歐洲公司登記處
查找歐洲公司的財務數據(營收、資產、收益)與登記後設資料。
執行指令碼
純 Node.js + Python,無需建置步驟。將 REG 指向此倉庫的 scripts/ 目錄(可從任何工作目錄執行):
REG="/path/to/european-company-registers/scripts" # 或從倉庫根目錄使用 ./scripts
德國,主要路徑(Unternehmensregister + Bundesanzeiger)
兩個來源並行查詢;列表無驗證碼。指令:
node "$REG/de-combined.js" search "Pergolux" # 僅最新報告(~0.4 秒,預設)
node "$REG/de-combined.js" search "Pergolux" --all-ur # 所有 UR 報告(~0.5 秒)
node "$REG/de-combined.js" search "Pergolux" --all # + Bundesanzeiger(~1 秒)
node "$REG/de-combined.js" report "Pergolux" # 一次搜尋 + 萃取所有免費年份的數據
node "$REG/de-combined.js" analyze "Pergolux" --year 2021 # 單一年份的數據
根據意圖選擇指令:
- 「哪些年份 / 營收多少 / 分析所有年份」 →
report。它搜尋一次,然後在單一過程中萃取最新 N 個年份(預設 5 年)的數據,並自動將每個年份路由至其來源。這是高效率路徑,請勿對每個年份迴圈執行analyze。 - 僅列表 →
search(所有年份加上--all-ur,--all也透過 Bundesanzeiger 確認)。 - 特定單一年份的數據 →
analyze --year YYYY。
標誌:--max-extract N(report:要萃取的最新年份數量,預設為 5)· --years 2024,2023(僅指定年份)· --no-ur(跳過慢速的瀏覽器步驟;2022+ 財年則僅列出)· --deep(分頁顯示 UR,僅適用於跨多家公司的模糊/姓氏搜尋;精確名稱在 1 頁內即可完成)· --index N(選取第 N 家公司)· -v(保留原始負載)· --text-dir <dir> / --inline-text / --no-save-text(完整報告文字預設儲存至 ./register-texts/,見下方完整報告文字)。
為何需要兩個來源(DiRUG)
對於2021 年 12 月 31 日後開始的財年的 Jahresabschlüsse 發佈,已從 Bundesanzeiger 移至 Unternehmensregister。因此 2022+ 財年僅存在於 Unternehmensregister;僅抓取 Bundesanzeiger 的資料約有 3 年的滯後。UR 列表是超集(包含兩個來源,以 sources 標記),因此驅動了列表;Bundesanzeiger 則提供報告 URL,其數據由驗證碼+LLM 萃取器免費讀取。
數據萃取,兩個來源,所有年份(無付費牆)
- 列表(
search)從不觸碰驗證碼。 - 2021 年及之前(Bundesanzeiger),HTTP 路徑;報告的圖片驗證碼由 Claude Haiku(視覺)讀取,文字由 Claude Sonnet 萃取。速度尚可(每年約 20 秒)。
- 2022+ 年(Unternehmensregister),已發佈的 Jahresabschluss 是免費的,但需通過「Ich bin ein Mensch」勾選方塊(Friendly-Captcha,無需付款/登入)。
ur_fetch_document.py使用隱形瀏覽器來解決勾選方塊並讀取文字,然後 LLM 萃取數據。較慢(每年約 15-20 秒 + 一次瀏覽器啟動);report在一次瀏覽器工作階段中完成所有 UR 年份,並並行萃取它們。使用--no-ur跳過。 - 僅微型公司的存放(
hinterlegte)報表需收費,這些僅列出。
需要已登入的 claude CLI(自動偵測,或設定 CLAUDE_BIN),對於 2022+ 年,還需要一個隱形瀏覽器(見 README 中的需求;可使用 COMPANY_REGISTERS_BROWSER 覆寫其位置,並使用 UR_PYTHON 覆寫其 Python)。永不匯出 ANTHROPIC_API_KEY / ANTHROPIC_BASE_URL。模型覆寫:BA_CAPTCHA_MODEL、BA_EXTRACT_MODEL。
report 中每年的 status:extracted · listed_only(超出 --max-extract)· gated_skipped(--no-ur)· extraction_failed。
完整報告文字,預設抓取並儲存
report/analyze 不只是提煉數據,它們保留完整的文件文字(從任一來源抓取的完整 Jahresabschluss / Lagebericht / Anhang,與萃取器讀取的文字相同),因此之後無需重新抓取。預設情況下,每個萃取的年份會寫入一個 UTF-8 .txt 檔案(帶有簡短的來源標頭)到 ./register-texts/:
register-texts/<Court>_<Register>_GJ<Year>_<source>.txt
# 例如 Bad-Oeynhausen_HRB-7371_GJ2024_unternehmensregister.txt
然後 JSON 中每個萃取的年份都帶有 report_chars 和 report_text_file;report 結果的頂層會加上 text_dir 和 saved_text_count。
--text-dir <dir>,寫入位置(預設./register-texts;環境變數REGISTER_TEXT_DIR)。--inline-text,也將完整文字內嵌到 JSON 中作為report_text(內容較大;預設關閉)。--no-save-text,僅數據,不寫入檔案。
儲存的文字包含了數據無法體現的定性內容:Lagebericht(策略、前景、風險,僅較大公司提交)、Anhang(股權/所有權、關係人、利潤移轉協議、或有負債)。對於 Kleinstkapitalgesellschaften,實際上僅有基本的資產負債表。search 從不擷取文件,因此不會寫入任何內容。
輸出
search → 帶有 euid、register/register_number (HRB)、court、state 和 reports[](包含 {fiscal_year, report_name, date, sources, free_extract},除非使用 -v,否則加密負載會被移除)的公司。report/analyze → 每年的 financial_data:revenue, total_assets, earnings, equity, liabilities, inventory, receivables, cash, fixed_assets, gross_profit, material_expenses, personnel_expenses, operating_result, employees, fiscal_year, is_group_report, currency。此外,每個萃取的年份還有 report_chars + report_text_file(以及使用 --inline-text 時的 report_text);詳見上方完整報告文字。
德國,Handelsregister(結構化登記內容)
與上述 Jahresabschluss 路徑分開。提供登記內容而非財務數據:Rechtsform、Sitz + Geschäftsanschrift、Gegenstand、Stamm-/Grundkapital、Vertretungsregelung、Geschäftsführer / Vorstand、Prokura 以及舊名。自 DiRUG 改革 (AD) 以來免費。
node "$REG/de-handelsregister.js" search "Holz-Richter" # 登記條目:名稱、HRB、法院、所在地、狀態、舊名
node "$REG/de-handelsregister.js" details "Holz-Richter GmbH" --hrb 37497 --court Köln # AD → 結構化 JSON
search驅動 handelsregister.de(隱形瀏覽器;該網站是一個有狀態的 JSF 應用,無機器人保護)並返回匹配的登記列,務必透過其 HRB 匹配公司,而不是固定位置(結果順序不穩定)。details下載 AD(「Aktueller Abdruck」),執行pdftotext,並將標準編號章節解析為 JSON(share_capital、managing_directors[]含出生日期、prokura[]、legal_form、purpose、seat……)。- 速率限制: handelsregister.de 會限制文件檢索,在短時間內下載數個 AD 後會導向錯誤頁面(輔助程式會重試,然後返回
reason:"throttled")。search不受限制。短暫冷卻後重試details。 - 需要隱形瀏覽器(使用
CLOAK_PYTHON覆寫其 Python)和pdftotext(poppler)。
其他國家
node "$REG/gb-companies-house.js" search "Tesco" # 英國,也可使用 company / filings <number>(需要金鑰)
node "$REG/fr-inpi.js" analyze "Carrefour" # 法國,analyze 接受名稱或 <siren>
node "$REG/pl-krs.js" search "CD PROJEKT" # 波蘭,company <krs> · nip <nip> · analyze <krs|nip>
# 或使用統一調度器(德國路由至 de-combined.js):
node "$REG/search.js" --country fr --name "Carrefour"
- 法國 (INPI/RNE),
recherche-entreprises.api.gouv.fr,免費,無需金鑰。為開放財務比率數據集中的多家公司返回真實的營收 (ca) + 收益 (resultat_net) 和管理人員 (dirigeants),以及完整後設資料。analyze接受名稱(選取最匹配的真實實體)或 SIREN。可選的免費INPI_API_TOKEN可增加資產負債表深度(總資產/權益);營收在無需此權杖的情況下即可運作。 - 波蘭 (KRS),官方司法部 API,以 KRS 編號查詢是可靠的核心(
company <krs>/analyze <krs>):名稱、法律形式、NIP/REGON、所在地、股本、目的 (PKD)、管理委員會(姓名經 GDPR 遮蔽)以及已提交的年度報表列表(期間+日期)。nip <nip>透過 MF 白名單將稅務 ID 解析為 KRS。search "name"使用隱形瀏覽器(該入口網站受 Incapsula 保護)並返回帶有標籤的{krs, name, city, register}候選項 → 然後執行analyze <krs>。從 e-sprawozdania (JPK XML) 萃取數據受工作階段限制,尚未實作;會返回申報列表和儲存庫連結。 - 英國 (Companies House),免費 API,資產負債表後設資料;需要
COMPANIES_HOUSE_API_KEY。解析後的財務數據需要 XBRL(尚未實作,請參閱 ROADMAP.md)。
不支援(僅付費): 奧地利、西班牙、荷蘭。
設定(非德國金鑰)
金鑰從環境變數或本機 config/keys.json(已加入 .gitignore)讀取。切勿硬編碼。
{ "COMPANIES_HOUSE_API_KEY": "…", // 英國,免費申請於 developer.company-information.service.gov.uk
"INPI_API_TOKEN": "…" } // 法國,可選(基本搜尋無需此權杖即可運作)
波蘭無需金鑰。德國除了已登入的 claude CLI 之外無需金鑰。