Android Java中如何匹配Div标签提取EBIT等财务数据？

问题梳理 #

• 从AAPL财报页提取EBIT的年度（9/30/2022-2019）和季度（9/30/2022、6/30/2022、3/31/2022、12/31/2021）数据，输出键值对或集合
• 提取对应Div标签的日期值
• 解决资产负债表折叠行数据提取及季度数据AJAX动态加载问题

原代码核心问题 #

1. 误用正则匹配HTML：正则不适用于解析HTML结构，Jsoup自带的CSS选择器是更可靠的方案
2. 正则语法错误：正则中未定义捕获组，group(1)会抛出异常；^$强制匹配div完整HTML，实际页面元素存在空格/隐藏节点导致匹配失败
3. 遍历效率低下：遍历所有div标签完全没必要，直接定位目标元素即可

修正后的代码方案 #

1. 年度EBIT数据提取（静态页面） #

利用Jsoup的CSS选择器直接定位目标元素，无需正则：

private static void fetchAnnualEBIT(String url) throws IOException {
    String userAgent = "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/114.0.0.0 Safari/537.36";
    Document doc = Jsoup.connect(url).userAgent(userAgent).get();

    // 提取年度日期表头
    Elements dateSpans = doc.select("div[data-test=\"fin-col\"] span");
    List<String> dates = new ArrayList<>();
    for (Element span : dateSpans) {
        dates.add(span.text().trim());
    }
    Log.d("Annual Dates", dates.toString());

    // 提取EBIT行数据
    Element ebitRow = doc.selectFirst("div:containsOwn(EBIT)");
    if (ebitRow != null) {
        Elements dataSpans = ebitRow.select("div[data-test=\"fin-col\"] span");
        List<String> ebitData = new ArrayList<>();
        for (Element span : dataSpans) {
            ebitData.add(span.text().trim());
        }
        // 组装键值对
        Map<String, String> ebitMap = new HashMap<>();
        for (int i = 0; i < Math.min(dates.size(), ebitData.size()); i++) {
            ebitMap.put(dates.get(i), ebitData.get(i));
        }
        Log.d("Annual EBIT Data", ebitMap.toString());
    } else {
        Log.d("EBIT Row", "Not found");
    }
}

2. 季度数据处理（AJAX动态加载） #

Yahoo的季度数据通过AJAX请求加载，需直接调用其数据接口，示例用OkHttp实现：

private static void fetchQuarterlyEBIT(String symbol) throws IOException {
    OkHttpClient client = new OkHttpClient();
    String url = "https://query1.finance.yahoo.com/v10/finance/quoteSummary/" + symbol + "?modules=incomeStatementHistoryQuarterly";
    Request request = new Request.Builder()
            .url(url)
            .header("User-Agent", "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/114.0.0.0 Safari/537.36")
            .build();

    try (Response response = client.newCall(request).execute()) {
        if (!response.isSuccessful()) throw new IOException("Unexpected code " + response);
        String json = response.body().string();
        // 解析JSON提取EBIT季度数据，这里可使用Gson/Jackson等库
        Log.d("Quarterly EBIT JSON", json);
    }
}

注：需添加OkHttp依赖，解析JSON时可根据返回结构提取对应日期和EBIT值

3. 资产负债表折叠行数据提取 #

流动负债的折叠行可通过选择器定位父行后，提取其下属的折叠内容：

private static void fetchCurrentLiabilities(String url) throws IOException {
    String userAgent = "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/114.0.0.0 Safari/537.36";
    Document doc = Jsoup.connect(url).userAgent(userAgent).get();

    // 定位流动负债父行
    Element currentLiabilitiesRow = doc.selectFirst("div:containsOwn(Current Liabilities)");
    if (currentLiabilitiesRow != null) {
        // 提取折叠的子项数据（需注意页面结构，可能是相邻的div或子元素）
        Elements childRows = currentLiabilitiesRow.nextElementSiblings().select("div[data-test=\"fin-row\"]");
        for (Element row : childRows) {
            String itemName = row.selectFirst("div[data-test=\"fin-col\"] span").text().trim();
            Elements values = row.select("div[data-test=\"fin-col\"] span");
            Log.d("Current Liabilities Item", itemName + ": " + values.get(1).text().trim());
        }
    }
}

关键注意事项 #

• User-Agent设置：必须使用现代浏览器的UA，否则Yahoo会拦截请求
• API接口稳定性：Yahoo的非公开API可能随时变更，需定期验证接口地址
• JSON解析依赖：处理动态数据时，建议引入Gson或Jackson简化JSON解析

内容的提问来源于stack exchange，提问作者Zac1