从Tushare获取上市公司简介

经过一些简单的百度和谷歌就可以知道，Python常用的金融数据包包括Tushare、BaoStock等等，我们用谷歌搜一下“tushare 上市公司信息”：

打开第一个网页，这是Tushare社区的一个文档页面，很欣慰，Tushare提供了一个公司简介参数：

很好，我们来试一下看看这里的公司简介是什么样的。

原代码

文档提供了一段样例代码：

pro = ts.pro_api()

#或者
#pro = ts.pro_api('your token')

df = pro.stock_company(exchange='SZSE', fields='ts_code,chairman,manager,secretary,reg_capital,setup_date,province')

运行这段代码之前需要安装tushare：

pip install tushare

安装完毕后，直接运行这段代码会提示：

请设置tushare pro的token凭证码，如果没有请访问https://waditu.com注册申请

我们需要注册一个社区账号，然后进行个人信息设置，得到token和积分，才能调用这个接口。比如我操作之后执行这段代码就成功了：

import tushare as ts
pro = ts.pro_api('c9c184bef0644923bc05e6e096d71fbf929c731163be9db98d858a69')

df = pro.stock_company(exchange='SZSE', fields='ts_code,chairman,manager,secretary,reg_capital,setup_date,province')

简单易懂，稍微看看文档就明白，SSE上交所，SZSE深交所，fields参数是筛选我们想要的参数。

修改代码

我们稍微改一下代码：

import tushare as ts
pro = ts.pro_api('c9c184bef0644923bc05e6e096d71fbf929c731163be9db98d858a69')

ssedf = pro.stock_company(exchange='SSE', fields='ts_code,introduction')
szsedf = pro.stock_company(exchange='SZSE', fields='ts_code,introduction')

print(ssedf)
print(szsedf)

这样就得到了我们最在意的introduction参数的内容。

接下来该怎么办呢？股票代号是唯一的，可以用于跟我们以前的爬取结果整合；为了提取introduction的内容，我们首先需要知道ssedf和szsedf分别是什么类的对象，才好对症下药。谷歌一下“Python 获取数据类型”就可以知道，可以借助type()函数：

print(type(ssedf))
print(type(szsedf))

然后我们就知道二者都是padas包里面的Dataframe类型。

对于这个类型小油油是比较熟悉的，因为比较经典。参见我的这篇早期的博文：pandas.Dataframe增删改查详细操作。这里简单介绍几个使用方式：

print(ssedf.shape[0]) # 行数
print(ssedf.loc[0, 'ts_code']) # 第0行的ts_code列的内容
print(ssedf.loc[0, 'introduction']) # 第0行的introduction列的内容

有这两种用法就可以满足我们的基本需求了。

保存为文本

接下来就是我们熟悉的操作了，把introduction保存出来，便于后续操作。比较遗憾的是Tushare没有提供公司名，我们就去掉ts_code点号后面的内容，作为文件名吧：

import pandas as pd
import tushare as ts
pro = ts.pro_api('c9c184bef0644923bc05e6e096d71fbf929c731163be9db98d858a69')

ssedf = pro.stock_company(exchange='SSE', fields='ts_code,introduction')
szsedf = pro.stock_company(exchange='SZSE', fields='ts_code,introduction')
df = pd.concat([ssedf, szsedf], ignore_index=True) # 这是一个Dataframe按列合并的操作，ignore_index=True表示重新排序

dir = 'D:\\Tushare导出\\' # 这个目录需要自行创建并指定

for i in range(df.shape[0]):
	print(i)
	name = df.loc[i, 'ts_code'][:6]
	text = df.loc[i, 'introduction']
	fh = open(dir+name+'.txt', 'w', encoding='utf-8')
	fh.write(text)
	fh.close()

这里我们把ssedf和szsedf合并，然后对每一行获取ts_code和introduction，ts_code取前6位的股票编号作为我们的文件名，保存到dir目录下。

然而执行这段代码到第427行会报错：

427
Traceback (most recent call last):
  File "test.py", line 18, in <module>
    fh.write(text)
TypeError: write() argument must be str, not None

意思是说df中有的行的introduction为None，即啥也没有，那么我们就判断一下了，当introduction值为None或者为’’空字符串时，就不保存，并且输出股票代码到一个指定文件中。我认为股票代码是不会为空的，如果能为空就算它狠，我就该换工具包了，我这里就不判断了。

重新写一下代码：

import pandas as pd
import tushare as ts
pro = ts.pro_api('c9c184bef0644923bc05e6e096d71fbf929c731163be9db98d858a69')

ssedf = pro.stock_company(exchange='SSE', fields='ts_code,introduction')
szsedf = pro.stock_company(exchange='SZSE', fields='ts_code,introduction')
df = pd.concat([ssedf, szsedf], ignore_index=True) # 这是一个Dataframe按列合并的操作，ignore_index=True表示重新排序

dir = 'D:\\Tushare导出\\' # 这个目录需要自行创建并指定
empty = open('C:\\Users\\15617\\Desktop\\'+'空信息_Tushare.txt', 'a', encoding='utf-8')

for i in range(df.shape[0]):
	print(i)
	name = df.loc[i, 'ts_code'][:6]
	text = df.loc[i, 'introduction']
	if text is None or text=='':
		empty.write(name+'\n')
		continue
	fh = open(dir+name+'.txt', 'w', encoding='utf-8')
	fh.write(text)
	fh.close()

empty.close()

运行一下即可。跑的速度非常快，比百度百科快很多，我这里跑下来一共获得了4637个有效文件。

后续如果有必要的话可以根据股票编号，结合我们的《2021年上市公司基本信息表》，用Python查询股票编号对应的公司名称，然后把百度百科爬取的结果和Tushare导出的结果整合起来。

确实很简单，easy！小仙女要加油喔😆😆😆