港交所披露易下载器

为什么需要它

港交所披露易是港股权益披露的唯一官方来源，但网页没有批量下载入口。想还原某只股票大股东一段时间内的建仓轨迹，只能逐日翻页、逐个点开 PDF 手工归档，既慢又容易漏。尤其当大股东以个人和法团双名义交叉披露时，同一权益事件会同时生成 IS（个人）与 CS（法团）两份通知，肉眼对照很容易只拿到一半。

这个技能把流程压成一条命令：给定港股代码、日期范围和股东关键词，自动抓取披露易搜索结果中的目标通知，生成对应 PDF 并做完整性校验。

它如何工作

核心脚本是 scripts/download_disclosure.py，基于 Playwright 驱动浏览器，流程分三步：

• 选对报告入口：披露易搜索结果页有 4 个报告类别入口，必须选「由大股東所提交的披露權益通知一覽表」。另一个「大股東完整名單」只返回查询日当天的最新披露，会把历史建仓过程中的多次通知折叠掉——实际踩过的坑是 8 份披露用错入口只拿到 2 份。
• 从 Print 页生成 PDF：披露详情页把内容渲染在 HTML 表格里，并不提供独立 PDF。脚本用正则把 NSForm1.aspx、NSForm2.aspx 等详情页 URL 统一替换为对应的 NSForm*Print.aspx 打印页，再调用 page.pdf() 输出文件。新版改用 context.new_page() + goto 直连 Print URL，绕开了 headless 模式下 window.open 被静默拦截的问题。
• 下载后校验：用 pypdf 检查首页文本是否含「上市公司文件」「股權披露」等导航关键词。命中说明拿到的是带导航栏遮挡的详情页版本，触发重试或兜底。

关键词参数支持逗号分隔多值匹配，任一命中即纳入；--type 可按披露编号前缀过滤，IS 为个人大股东通知、CS 为法团通知、DA 为董事权益通知。

适用边界与注意点

• 只覆盖权益披露：技能聚焦股东与董事的权益变动通知（NSForm1/NSForm2 系列），不处理公告、财务报表等其他披露类型。
• 依赖页面结构：入口名称与 URL 替换规则都绑定披露易当前的页面布局，港交所改版后可能需要同步更新选择器。
• PDF 来自 Print 页面：生成的是渲染版而非官方原始 PDF，格式以 Print 页为准，这也是目前拿到完整披露内容的唯一可靠路径。
• Windows 编码：PowerShell 默认 GBK 输出遇到 Unicode 符号会触发崩溃，脚本已在顶部强制 UTF-8，关键日志同步写入 scripts/_run.log 便于排查。