爬蟲實作-TWSE公開資料觀測站

來源網站

爬取資源 :採用IFRSs後每月營業收入彙總表
完整程式碼我有放在 github上

前言

當你手上持有一支股票的時候，應該除了會時常看盤關注股價漲跌，也會想關注這家公司最近是否有在賺錢，最直接就是看公司的月營收，在公開資訊觀測站 - 臺灣證券交易所裡面可以查到上市上櫃歷年來目前為止的每個月營收，但當你手上有十支股票時，你必須在一張表格找十次，且每個月都要做一次，是否有點麻煩? 身為懶人的我決定透過程式來讓我一鍵產生我想要報表

事先準備

在這邊我用到就是PYTHON的爬蟲，並且運用一些套件讓我可以將資訊呈現成圖表

requests: 用於發送HTTP請求，通常用於從網頁獲取資料。
bs4 (BeautifulSoup): 用於解析HTML和XML文件，提供簡單而直覺的方法來導覽和檢索網頁資料。
PrettyTable: 用於將資料以表格形式輸出，使輸出更加可讀。
matplotlib.pyplot: 用於繪製各種圖表和視覺化。
PySimpleGUI: 一個簡單而直覺的GUI（圖形用戶界面）框架，用於建立基本的圖形界面應用程式。
可以先執行以下命令確保之後運行順利


pip install requests beautifulsoup4 prettytable tqdm matplotlib PySimpleGUI

📋1.取得資料

1.解析網頁，著尋目標

想要透過爬蟲得到資訊第一步一定是去分析HTML(網頁結構)，找出你需要資訊的段落，再根據網頁的TAG 做指定，於是就先去分析HTML找出我們感興趣的

可以看到我們想要爬取的表格在第三層的TABLE裡面，是屬於巢狀表格的結構

(當然也可以匯出成CSV，透過網址自動匯出CSV，之後的工作就會是針對工作表去做解析，比較不需要解決網頁結構HTML問題)

2.爬取目標資訊

一般爬蟲的做法都是藉由標籤 (Tag) 來定位，透過搭配指定屬性(ID、CLASS)可以確保找到指定段落， 但是巢狀結構，不建議使用標籤屬性定位來爬取，因為有可能可以第一個表格，但第二個就抓不到
關於如何爬我會先這樣寫，去測試是否抓到某公司的單筆數據

發送 HTTP 請求、並定義了一個函數 get_company_basic_data，接受兩個參數(company_id 是要搜索的公司ID，url 是要爬取的網頁的URL)，初始化一個空字典 data 來存放爬取到的數據。











import requests
from bs4 import BeautifulSoup

def def get_company_basic_data(company_id, url):
    資料 = {}

    try:
        # 發送 HTTP 請求
        回應 = requests.get(url)
        回應.raise_for_status()  # 如果請求不成功，會拋出異常

使用 find('table') 找到 HTML 中的第一個"table"標籤，即目標巢狀表格，再透過使用 find_all('td') 找到每一行中的所有列，確保該行包含數據而不是空行，接者就可以對每一列的每一個單元格進行提取







































        # 使用 BeautifulSoup 解析 HTML 內容
        soup = BeautifulSoup(response.text, 'html.parser')

        # 找到指定的表格
        target_table = soup.find('table')

        # 提取表格中的數據
        if target_table:
            rows = target_table.find_all('tr')[2:]  # 忽略前兩行，因為它們是表頭

            for row in rows:
                columns = row.find_all('td')
                if columns:  # 確保這是一行數據，而不是空行
                    fetched_company_id = columns[0].text.strip()
                    if fetched_company_id == company_id:
                        company_name = columns[1].text.strip().encode('latin-1').decode('big5', 'ignore')
                        monthly_revenue = columns[2].text.strip()
                        last_month_revenue = columns[3].text.strip()
                        last_year_month_revenue = columns[4].text.strip()
                        monthly_growth_rate = columns[5].text.strip()
                        last_year_growth_rate = columns[6].text.strip()

                        data = {
                            '公司代號': fetched_company_id,
                            '公司名稱': company_name,
                            '當月營收': monthly_revenue,
                            '上月營收': last_month_revenue,
                            '去年當月營收': last_year_month_revenue,
                            '上月比較增減(%)': monthly_growth_rate,
                            '去年同月增減(%)': last_year_growth_rate
                        }

                        return data  # 返回找到的數據

    except requests.RequestException as e:
        print(f"錯誤: {e}")

    # 如果找不到指定公司ID的數據，返回None或者拋出異常，視情況而定
    return None

使用 get_company_basic_data 函數爬取特定公司ID的數據，








company_id_to_search = '1101'  # 替換為你要搜索的公司ID
url_to_scrape = 'https://mops.twse.com.tw/nas/t21/sii/t21sc03_111_2_0.html'
result = get_company_basic_data(company_id_to_search, url_to_scrape)

if result:
    print(result)
else:
    print(f"未找到公司ID為{company_id_to_search}的數據。")

4.可以看到順利得到結果

📋2.控制輸入及資料輸出

1. 解析網址特性，參數化

我們可以透過網址觀察https://mops.twse.com.tw/nas/t21/sii/t21sc03_111_2_0.html 其實我們只要換掉111及02並設定成參數，就可以爬取任何我們想要的年份及資料，且同時我會將月份及年度設定成範圍，這樣透過for迴圈就可以一次爬取很多年的資料，將我們要的參數設成輸入，這樣就可以自由控制參數，以下是我們的 主程式碼

輸入格式ex : id(2330)year(111,112)month(1,3)，就可以得到2330(TSMC)的111-112年1-3月的資料囉 <為了方便，自己創造的輸入code :+1: >




















#主程式碼
while True:
    user_input = input('請輸入輸入code，或輸入 "q" 退出: ')
    if user_input.lower() == 'q':
        break
    else:
        # 解析輸入
        input_parts = user_input.split(')')
        company_ids_input = [company_id.strip() for company_id in input_parts[0].replace('id(', '').split(',')]
        year_range_input = input_parts[1].replace('year(', '').split(',')
        month_range_input = input_parts[2].replace('month(', '').replace(')', '').split(',')

        # 轉換為整數
        year_range = [int(year) for year in year_range_input]
        month_range = [int(month) for month in month_range_input]   

        # 輸出解析後的值（可選）
        print("公司代號:", company_ids_input)
        print("年份範圍:", year_range)
        print("月份範圍:", month_range)

將 https://mops.twse.com.tw/nas/t21/sii/t21sc03_111_2_0.html 改成https://mops.twse.com.tw/nas/t21/sii/t21sc03_{year}_{month}_0.html 並依序執行可能輸入組合，並調用上面提到的 get_company_basic_data 函數爬取該公司指定月份的營收數據，如果有數據，則將數據加入到 data 列表中。


















def get_company_data(company_ids, year_range, month_range):
    data = []

    # 估算迴圈的總長度
    total_iterations = len(company_ids) * len(range(year_range[0], year_range[1] + 1)) * len(range(month_range[0], month_range[1] + 1))

    # 封裝成 tqdm
    for combination in tqdm(product(company_ids, range(year_range[0], year_range[1] + 1), range(month_range[0], month_range[1] + 1)),
                            total=total_iterations, desc="Processing", colour='green'):
        company_id, year, month = combination
        url = f'https://mops.twse.com.tw/nas/t21/sii/t21sc03_{year}_{month}_0.html'
        company_data = get_company_basic_data(company_id, url)

        if company_data:
            company_data['月份'] = f'{year}-{month:02d}'
            data.append(company_data)

    return data

2.資料輸出

若有多筆資料從字典印出會不易閱讀，所以輸出我採用建立一個 PrettyTable 物件來以表格呈現，並且按公司代號排序，方便閱讀


















def print_results(company_data):
    if company_data:
        # 先按公司代號排序
        sorted_data = sorted(company_data, key=lambda x: x['公司代號'])
        # 印出表格的標籤
        table_basic = PrettyTable()
        table_basic.field_names = ['公司代號', '公司名稱', '當月營收', '上月營收', '去年當月營收', '上月比較增減(%)', '去年同月增減(%)', '月份']
        # 顯示每筆資料
        for company_id, group in groupby(sorted_data, key=lambda x: x['公司代號']):
            group = list(group)
            for i, company in enumerate(group):
                # 顯示基本資料
                values_basic = [company.get(label, '') for label in table_basic.field_names[:-1]]  # 不包含 '月份'
                values_basic.append(company.get('月份', ''))  # 添加 '月份'
                table_basic.add_row(values_basic)
                if i == len(group) - 1:
                    print(f"基本資料 (公司代號: {company_id}):")
                    print(table_basic)

只是從網站印出原始資料似乎有點無聊吧，於是我就額外產生每年度的營收平均值透過我們產生的資料

記得要放在for company_id, group in groupby(sorted_data, key=lambda x: x['公司代號']): 迴圈裡面














            # 計算每年度的平均值
            yearly_data = {year: [] for year in range(year_range[0], year_range[1] + 1)}
            for company in group:
                year = int(company['月份'].split('-')[0])
                yearly_data[year].append(float(company['當月營收'].replace(',', '')))

            # 輸出每年度的平均值
            print(f"每年度的平均當月營收:")
            for year, revenues in yearly_data.items():
                average_revenue = sum(revenues) / len(revenues)
                print(f"{year}年: {average_revenue:.2f}")

            # 清空表格
            table_basic.clear_rows()

最後，只要在主程式碼呼叫函式就可以了



company_data = get_company_data(company_ids_input, year_range, month_range)
 # 印出公司資料
print_results(company_data)

input : id(2330)year(111,112)month(1,3)

📋3. 包裝成GUI

因為若要時常使用，終端機的介面還是不太適合，所以我採用PySimpleGUI 布局，並將輸入分為三個輸入框:公司代號、年份範圍、月份範圍，同時會有input_log的設定這樣下次進來就會記得上次輸入的組合

1.介面基礎設計

因為介面都是顯示在PySimpleGUI，所以上面提到 print_results的部分就可以刪除

保存輸入進log以及PySimpleGUI layout




















































def parse_range(input_range):
    result = []
    for part in input_range:
        if '-' in part:
            start, end = map(int, part.split('-'))
            result.extend(range(start, end + 1))
        else:
            result.append(int(part))
    return result

def read_input_log(file_path):
    # 讀取過去的五筆紀錄
    input_log = []
    try:
        with open(file_path, 'r') as file:
            lines = file.readlines()
            for line in lines[-5:]:  # 只取最後五筆
                input_log.append(line.strip())
    except FileNotFoundError:
        pass
    return input_log
def save_input_log(file_path, input_log):
    # 將最新的輸入保存到檔案
    with open(file_path, 'a') as file:
        file.write('\n'.join(input_log) + '\n')

def parse_input_record(record):
    # 解析輸入紀錄為字典
    parsed_record = {}
    parts = record.split(',')
    for part in parts:
        key, value = map(str.strip, part.split(':'))
        parsed_record[key] = value
    return parsed_record

# PySimpleGUI 布局
layout = [
    [sg.Text('請選擇過去的五筆紀錄')],[sg.Button('填入')],
    [sg.DropDown(values=read_input_log(input_log_file), key='saved_inputs')],
    [sg.Text('公司代號（以逗號分隔）'), sg.InputText(key='company_ids')],
    [sg.Text('年份範圍（使用範圍符號 "-"）'), sg.InputText(key='year_range')],
    [sg.Text('月份範圍（使用範圍符號 "-"）'), sg.InputText(key='month_range')],
    [sg.Button('確認'),  sg.Button('離開並儲存搜尋紀錄', key='leave')],
    [sg.Table(values=[], headings=['公司代號', '公司名稱', '當月營收', '上月營收', '去年當月營收', '上月比較增減(%)', '去年同月增減(%)', '月份'],
              auto_size_columns=False, justification='right', key='table',
              col_widths=[15, 30, 15, 15, 15, 20, 20, 15],
              row_height=30, display_row_numbers=False, bind_return_key=True, enable_events=True, num_rows=20)],
]

window = sg.Window('公司資料查詢工具', layout, resizable=True, finalize=True)

主程式事件設定






































































# 主循環
while True:
    event, values = window.read()

    if event == sg.WINDOW_CLOSED or event == '離開':
        if values is not None:
            # 在退出時保存輸入紀錄到檔案
            input_log = read_input_log(input_log_file)
            current_input = f"公司代號:{values['company_ids']}, 年份範圍:{values['year_range']}, 月份範圍:{values['month_range']}"
            if current_input not in input_log:
                input_log.append(current_input)
                save_input_log(input_log_file, input_log)
        break
    elif event == '填入':
        # 解析選擇的過去紀錄
        selected_input = values['saved_inputs']
        if selected_input:
            selected_input_dict = parse_input_record(selected_input)

            # 更新每個輸入字段的值
            for key, value in selected_input_dict.items():
                window[key].update(value)
    elif event == '確認':
        # 轉換input成為列表供parse_range使用
        company_ids_input = [company_id.strip() for company_id in values['company_ids'].split(',')]
        year_range_input = [values['year_range']]
        month_range_input = [values['month_range']]

        # 轉換為整數
        year_range = parse_range(year_range_input)
        month_range = parse_range(month_range_input)

        # 調用獲取公司數據的函數
        company_data = get_company_data(company_ids_input, year_range, month_range)

        # 排序並打印公司數據
        sorted_data = sorted(company_data, key=lambda x: (x['公司代號'], x['月份']))

        table_data = []
        yearly_data = {year: [] for year in range(year_range[0], year_range[1] + 1)}

        for company_id, group in groupby(sorted_data, key=lambda x: x['公司代號']):
            group = list(group)

            for i, company in enumerate(group):
                values_basic = [company.get(label, '') for label in ['公司代號', '公司名稱', '當月營收', '上月營收', '去年當月營收', '上月比較增減(%)', '去年同月增減(%)']]  # 不包含 '月份'
                values_basic.append(company.get('月份', ''))  # 添加 '月份'
                table_data.append(values_basic)

                if i == len(group) - 1:
                    # 添加空行，用於區分不同公司的數據
                    table_data.append([""] * len(table_data[0]))

            # 計算每年度的平均值
            yearly_data = {year: [] for year in range(year_range[0], year_range[1] + 1)}
            for company in group:
                year = int(company['月份'].split('-')[0])

                # 檢查 year 是否在 yearly_data 的鍵中，如果不在，添加它
                if year not in yearly_data:
                    yearly_data[year] = []

                yearly_data[year].append(float(company['當月營收'].replace(',', '')))

            # 插入每年度的平均值行
            for year, revenues in yearly_data.items():
                if revenues:  # 避免除以零
                    average_revenue = sum(revenues) / len(revenues)
                    table_data.append(["", "", f"{average_revenue:.2f}", "", "", "", "", f"{year}年 平均值"]

介面呈現

2.產生折線圖

表格對於若我同時搜尋多家公司或多個年度，要去比較時其實不太方便，所以我額外產生三個按鈕來產生折線圖，分別是 不同公司營收圖、歷年營收比較 、營收增減%圖
先在layout增加按鈕


[sg.Button('不同公司營收圖', key='plot_button'),sg.Button('歷年營收比較', key='time_button'),sg.Button('營收增減%圖', key='rate_button')],

不同公司營收圖、營收增減%圖這兩張圖的產生邏輯相同，只是抓取不同欄位，故我一起說明，

取得表格資料：從界面中的表格元素中取得資料。
資料處理：將表格資料按照公司代號（'公司代號'）進行分組（使用 groupby 函式），並按照年份月份（'月份'）進行排序。
製作繪圖所需的資料：創建一個字典 plot_data，用於存儲每家公司的月份和營收數據。
繪製折線圖：對於每家公司，將其營收數據加入 plot_data 字典中，然後使用 plt.plot 函式繪製折線圖。

將'營收'替換程'營收增減(%)'就可以完成營收增減%圖































    elif event == 'plot_button':
        table_data = window['table'].get()

        if table_data and table_data[0]:
            plt.figure(figsize=(10, 6))
            plot_data = {company_id: {'月份': [], '營收': []} for company_id in company_ids_input}

            for company_id, group in groupby(sorted_data, key=lambda x: x['公司代號']):
                group = list(group)

                for i, company in enumerate(group):
                    # 計算每年度的值
                    year = int(company['月份'].split('-')[0])
                    month = int(company['月份'].split('-')[1])
                    plot_data[company_id]['月份'].extend([f"{year}-{month:02d}"])
                    plot_data[company_id]['營收'].extend([float(company['當月營收'].replace(',', ''))])

            for company_id, data in plot_data.items():
                plt.plot(data['月份'], data['營收'], label=f"{company_id} 平均值")

            plt.xlabel('時間', fontproperties=font1, fontsize=20)
            plt.ylabel('營收', fontproperties=font1, fontsize=20)
            plt.title('年度營收折線圖', fontproperties=font1, fontsize=20)
            plt.xticks(rotation=45)  # 旋轉 x 軸標籤，以免重疊
            plt.legend(prop=font1)
            plt.grid(True)
            plt.ticklabel_format(axis='y', style='plain') 
            plt.tight_layout()  # 自動調整佈局，以確保標籤完全顯示
            plt.show()
        else:
            sg.popup_error('表格無資料，請先點擊「確認」獲取數據。')

成果!

歷年營收比較

這張圖比較不一樣，他是只會看一家公司的數據，但可以在月份的軸上看到多個月的比較，可以去比較同時期去年度的表現，
所以他是透過year_data去分類

過濾選擇公司的資料：從整體資料中篩選出選擇公司的相關資料。
製作繪圖所需的資料：創建一個字典 years_data，用於存儲該公司不同年度的月份和營收數據。
繪製折線圖：對於每年份，將其營收數據加入 years_data 字典中，然後使用 plt.plot 函式繪製折線圖。

    elif event == 'time_button':
        # Get selected company ID
        selected_company_id = values['company_ids'].split(',')[0].strip()

        # Filter data for the selected company
        selected_company_data = [company for company in sorted_data if company['公司代號'] == selected_company_id]

        if selected_company_data:
            plt.figure(figsize=(10, 6))

            # Organize data for plotting
            years_data = {str(year): {'月份': [], '營收': []} for year in range(year_range[0], year_range[1] + 1)}

            for company in selected_company_data:
                year = int(company['月份'].split('-')[0])
                month = int(company['月份'].split('-')[1])

                # Ensure the year key exists in the dictionary
                if str(year) not in years_data:
                    years_data[str(year)] = {'月份': [], '營收': []}

                years_data[str(year)]['月份'].append(f"{month:02d}")
                years_data[str(year)]['營收'].append(float(company['當月營收'].replace(',', '')))

            # Plotting for each year
            for year, data in years_data.items():
                plt.plot(data['月份'], data['營收'], label=f"{year} 年")
            plt.xlabel('月份', fontproperties=font1, fontsize=20)
            plt.ylabel('營收', fontproperties=font1, fontsize=20)
            plt.title(f"{selected_company_id} 不同年度營收折線圖", fontproperties=font1, fontsize=20)
            plt.xticks(rotation=45)
            plt.legend(prop=font1)
            plt.grid(True)
            plt.ticklabel_format(axis='y', style='plain')
            plt.tight_layout()
            plt.show()
 
        else:
            sg.popup_error(f'選擇的公司（ID: {selected_company_id}）無相關數據，請嘗試其他公司。')

成果!

折線圖的中文字型要另外下載並引用，不然無法顯示