RとVBAでXBRLのデータを触った

ゼミの後輩が内部統制のことを研究テーマとした。
そのため、XBRLの内部統制報告書をダウンロードしてあげた。
ダウンロードはＲで実施した。
以下コードを提示する

library(XML)
library(RCurl)
codelist<-read.csv("Book1.csv",header=FALSE)
for (it in 1:nrow(codelist)){
  namelistitem <-codelist[it,1]
  QueryURL<-paste("http://resource.ufocatch.com/atom/edinetx/query/", namelistitem,sep = "")
  objQuery<-getURL(QueryURL)
  objXML<-xmlParse(objQuery,encoding="utf-8")
  objXML.namespaces <- xmlNamespaceDefinitions(objXML,simplify=TRUE)
  names(objXML.namespaces)[ names(objXML.namespaces)=="" ] <- "default"
  nodes.entry <- getNodeSet(objXML,"//default:entry",namespaces=objXML.namespaces)
  for(node in nodes.entry){ # <entry>タグをひとつずつ処理
    lst.temp <- list()
    # 提出書類のタイトルを取得→要素ノード：title の内容を取得
    title.value <- xpathSApply(node,path="default:title",fun=xmlValue,namespaces=objXML.namespaces)
    # 提出書類のタイトルに「内部統制報告書」を含むか否かを判定
    title.split<-unlist(strsplit(title.value, " "))[2]
    title.split2<-unlist(strsplit(title.split,""))[1]
    if( title.split2=="内"){
      htmlurl <- xpathSApply(node,path="default:link[@type='text/html']/@href",namespaces=objXML.namespaces)
      htmlstringlist<-unlist(strsplit(htmlurl,"_")) 
      download.file(htmlurl[1],destfile = paste(namelistitem,htmlstringlist[5],"header",".html"),quiet = TRUE)
      download.file(htmlurl[2],destfile = paste(namelistitem,htmlstringlist[5],"houbun",".html"),quiet = TRUE)    
      print(title.value)      
    }
  }
  it=it+1
}

内容の抽出はVBAでやった。
以下コードを提示する

Public Sub sample1()
    Dim XMLDocument As MSXML2.DOMDocument
    Dim xmlDate As IXMLDOMNode
    Dim xmlCustomer As IXMLDOMNode
    Dim xmlDataNode As IXMLDOMNode
    Dim i As Long
    Dim htmlname As String
For i = 1 To 12558
htmlname = Cells(i, 1).Value
On Error GoTo ERROR_

    'MSXMLオブジェクトを生成し、xmlファイルをロード
    Set XMLDocument = New MSXML2.DOMDocument
    XMLDocument.async = False
    XMLDocument.Load (htmlname)
    If (XMLDocument.parseError.ErrorCode <> 0) Then 'ロード失敗
        Debug.Print XMLDocument.parseError.reason   'エラー内容を出力
        GoTo ERROR_
    End If



    '<DATA>ノードデータを取得
    Set xmlDataNode = XMLDocument.SelectSingleNode("//body")

    '<DATA>ノードの子要素をループで抽出
    Dim Node As IXMLDOMNode
    For Each Node In xmlDataNode.ChildNodes
        For nlen = 0 To Node.ChildNodes.Length - 1
            Cells(i, nlen + 4) = Node.ChildNodes(nlen).Text
        Next
    Next

ERROR_:

    '各オブジェクトの開放
    If Not XMLDocument Is Nothing Then Set XMLDocument = Nothing
    If Not xmlDate Is Nothing Then Set xmlDate = Nothing
    If Not xmlCustomer Is Nothing Then Set xmlCustomer = Nothing
    If Not xmlDataNode Is Nothing Then Set xmlDataNode = Nothing

Next
End Sub

参考になったＵＲＬは後ほど追加する。