10.爬上市、上櫃、興櫃、公開發行的每月營收

2019 iT 邦幫忙鐵人賽

DAY 10

AI & Data

量化投資與機器學習研究系列第 10 篇

2019鐵人賽

kuankuan

2018-10-24 22:08:12

4385 瀏覽

分享至

營收對我來說超重要的~

上個月營收規定要在下個月10號前公佈，如果遇假日可以順延，因此爬蟲時間設置
0 1 2-15 * *
每月2號到15號凌晨1點整都執行這個爬蟲
用這個工具方便爬有多標題的表格

營收是很重要得資訊，雖然往往在營收公佈前早就有人知道而股價提前反應
但也有公佈後才爆跌，例如宏達電每月都創新低
連續營收創新高的就很有可能變飆股

# -*- coding: utf-8 -*-
from datetime import datetime
import re
import pandas as pd
import scrapy
from htmltable_df.extractor import Extractor

stock_type = {'國內上市': 'http://mops.twse.com.tw/nas/t21/sii/t21sc03_{}_{}_0.html',
              '國外上市': 'http://mops.twse.com.tw/nas/t21/sii/t21sc03_{}_{}_1.html',
              '國內上櫃': 'http://mops.twse.com.tw/nas/t21/otc/t21sc03_{}_{}_0.html',
              '國外上櫃': 'http://mops.twse.com.tw/nas/t21/otc/t21sc03_{}_{}_1.html',
              '國內興櫃': 'http://mops.twse.com.tw/nas/t21/rotc/t21sc03_{}_{}_0.html',
              '國外興櫃': 'http://mops.twse.com.tw/nas/t21/rotc/t21sc03_{}_{}_1.html',
              '國內公發公司': 'http://mops.twse.com.tw/nas/t21/pub/t21sc03_{}_{}_0.html',
              '國外公發公司': 'http://mops.twse.com.tw/nas/t21/pub/t21sc03_{}_{}_1.html'
              }


class TemplateSpider(scrapy.Spider):
    name = "stock_rev_mm"

    custom_settings = {
        'DOWNLOAD_DELAY': 1,
        'CONCURRENT_REQUESTS': 1,
        'MONGODB_COLLECTION': name,
        'MONGODB_ITEM_CACHE': 1000,
        'MONGODB_UNIQ_KEY': [("YY", -1), ("MM", 1), ("公司代號", 1)],
    }

    def __init__(self, beginDate=None, endDate=None, *args, **kwargs):
        super(TemplateSpider, self).__init__(beginDate=beginDate, endDate=endDate, *args, **kwargs)

    def start_requests(self):
        if not self.beginDate and not self.endDate:
            date = datetime.today()
            self.beginDate = (date - timedelta(days=20)).strftime("%Y-%m-%d")
            self.endDate = date.strftime("%Y-%m-%d")

        for date in pd.date_range(self.beginDate, self.endDate, freq='M'):
            for key, val in stock_type.items():
                YY = date.year - 1911
                MM = date.month
                url = val.format(YY, MM)
                yield scrapy.Request(url, meta={'STOCK_TYPE': key, 'YY': YY, 'MM': MM})

    def parse(self, response):
        meta = response.meta

        for table in response.dom('table[bgcolor="#FFFFFF"]').items():
            treq0 = table.parent().parent().parent()('tr:eq(0)')

            INDUSTRY_TYPE = re.search('產業別：(\w+)', treq0("th:contains('產業別')").text()).group(1)

            extractor = Extractor(table)
            data = extractor.df()[:-1]
            data = data.applymap(lambda x: x.strip().replace(',', ''))

            data.insert(0, 'MM', meta.get('MM'))
            data.insert(0, 'YY', meta.get('YY'))
            data.insert(0, 'INDUSTRY_TYPE', INDUSTRY_TYPE)
            data.insert(0, 'STOCK_TYPE', meta.get('STOCK_TYPE'))

            for r in data.to_dict('row'):
                yield r

爬下的資料如下

<table border="1" class="dataframe">
  <thead>
    <tr style="text-align: right;">
      <th></th>
      <th>STOCK_TYPE</th>
      <th>INDUSTRY_TYPE</th>
      <th>YY</th>
      <th>MM</th>
      <th>公司代號</th>
      <th>公司名稱</th>
      <th>營業收入_當月營收</th>
      <th>營業收入_上月營收</th>
      <th>營業收入_去年當月營收</th>
      <th>營業收入_上月比較增減(%)</th>
      <th>營業收入_去年同月增減(%)</th>
      <th>累計營業收入_當月累計營收</th>
      <th>累計營業收入_去年累計營收</th>
      <th>累計營業收入_前期比較增減(%)</th>
      <th>備註</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <th>582</th>
      <td>國內上市</td>
      <td>半導體業</td>
      <td>104</td>
      <td>9</td>
      <td>2481</td>
      <td>強茂</td>
      <td>1211766</td>
      <td>976828</td>
      <td>1515909</td>
      <td>24.05</td>
      <td>-20.06</td>
      <td>11557846</td>
      <td>12999596</td>
      <td>-11.09</td>
      <td>-</td>
    </tr>
    <tr>
      <th>241</th>
      <td>國內上櫃</td>
      <td>觀光事業</td>
      <td>104</td>
      <td>5</td>
      <td>5701</td>
      <td>劍湖山</td>
      <td>119818</td>
      <td>128964</td>
      <td>110552</td>
      <td>-7.09</td>
      <td>8.38</td>
      <td>680584</td>
      <td>624156</td>
      <td>9.04</td>
      <td>-</td>
    </tr>
    <tr>
      <th>564</th>
      <td>國外上市</td>
      <td>電腦及週邊設備業</td>
      <td>104</td>
      <td>6</td>
      <td>5215</td>
      <td>科嘉-KY</td>
      <td>125428</td>
      <td>141482</td>
      <td>157816</td>
      <td>-11.34</td>
      <td>-20.52</td>
      <td>881774</td>
      <td>920059</td>
      <td>-4.16</td>
      <td>-</td>
    </tr>
    <tr>
      <th>124</th>
      <td>國內上市</td>
      <td>電子通路業</td>
      <td>104</td>
      <td>3</td>
      <td>3048</td>
      <td>益登</td>
      <td>5663488</td>
      <td>4576063</td>
      <td>3809295</td>
      <td>23.76</td>
      <td>48.67</td>
      <td>17004491</td>
      <td>10256641</td>
      <td>65.79</td>
      <td>上述已依IFRS申報合併營收</td>
    </tr>
    <tr>
      <th>867</th>
      <td>國內上市</td>
      <td>鋼鐵工業</td>
      <td>104</td>
      <td>8</td>
      <td>2013</td>
      <td>中鋼構</td>
      <td>1081370</td>
      <td>1201025</td>
      <td>1370149</td>
      <td>-9.96</td>
      <td>-21.07</td>
      <td>10063349</td>
      <td>11688039</td>
      <td>-13.90</td>
      <td>-</td>
    </tr>
    <tr>
      <th>783</th>
      <td>國內上市</td>
      <td>貿易百貨</td>
      <td>104</td>
      <td>6</td>
      <td>1432</td>
      <td>大魯閣實業</td>
      <td>17099</td>
      <td>18064</td>
      <td>11066</td>
      <td>-5.34</td>
      <td>54.51</td>
      <td>115048</td>
      <td>64586</td>
      <td>78.13</td>
      <td>1.103/7起增加休閒娛樂事業至104營收增加2. 103年度營收與原公告數不同係因配合海...</td>
    </tr>
    <tr>
      <th>134</th>
      <td>國內上市</td>
      <td>鋼鐵工業</td>
      <td>104</td>
      <td>4</td>
      <td>2017</td>
      <td>官田鋼</td>
      <td>461520</td>
      <td>464415</td>
      <td>490552</td>
      <td>-0.62</td>
      <td>-5.91</td>
      <td>1839699</td>
      <td>1959197</td>
      <td>-6.09</td>
      <td>-</td>
    </tr>
    <tr>
      <th>337</th>
      <td>國內上市</td>
      <td>建材營造</td>
      <td>106</td>
      <td>11</td>
      <td>2501</td>
      <td>國建</td>
      <td>812550</td>
      <td>981009</td>
      <td>1727465</td>
      <td>-17.17</td>
      <td>-52.96</td>
      <td>10469621</td>
      <td>15831898</td>
      <td>-33.87</td>
      <td>係去年當月完工工地入帳較多</td>
    </tr>
    <tr>
      <th>704</th>
      <td>國內上櫃</td>
      <td>貿易百貨</td>
      <td>104</td>
      <td>4</td>
      <td>9960</td>
      <td>邁達康</td>
      <td>55879</td>
      <td>56154</td>
      <td>65075</td>
      <td>-0.48</td>
      <td>-14.13</td>
      <td>187164</td>
      <td>201852</td>
      <td>-7.27</td>
      <td>-</td>
    </tr>
    <tr>
      <th>42</th>
      <td>國內上櫃</td>
      <td>通信網路業</td>
      <td>105</td>
      <td>9</td>
      <td>5353</td>
      <td>台林電通</td>
      <td>94425</td>
      <td>105303</td>
      <td>75463</td>
      <td>-10.33</td>
      <td>25.12</td>
      <td>897553</td>
      <td>819214</td>
      <td>9.56</td>
      <td>-</td>
    </tr>
  </tbody>
</table>