用python的pandas库爬取巨潮网年报

首先，你需要了解巨潮网的年报文件是如何存储的。一般来说，它们通常以PDF格式存储，因此你需要使用Python的第三方库来解析PDF文件。有很多这样的库，比如PyPDF2、pdfminer等。在这里，我们将使用PyPDF2来解析PDF文件。

首先，安装PyPDF2库：

pip install PyPDF2

接下来，导入必要的库：

import requests
import io
import pandas as pd
from PyPDF2 import PdfFileReader

然后，我们需要获取巨潮网年报的PDF文件并将其转换为文本格式。对于这个任务，我们可以使用requests库来下载PDF文件，然后使用io库将其转换为内存中的二进制数据流对象，最后使用PyPDF2库将其转换为文本格式。以下是示例代码：

url = "http://www.cninfo.com.cn/new/disclosure/stock?column=szse_latest&page_size=30&page_index=1&plate=szse&stock=&searchkey=&secid=&sort_name=&sort_type=&isHLtitle=true"
response = requests.get(url)
pdf_file = io.BytesIO(response.content)

# 解析PDF文件
pdf_reader = PdfFileReader(pdf_file)
text = ""
for page_num in range(pdf_reader.getNumPages()):
    page = pdf_reader.getPage(page_num)
    text += page.extractText()

在将PDF文件转换为文本格式后，我们可以使用pandas库来解析文本数据并将其转换为DataFrame对象。以下是示例代码：

# 将文本数据转换为DataFrame对象
data = []
for line in text.split("\n"):
    if line.strip():
        data.append(line.strip().split())

df = pd.DataFrame(data[1:], columns=data[0])

这将创建一个名为df的DataFrame对象，其中包含从PDF文件中提取的文本数据。你可以使用标准的pandas库方法来处理和分析这个数据集。