~/public-data/sec-edgar-scraper

SEC EDGAR Scraper — Arquivos, Texto Completo e Dados Financeiros XBRL

Extraia metadados de arquivos do SEC EDGAR, seções em texto completo de 10-K/10-Q, resultados de busca em texto completo do EDGAR e fatos financeiros XBRL como JSON limpo e pronto para RAG. Sem necessidade de chave de API.

financeiro TypeScriptCheerio Estados Unidos

executar no Apify

proooxy/sec-edgar-scraper — especificações

categoriapublic-data / financeiro

linguagemTypeScript

stackTypeScript, Cheerio

mercadosEstados Unidos

saídaJSON limpo e pronto para RAG

principais recursos

Quatro modos em um único ator — metadados de arquivos, texto completo de documentos, busca em texto completo do EDGAR e fatos financeiros XBRL

Chunking pronto para RAG — section, paragraph (~2000 caracteres) ou none; cada chunk marcado com seu Item de origem e ordem

Parsing automático de seções 'Item N' para 10-K/10-Q (Item 1A Risk Factors, Item 7 MD&A e mais)

Fatos XBRL com taxonomia, tag, label, unidade, valor, ano fiscal/período, formulário e número de accession

A deduplicação de fatos condensa reformulações XBRL em uma linha por período, mantendo a divulgação mais antiga

Resolução de empresa por ticker, CIK ou nome contra o arquivo oficial de tickers da SEC, com fallback fuzzy

Busca em texto completo do EDGAR com frases entre aspas, filtros de tipo de formulário e intervalo de data (2001 → presente)

Rate limiting e User-Agent compatíveis com as normas da SEC — sem chave de API e sem necessidade de login

casos de uso

Pipelines de RAG/LLM financeiros que precisam de texto de 10-K e 10-Q em chunks por seção, pronto para embeddings
Pesquisa de investimento — obtenha séries temporais de receita, lucro líquido e EPS diluído como linhas XBRL limpas
Monitoramento de compliance e propriedade — Form 4, SC 13D/13G e linguagem de fatores de risco entre empresas
Produtos fintech que precisam de dados estruturados do EDGAR sem construir um crawler personalizado
Pesquisa de mercado e setor via busca em texto completo — quem divulga uma frase, e desde quando
Fluxos de trabalho de BI e planilhas consumindo linhas de fatos financeiros XBRL limpas

parâmetros de entrada

Parâmetro	Tipo	Obrigatório	Descrição
`mode`	string	obrigatório	Modo de extração: filings, fulltext, search ou facts (padrão: filings).
`ticker`	string	opcional	Ticker da ação, ex.: AAPL. Um entre ticker/cik/companyName é obrigatório em tempo de execução.
`cik`	string	opcional	Central Index Key da SEC, ex.: 320193 — tem precedência sobre ticker e companyName.
`companyName`	string	opcional	Nome do registrante na SEC, com correspondência exata ou fuzzy contra o arquivo oficial de tickers.
`query`	string	opcional	Expressão de busca em texto completo do EDGAR, ex.: "supply chain disruption" — obrigatória no modo search.
`formTypes`	array	opcional	Tipos de formulário a incluir, ex.: 10-K, 10-Q, 8-K, S-1, DEF 14A, Form 4. Vazio = todos os formulários.
`chunking`	string	opcional	Estratégia de RAG para fulltext: section, paragraph (~2000 caracteres) ou none (padrão: section).
`maxItems`	number	opcional	Máximo de itens salvos; cada item salvo é um evento cobrado (padrão: 100).

Exemplo de Saída

 1{
 2  "itemType": "filing-fulltext",
 3  "title": "Apple Inc. — 10-K 2025-10-31",
 4  "company": "Apple Inc.",
 5  "ticker": "AAPL",
 6  "cik": "0000320193",
 7  "formType": "10-K",
 8  "filedAt": "2025-10-31",
 9  "accessionNo": "0000320193-25-000123",
10  "documentUrl": "https://www.sec.gov/Archives/edgar/data/320193/...",
11  "sections": [
12    { "name": "Item 1A — Risk Factors", "charCount": 38241 },
13    { "name": "Item 7 — Management's Discussion and Analysis", "charCount": 21077 }
14  ],
15  "chunks": [
16    { "text": "The Company's business, reputation, results of operations...", "section": "Item 1A — Risk Factors", "order": 12 }
17  ],
18  "textLength": 220151
19}

Preços

Pagamento por evento — você paga apenas pelos itens realmente salvos:

Evento	Preço	O que cobre
Metadados de arquivo / resultado de busca	$0.001	Um registro de metadados de arquivo ou resultado de busca em texto completo
Arquivo em texto completo	$0.005	Um arquivo extraído, com seções parseadas e dividido em chunks para RAG
Fato XBRL	$0.0002	Uma linha de fato financeiro XBRL

Uma extração de metadados de 1,000 arquivos é ~$1.00; 1,000 fatos XBRL é ~$0.20. maxItems limita tanto o volume quanto o custo.

Dicas

Comece pelo modo facts para dados financeiros. Extrair linhas XBRL (receita, lucro líquido, EPS) é muito mais barato e limpo do que fazer parsing de arquivos completos quando você só precisa dos números.
Use chunking: section para RAG. Isso mantém cada Item (Risk Factors, MD&A) intacto, para que a recuperação retorne passagens coerentes e citáveis.
A busca em texto completo cobre a partir de 2001. Para divulgações mais antigas, resolva a empresa pelo CIK e extraia os metadados de arquivos diretamente.

faq

Preciso de uma chave de API da SEC?

Não. O SEC EDGAR é um dado público e gratuito. O ator se identifica com um User-Agent compatível e se autolimita automaticamente dentro do rate limit da SEC — sem chave e sem login.

Até quando os dados retroagem?

A busca em texto completo do EDGAR (EFTS) cobre arquivos a partir de 2001-05-04 e tem um limite de 10,000 resultados por consulta. Os metadados de arquivos retroagem até 1994, e os fatos financeiros XBRL cobrem tudo o que a empresa reportou em XBRL.

A saída está pronta para LLMs e RAG?

Sim. No modo fulltext, o ator faz o parsing de 10-K/10-Q em seções 'Item N' e gera chunks prontos para embeddings (section ou paragraph de ~2000 caracteres), cada um marcado com seu Item de origem e índice de ordem.

Por que alguns arquivos são ignorados no modo fulltext?

Arquivos cujo documento principal não é HTML ou TXT (por exemplo, um XML de Form 4 somente XBRL) não podem ter as seções parseadas, então são ignorados — e não são cobrados.