解析 SEC 表格数据

【问题标题】：Parsing SEC tabular data解析 SEC 表格数据
【发布时间】：2020-03-03 07:04:21
【问题描述】：

我的要求是解析 SEC 表格数据。请在下图中找到示例表格数据。我正在使用 Python。我发现表格数据是以 XBRL 格式存储的。一开始，我尝试像使用 lxml 模块解析 XML 一样解析 XBRL 数据。后来我意识到它是一个复杂的解析模型，我们有很多用于解析 XBRL 文档的库。我浏览了不同的库，如 python-xbrl、xbrl，以及安装的服务器（raptorXMLXBRL 服务器）来解析 XBRL 文档。但没有一个按预期工作。正如我之前提到的，我的目标是从 SEC 获取表格数据。我们可以在this 链接中找到示例文档。您能否建议我一个用于解析表格数据的流程/模块。提前致谢。

【问题讨论】：

标签： python-3.x xml xbrl

【解决方案1】：

和您一样，我尝试使用 python 中可用的任何工具解析 xbrl 文档，但没有取得多大成功。因此，解决该问题的一种方法是获取 xbrl 文件基础的 html 文件。

所以，要使用您的示例链接，前 10K 的 url 有

https://www.sec.gov/ix?doc=/Archives/edgar/data/1551152/000155115220000007/abbv-20191231x10k.htm

只需从 url 中去掉 /ix?doc= 字符串，就剩下

https://www.sec.gov/Archives/edgar/data/1551152/000155115220000007/abbv-20191231x10k.htm

这是相同的 10k 文件，但采用 html 格式。从那里您可以使用普通的 html 工具来提取您感兴趣的任何数据。

【讨论】：

我可以确认。删除 /ix?doc= 部分会删除蓝色菜单栏，留下简单的 html 文档，并使其更容易提取。