如何在python中解析来自EDGAR API的10Q报告？

Question

我试图使用EDGAR API检索任何给定公司的10-Q（对应于提供的CIK值）。此代码检索特斯拉最近的10-Q。有大约30个方法附加到此对象，例如键、值、项和文本内容。文本内容似乎是唯一不返回空列表的内容。然而，文本不容易解析，因为不同公司的10-Q差异很大

毫无疑问，有人会评论：我为什么设置no_of_documents=2？如果此参数设置为1，将返回错误的文档（不是10-Q）。当任何参数超过1时，将检索实际的10个Qs。我不知道API为什么会这样

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）打印原始XML以查看其底层结构，然后使用xmltodict或xml.etree.ElementTree进行解析。但是，我收到了以下错误

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。我怎样才能继续

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()')

产出：

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

等等。 及

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

产出：

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

等等

祝你好运；解析xbrl文件并非易事