EDGAR下载需设合法User-Agent（如"MyApp contact@example.com"）、遵守速率限制、用HttpClient配超时；解析master.idx须用正则匹配定宽字段并Trim；.gz响应需手动解压，ASCII财报优先关键词定位，金额需清洗后解析。
EDGAR 下载失败：不是网络问题，是 SEC 的反爬机制在拦你
SEC 的 EDGAR 系统明确禁止未声明 User-Agent 或高频请求的客户端。直接用 HttpClient 发 GET 请求，大概率拿到 403 或空响应，甚至被临时封 IP 段。
- 必须设置合法的
User-Agent，格式为“机构名 + 邮箱”，例如"MyApp contact@example.com"，否则HttpStatusCode.Forbidden - 下载索引文件（如
master.idx）前，先访问https://www.sec.gov/edgar/searchedgar/accessing-edgar-data.htm确认当前速率限制（通常 ≤10 次/second） - 别用
WebClient—— 它不支持异步超时控制，容易卡死；改用HttpClient并显式设Timeout = TimeSpan.FromSeconds(30) - 索引文件路径固定但带年份：比如 2024 年 Q2 是
https://www.sec.gov/Archives/edgar/full-index/2024/QTR2/master.idx，注意 URL 大小写敏感
解析 master.idx 文件：字段错位比编码问题更致命
master.idx 是定宽文本（不是 CSV），用 Split(' ') 会崩。它用多个空格分隔字段，且公司名里含空格——靠切分必然错位。
- 正确做法：用正则
^\s*(?<cik>\d{10})\s+(?<company>[^ ](?:[^ ]|\s(?! {2}))*?)\s{2,}(?<form>[^\s]+)\s{2,}(?<date>\d{8})\s{2,}(?<url>.+)$</url></date> </form></company></cik>逐行匹配 - 注意
company字段结尾可能有连续空格，url开头可能有空格，务必.Trim() - 只取
form为"10-K"、"10-Q"、"8-K"的行；"SC 13G"或"DEF 14A"不是财务报告 - 日期字段是
YYYYMMDD字符串，别直接转DateTime.Parse—— 有些老数据含无效值（如"00000000"），先校验再转换
下载并解压 .gz 文件：.NET 6+ 要手动启用 GZipStream
EDGAR 返回的 .txt 文件实际是 gzip 压缩流，Content-Encoding 是 gzip，但 HttpClient 默认不自动解压（尤其 .NET 6+ 默认关了这个开关）。
- 要么在
HttpClientHandler中设AutomaticDecompression = DecompressionMethods.GZip | DecompressionMethods.Deflate - 要么手动读取响应流：
using var gz = new GZipStream(responseStream, CompressionMode.Decompress)，再用StreamReader读 - 别用
response.Content.ReadAsStringAsync()直接调 —— 如果没开自动解压，你会得到乱码二进制 - 解压后内容是纯 ASCII，用
Encoding.ASCII读最稳；UTF-8 可能因 BOM 或特殊符号报错
从原始文本提取财务数据：别信“XML 就好解析”这种话
SEC 允许提交 HTML、ASCII、XML 三种格式，但多数公司仍用 ASCII（尤其是老财报）。XML 版本存在但结构松散：XBRL 标签嵌套深、命名空间多，且常混着 HTML 注释和脚本。
- 优先查
content-type响应头：是text/html就别硬 XML 解析；是application/xhtml+xml再上XDocument - ASCII 报告里关键数据藏在固定位置：比如“CONSOLIDATED BALANCE SHEETS”下方第 5 行开始是资产项，靠关键词 + 行偏移比正则更可靠
- 金额字段含逗号、括号（负数）、货币符号，用
decimal.TryParse(s.Replace(",", "").Replace("(", "-").Replace(")", ""), out var v)更鲁棒 - 别忽略
EX-101.INS这类附件 —— 它才是 XBRL 实例文档，主文件只是封面；得从 HTML 中提取<a href="https://www.php.cn/link/670fb2f689bec017e618ab7ec99c2308">...</a>再单独下载
真正难的不是下载或解压，是同一份 10-K 在不同年份、不同公司间结构差异极大。一个正则撑不过三家，得准备 fallback 规则链，而不是指望一次写对。
