如何使用R语言爬取Finviz网站的季度财务报表表格

你用rvest无法抓取三类财报表格的核心原因是：finviz的季度利润表、资产负债表、现金流量表属于客户端动态加载内容，页面初始静态HTML返回时不包含这部分数据，是浏览器加载完页面后异步调用后端接口拉取数据再渲染到页面的，rvest仅支持解析静态HTML，自然抓不到这部分内容。

以下两个方案均可落地，可根据自身需求选择：

方案1：直接调用财报数据接口（推荐，效率最高，无需模拟浏览器） #

finviz的个股财报接口无访问权限限制，格式固定，返回结构化HTML片段可直接用rvest解析：

• 接口规则：https://finviz.com/api/statement.ashx?t=股票代码&statement=类型&period=quarterly
  其中类型参数对应三类报表：
  • IA：利润表
  • BA：资产负债表
  • CA：现金流量表
• 示例代码：

library(rvest)
library(httr)

# 配置请求头模拟浏览器，避免被反爬拦截
headers <- c(
  "User-Agent" = "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36",
  "Referer" = "https://finviz.com/"
)

# 单只股票爬取示例，可自行扩展为多股票循环
ticker <- "A"
statements <- list(income = "IA", balance = "BA", cashflow = "CA")
result <- list()

for (name in names(statements)) {
  req_url <- paste0("https://finviz.com/api/statement.ashx?t=", ticker, "&statement=", statements[[name]], "&period=quarterly")
  resp <- GET(req_url, add_headers(.headers = headers))
  result[[name]] <- read_html(content(resp, "text")) %>% 
    html_element("table") %>% 
    html_table(header = TRUE)
}

# 输出对应报表查看
print(result$income)
print(result$balance)
print(result$cashflow)

• 批量爬取注意事项：
  • 每次请求间隔设置1-2秒，避免触发频率限制
  • 出现403报错时可更换User-Agent或添加代理池解决

方案2：使用RSelenium模拟浏览器加载（适合少量数据爬取场景） #

如果不想分析接口规则，可通过RSelenium启动真实浏览器加载完整页面后提取表格：

• 示例代码片段：

library(RSelenium)
library(rvest)

# 启动Chrome，需提前安装对应版本的ChromeDriver
driver <- rsDriver(browser = "chrome", chromever = "你本地Chrome的版本号")$client
driver$navigate("https://finviz.com/quote.ashx?t=A&ty=c&p=d&b=1")
# 等待动态内容加载完成
Sys.sleep(3)

page_html <- read_html(driver$getPageSource()[[1]])
# 按标题定位对应报表
income_table <- page_html %>% 
  html_element(xpath = "//h2[text()='Income Statement']/following-sibling::table[1]") %>% 
  html_table(header = TRUE)
# 资产负债表、现金流量表修改xpath中的标题文本即可提取

• 注意：该方案运行效率远低于接口方案，不适合大规模批量爬取使用。

内容的提问来源于stack exchange，提问作者Citizen