots.txt协议及相关规定，内置的请求间隔（延时）即是为了尊重网站服务器压力。
• • 技术时效性：网络爬虫高度依赖目标网站结构，若巨潮资讯网更新其前端或API，部分解析规则可能需要相应调整。

【06｜结语】

本工具旨在解决金融实证研究中的数据获取痛点，通过自动化方案提升研究效率。研究者获得洁净的文本数据后，可进一步结合自然语言处理、文本挖掘等方法，深入探究定向增发的市场反应、信息披露质量等学术问题。

欢迎在评论区交流技术细节或研究应用设想。

代码领取方式

C0002

转发本推文到朋友圈

添加客服

发送代码编号

发送保留2小时并集齐10个点赞的截图

即可免费领取代码