AI金融投资：批量下载巨潮资讯基金招募说明书

打开巨潮资讯的基金招募说明书页面：

http://www.cninfo.com.cn/new/fullt

动态网页，返回json数据：

"adjunctUrl": "finalpage/2024-06-08/1220300147.PDF",

{

"classifiedAnnouncements": null,

"totalSecurities": 0,

"totalAnnouncement": 141,

"totalRecordNum": 141,

"announcements": [

{

"id": null,

"secCode": "180601",

"secName": "华夏华润商业REIT",

"orgId": "jjjl0000031",

"announcementId": "1220300147",

"announcementTitle": "华夏华润商业REIT：华夏华润商业资产<em>封闭式</em><em>基础设施</em><em>证券投资基金</em><em>招募</em><em>说明书</em>更新",

"announcementTime": 1717776000000,

"adjunctUrl": "finalpage/2024-06-08/1220300147.PDF",

"adjunctSize": 6265,

"adjunctType": "PDF",

"storageTime": null,

"columnId": "09020302||250601",

"pageColumn": "SZJJ",

"announcementType": "0101050916||0101050917||013511",

"associateAnnouncement": null,

"important": null,

"batchNum": null,

"announcementContent": null,

"orgName": null,

"tileSecName": "华夏华润商业REIT",

"shortTitle": "华夏华润商业资产<em>封闭式</em><em>基础设施</em><em>证券投资基金</em><em>招募</em><em>说明书</em>更新",

"announcementTypeName": null,

"secNameList": null

},

在ChatGPT中输入提示词：

你是一个Python编程专家，要完成一个批量下载网页PDF的Python脚本，具体步骤如下；

解析网页：http://www.cninfo.com.cn/new/fulltextSearch/full?searchkey=%E5%B0%81%E9%97%AD%E5%BC%8F%E5%9F%BA%E7%A1%80%E8%AE%BE%E6%96%BD%E8%AF%81%E5%88%B8%E6%8A%95%E8%B5%84%E5%9F%BA%E9%87%91%E6%8B%9B%E5%8B%9F%E8%AF%B4%E6%98%8E%E4%B9%A6&sdate=&edate=&isfulltext=false&sortName=pubdate&sortType=desc&pageNum={pagenumber}&pageSize=20&type=

{pagenumber}的值从1开始，以1递增，到8结束；

获取网站的响应，这是一个json数据；

提取"announcements"键的值，这个值也是一个json数据；

从这个json数据中提取"announcementTitle"键的值，作为PDF文件的标题，写入Excel表格第1列；

从这个json数据中提取"adjunctUrl"键的值，前面加上“http://static.cninfo.com.cn/”，作为PDF文件的下载地址，写入Excel表格第2列；

保存Excel文件， Excel文件保存在文件夹：F:\AI自媒体内容\AI炒股\REITs，Excel文件名为：REITspdf.xlsx

注意：

每一步都输出信息到屏幕上，每一步添加调试信息，以便详细检查每一步是否正常工作；

每读取一页，随机暂停3-7秒；

PDF文件名要进行清洗处理，因为其中可能包含不符合windows系统命名规范的字符，处理文件名中的 HTML 实体，去除 <em> 和 </em> 标签，文件名中的特殊字符（如：）和无效字符替换为“_” 避免无效字符导致文件系统错误

设置请求标头：

Accept:

application/json, text/javascript, */*; q=0.01

Accept-Encoding:

gzip, deflate

Accept-Language:

zh-CN,zh;q=0.9,en;q=0.8

Connection:

keep-alive

Host:

http://www.cninfo.com.cn

Referer:

http://www.cninfo.com.cn/new/fulltextSearch?notautosubmit=&keyWord=%E5%B0%81%E9%97%AD%E5%BC%8F%E5%9F%BA%E7%A1%80%E8%AE%BE%E6%96%BD%E8%AF%81%E5%88%B8%E6%8A%95%E8%B5%84%E5%9F%BA%E9%87%91%E6%8B%9B%E5%8B%9F%E8%AF%B4%E6%98%8E%E4%B9%A6

User-Agent:

Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/125.0.0.0 Safari/537.36

X-Requested-With:

XMLHttpRequest

这样就把所有说明书的名称和下载地址获取到了，然后导入迅雷批量下载。

下载完成后，进行重命名，在chatgpt中输入提示词：

你是一个Python编程专家，要完成一个批量重命名的Python脚本，具体步骤如下；

逐个读取文件夹里面的PDF文件：D:\文档任务组_20240617_1112，获取PDF文件主文件名，设为变量{pdfname1}；

读取Excel文件："F:\AI自媒体内容\AI炒股\REITs\REITspdf.xlsx"第2列全部内容，提取第三个”/”和”.PDF”之间的内容，设为变量{pdfname2}，比如：http://static.cninfo.com.cn/finalpage/2022-08-02/1214190987.PDF，应该提取的内容是“1214190987”；

将{pdfname1}与所有的{pdfname2}进行比较，如果两者一致，那么用{pdfname2}所对应的第1列单元格内容作为新的PDF主文件名，重命名这个PDF文件；

注意：

每一步都输出信息到屏幕上，每一步添加调试信息，以便详细检查每一步是否正常工作；