edinet 0.3.1

EDINET API client & XBRL parser for Japanese financial disclosures

edinet — EDINET XBRL 財務データ Python ライブラリ

edinet は、EDINET（金融庁 電子開示システム）の開示データを Python から扱うためのライブラリです。書類一覧の取得から XBRL パース、財務三表（PL/BS/CF）の組み立て、会計基準の自動判別、23 業種対応、タクソノミラベル解決、DataFrame 変換までをワンストップで提供します。全 42 書類タイプに対応し、J-GAAP / IFRS / US-GAAP の 3 会計基準を統一的に扱えます。内部の HTTP 通信には httpx を使用しています。

GitHub Repository

財務・非財務データ基盤 徹底比較マトリクス

「edinet」ライブラリは、既存のAPIや高額な商用ベンダーとは異なるアプローチ（XBRLのグラフ探索）で財務データを抽出します。それぞれの強みと、依然として商用ベンダーに分がある領域（弱み）を整理しました。

比較軸	edinet (本ライブラリ)	国内API (jquants等)	国内商用プラットフォーム (SPEEDA, AstraManager等)	グローバルTier1ベンダー (Bloomberg, FactSet等)
コスト	無料（自社インフラ代のみ）	月額数千〜数万円	年間約150万〜（法人契約・1アカウント、要問い合わせ）	年間約450〜500万〜/1端末
名寄せの仕組み	辞書引き＋リンクベース推論の4段パイプライン（100%決定論的）	金融庁標準CSVベース（独自科目除外）	ベンダー側の人海戦術 ＋ 独自アルゴリズム	グローバル標準への強制マッピング（アナリスト手作業含む）
データ反映ラグ	EDINET公開直後（パース約0.85秒/社）	数時間〜1日（サマリーは早い）	数時間〜数日（深掘りデータほど遅い）	同上（主要指標は早いが、注記やESGは遅延する）
粒度（解像度）	独自科目・セグメントを完全保持	標準科目のみ（丸め込み）	業界比較のために丸め込まれる	グローバル比較のために丸め込まれる（日本固有の文脈が消える）
透明性（トレース）	完全（XBRL行番号、概念名まで追跡可能）	不可（ブラックボックス）	不可（ベンダーの調整後数値）	不可（「なぜこの値？」の検証にベンダーへの問い合わせが必要）
ESG / 非財務	設定（CK追加）次第で無限に抽出可能	ほぼ非対応	別途プレミアムオプション（高額）	充実しているが、独自のESGスコア化ブラックボックスが強い
[壁] 過去データの蓄積	直近数年〜次世代EDINET以降（調整は自前）	プラン依存：ライト5年〜プレミアム約15年（株式分割等は調整済み）	20年以上の蓄積（コーポレートアクション調整済み）	Bloomberg 30年超、FactSet/LSEG等は20年程度（ベンダー差あり、コーポレートアクション調整済み）
[壁] 市場データ連携	なし（財務・非財務特化。株価等は別途取得）	あり（株価API等とIDで容易に結合可能）	あり（プラットフォーム上で完結）	完璧（Tickデータ、コンセンサス、マクロ指標とシームレスに結合）
[壁] 対象カバレッジ	日本国内のみ（EDINET提出企業）	日本国内のみ	国内中心〜一部アジア・グローバル	全世界の主要取引所上場企業を網羅

edinet の戦略的ポジショニング

edinet は「世界中の株価と業績を比較するツール」ではありません。日本の開示制度（EDINETタクソノミ）の仕様を極限までハックし、**「日本企業が市場に提出した生の構造化データから、商用ベンダーが切り捨てたアルファ（情報の非対称性）を最速で抽出する最上流エンジン」**です。市場データ連携や過去の株式分割調整などは、本ライブラリの出力結果を元に、利用者側（データサイエンティスト）のパイプラインで解決する設計思想です。

インストール

pip install edinet

オプション依存:

# pandas + Parquet 連携
pip install 'edinet[analysis]'

# Rich ターミナル表示
pip install 'edinet[display]'

# 全部入り
pip install 'edinet[analysis,display]'

設定

必要なもの

項目	用途	必須？
EDINET API キー	書類一覧・ZIP ダウンロード	必須
EDINET タクソノミ	XBRL 解析（三表・ラベル・CK 抽出すべて）	XBRL 解析に必須
キャッシュディレクトリ	ZIP の再ダウンロード防止	任意（推奨）

注意: タクソノミなしでも企業検索（Company.search）、書類一覧（documents()）、PDF 取得（fetch_pdf()）は動作しますが、filing.xbrl() 以降の全機能（三表取得・ラベルアクセス・DataFrame 変換・extract_values 等）にはタクソノミが必要です。

タクソノミのセットアップ

1. 金融庁の EDINET タクソノミページから「EDINET タクソノミ」の ZIP をダウンロード（年度により URL が変わります）
2. ZIP を展開すると、中に taxonomy/ と samples/ を子に持つフォルダがあります:

   （ZIP を展開）
   └── ○○○/                ← フォルダ名は年度により異なる
       ├── taxonomy/        ← タクソノミ本体
       └── samples/         ← サンプルインスタンス
   

3. taxonomy/ と samples/ の親フォルダのパスを指定:

import edinet

edinet.configure(
    api_key="YOUR_API_KEY",
    taxonomy_path="/path/to/○○○",  # ← taxonomy/ の親
    cache_dir="./cache",           # 任意（推奨）
)

API キーの取得

EDINET にアカウント登録し、API キーを取得してください。

クイックスタート

import edinet

edinet.configure(
    api_key="YOUR_API_KEY",
    taxonomy_path="/path/to/○○○"
)

# 有価証券報告書の一覧を取得
filings = edinet.documents("2025-06-26", doc_type=edinet.DocType.ANNUAL_SECURITIES_REPORT)

# 最初の XBRL 付き Filing から財務諸表を取得
for filing in filings:
    if filing.has_xbrl:
        stmts = filing.xbrl()
        pl = stmts.income_statement()
        bs = stmts.balance_sheet()
        cf = stmts.cash_flow_statement()

        print(f"{filing.filer_name}（{filing.ticker}）")
        print(f"  売上高: {pl['売上高'].value:,}")

        # extract_values を使えば会計基準・ラベル表記を問わず取得可能
        from edinet import extract_values, CK
        result = extract_values(stmts, [CK.OPERATING_INCOME, CK.TOTAL_ASSETS])
        print(f"  営業利益: {result[CK.OPERATING_INCOME].value:,}")
        print(f"  総資産: {result[CK.TOTAL_ASSETS].value:,}")
        break

企業検索

11,000 社超の EDINET コードマスタを内蔵しています。企業名・銘柄コード・EDINET コードから検索できます。

from edinet import Company

# 企業名で検索（部分一致、複数ヒット）
results = Company.search("トヨタ自動車")
toyota = results[0]
print(toyota.name_ja)      # "トヨタ自動車株式会社"
print(toyota.ticker)       # "7203"

# 銘柄コードから
sony = Company.from_sec_code("6758")

# EDINET コードから
company = Company.from_edinet_code("E02144")

# 最新の有報を取得（デフォルト: 過去90日間を検索）
filing = toyota.latest(doc_type=edinet.DocType.ANNUAL_SECURITIES_REPORT)
if filing is not None:
    stmts = filing.xbrl()

書類タイプ

全 42 書類タイプを DocType enum で定義しています。日本語名や訂正関係もプロパティで取得できます。

from edinet import DocType

dt = DocType.ANNUAL_SECURITIES_REPORT
print(dt.name_ja)        # "有価証券報告書"
print(dt.is_correction)  # False

# 訂正報告書から元の書類を辿る
corrected = DocType.AMENDED_ANNUAL_SECURITIES_REPORT
print(corrected.original)  # DocType.ANNUAL_SECURITIES_REPORT

# 書類タイプでフィルタして取得
filings = edinet.documents("2025-06-26", doc_type=DocType.ANNUAL_SECURITIES_REPORT)

書類タイプ別のアクセス方法

書類タイプに応じて 3 つのアクセス層を使い分けます。

書類	例	アクセス方法
有報系（7 タイプ）	有報、四半期報告書、半期報告書	stmts.income_statement() 等で三表取得
その他 XBRL 書類（27 タイプ）	大量保有報告書、公開買付届出書、臨時報告書	stmts["ラベル名"] で全 Fact にアクセス
PDF のみ（8 タイプ）	有価証券通知書、届出の取下げ	filing.fetch_pdf() でバイナリ取得

# 有報系: 三表 + ラベルアクセス
stmts = filing.xbrl()
pl = stmts.income_statement()
pl["売上高"].value

# 大量保有報告書など: ラベルで直接アクセス（三表なし）
stmts = filing.xbrl()
ratio = stmts.get("保有割合の合計")
stmts.search("保有")  # キーワードで部分一致検索

# PDF のみの書類
pdf_bytes = filing.fetch_pdf()
with open("report.pdf", "wb") as f:
    f.write(pdf_bytes)

財務諸表

三表の取得

stmts = filing.xbrl()

# 連結・当期（デフォルト）
pl = stmts.income_statement()
bs = stmts.balance_sheet()
cf = stmts.cash_flow_statement()

# 前期
pl_prior = stmts.income_statement(period="prior")

# 個別
pl_solo = stmts.income_statement(consolidated=False)

科目アクセス

日本語ラベル・英語ラベル・concept 名のいずれでも完全一致でアクセスできます。

# 日本語ラベルで取得（完全一致）
item = pl["売上高"]
print(item.value)          # Decimal('1234567000000')
print(item.unit_ref)       # "JPY"

# 英語ラベル / concept 名でも OK
item = pl["Net sales"]
item = pl["NetSales"]

# 安全なアクセス（KeyError を避ける）
item = pl.get("売上高")  # LineItem | None

注意: get() / __getitem__ はタクソノミの正式ラベルとの完全一致です。 例えば pl.get("営業利益") は None を返します（正式ラベルは "営業利益又は営業損失（△）"）。 正式ラベルが分からない場合は search() で部分一致検索するか、 extract_values() で canonical key を指定してください。

# 部分一致検索: ラベルにキーワードを含む全科目を返す
hits = stmts.search("営業利益")
print(hits[0].label_ja.text)  # "営業利益又は営業損失（△）"

# canonical key: 会計基準・ラベル表記に依存しない安定的な取得方法
from edinet import extract_values, CK
result = extract_values(stmts, [CK.OPERATING_INCOME])
print(result[CK.OPERATING_INCOME].value)  # 確実に取得

会計基準の自動判別

会計基準は DEI から自動判別されます。J-GAAP・IFRS・US-GAAP のいずれでも同じ API で操作できます。

print(stmts.detected_standard)       # "J-GAAP"
print(repr(stmts.detected_standard))  # DetectedStandard(standard=<...>, method=<DEI>, ...)

# IFRS 企業でも同じコードで動く
sony_stmts = sony_filing.xbrl()
sony_pl = sony_stmts.income_statement()
sony_pl["売上収益"].value  # IFRS の Revenue

2つのデータ取得方式

財務データの取得には 2 つの方式があります。用途に応じて使い分けてください。

	income_statement() 等	extract_values()
データソース	Presentation Linkbase（タクソノミ定義）	パイプラインマッパー（Summary → Statement）
取得範囲	タクソノミ標準科目（提出者拡張は除外）	主要指標（売上高・営業利益・のれん・有利子負債等）
表示順	タクソノミの表示順序付き	なし（辞書）
基準横断	基準ごとに科目名が異なる	基準を問わず同じキーで取得
用途	財務諸表の表示・分析	スクリーナー・DB 永続化・複数企業の横並び比較

# 方式1: 財務諸表として取得（タクソノミ標準科目・表示順付き）
pl = stmts.income_statement()
for item in pl:
    print(f"{item.label_ja.text}: {item.value}")

# 方式2: 正規化キーで横断取得（主要指標・基準不問）
result = extract_values(stmts, [CK.REVENUE, CK.TOTAL_ASSETS])

正規化キーによる基準横断アクセス

canonical key (CK) を使うと、会計基準を意識せずに値を取得できます。スクリーナーや DB 永続化に最適です。

from edinet import extract_values, extracted_to_dict, CK

stmts = filing.xbrl()

# 当期・連結（デフォルト: period=None, consolidated=None で全期間・全区分から先頭マッチ）
result = extract_values(stmts, [CK.REVENUE, CK.OPERATING_INCOME, CK.GOODWILL])

# 当期・連結を明示指定
result = extract_values(stmts, [CK.REVENUE], period="current", consolidated=True)

# 前期
result = extract_values(stmts, [CK.REVENUE], period="prior")

# 個別（非連結）
result = extract_values(stmts, [CK.REVENUE], consolidated=False)

rev = result[CK.REVENUE]
print(rev.value)                 # Decimal('1234567000000')
print(rev.mapper_name)           # "summary_mapper" / "statement_mapper"
print(rev.item.label_ja.text)    # "売上高"（J-GAAP）or "売上収益"（IFRS）
print(rev.item.local_name)       # マッチした concept 名

# マッパー名でフィルタ（summary のみ信頼）
safe = {k: v for k, v in result.items() if v and v.mapper_name == "summary_mapper"}

# Summary のみ（PL/BS/CF 本体からの補完を無効化）
from edinet import summary_mapper
result = extract_values(stmts, [CK.REVENUE], mapper=[summary_mapper])

# pandas で複数企業を横並び
import pandas as pd

keys = [CK.REVENUE, CK.OPERATING_INCOME, CK.NET_INCOME, CK.TOTAL_ASSETS]
df = pd.DataFrame([
    {
        "ticker": f.ticker,
        "filer": f.filer_name,
        **extracted_to_dict(extract_values(f.xbrl(), keys, period="current", consolidated=True)),
    }
    for f in filings if f.has_xbrl
])

パラメータ

パラメータ	デフォルト	説明
keys	None	抽出するキー。None で全マッピング可能科目
period	None	"current" / "prior" / None（全期間から先頭マッチ）
consolidated	None	True（連結）/ False（個別）/ None（全区分）
mapper	None	マッパーまたはリスト。None で [summary_mapper, statement_mapper, definition_mapper(), calc_mapper()]

パイプラインマッパー

extract_values() はマッパーのパイプライン（リスト）で名寄せを行います。パイプラインの先頭マッパーほど高優先です。

デフォルトマッパー	mapper_name	データソース	優先度
summary_mapper	"summary_mapper"	SummaryOfBusinessResults（義務記載）	最高
statement_mapper	"statement_mapper"	PL/BS/CF 本体 + 注記（辞書 → 正規化）	高
definition_mapper()	"definition_mapper"	Definition Linkbase（general-special で標準概念に遡上）	中
calc_mapper()	"calc_mapper"	Calculation Linkbase（summation-item で親標準概念に遡上）	低

カスタムマッパーを追加してパイプラインを拡張できます:

from edinet import extract_values, summary_mapper, statement_mapper, dict_mapper

# Excel/CSV のマッピングテーブルをそのまま利用
my_mapper = dict_mapper({"MyCustomRevenue": "revenue"}, name="my_rules")

# カスタム → summary → statement の順で評価
result = extract_values(stmts, mapper=[my_mapper, summary_mapper, statement_mapper])

definition_mapper() / calc_mapper() はファクトリ関数です。デフォルト（lookup=None）では、リンクベースで遡上した標準概念名を statement_mapper と同じ組み込み辞書（statement_mappings）で CK に変換します。summary_mappings は使用しません（リンクベースの祖先にサマリー概念は出現しないため）。lookup 引数を指定すると、この辞書引きを任意の関数に差し替えられます:

from edinet import definition_mapper, calc_mapper, dict_mapper, extract_values

# 独自の名寄せ辞書
my_map = {"NetSales": "売上高", "OperatingIncome": "営業利益"}

# リンクベース解決にも同じ辞書を適用
pipeline = [
    dict_mapper(my_map),
    definition_mapper(lookup=my_map.get),
    calc_mapper(lookup=my_map.get),
]
result = extract_values(stmts, mapper=pipeline)

DataFrame 変換・エクスポート

# FinancialStatement → DataFrame
df = pl.to_dataframe()
# → columns: label_ja, label_en, value, unit, concept

# 全カラム表示（トレーサビリティ情報込み）
df = pl.to_dataframe(full=True)
# → 18 columns: concept, namespace_uri, source_line, period_start, ...

# エクスポート
pl.to_csv("pl.csv")
pl.to_parquet("pl.parquet")
pl.to_excel("pl.xlsx")

# Statements 全体を DataFrame 化
df_all = stmts.to_dataframe()

Rich ターミナル表示

from rich.console import Console

# 財務諸表を階層表示
Console().print(pl)

Jupyter 表示

# セルに pl を置くだけで HTML テーブルが表示される
pl  # _repr_html_ 対応

テキストブロック（LLM 連携）

有報のテキストセクション（事業等のリスク、MD&A 等）を構造的に抽出し、LLM に渡せます。

from edinet.xbrl.text import extract_text_blocks, build_section_map, clean_html

blocks = extract_text_blocks(parsed.facts, context_map)
sections = build_section_map(blocks, resolver)

# セクション名でアクセス（tuple[TextBlock, ...] が返る）
risk_blocks = sections["事業等のリスク"]
clean_text = clean_html(risk_blocks[0].html)  # HTML → プレーンテキスト

タクソノミ・リンクベース

ラベル解決

from edinet.xbrl.taxonomy import TaxonomyResolver

resolver = TaxonomyResolver(taxonomy_path)
label = resolver.resolve("jppfs_cor", "NetSales", lang="ja")
print(label.text)    # "売上高"
print(label.source)  # LabelSource.STANDARD

Linkbase 解析

from edinet.xbrl.linkbase import (
    parse_presentation_linkbase,
    parse_calculation_linkbase,
    parse_definition_linkbase,
    parse_footnote_links,
)

# Presentation: 表示順序の木構造
pres_trees = parse_presentation_linkbase(pres_xml_bytes)

# Calculation: 計算関係（親子の加減算）
calc_lb = parse_calculation_linkbase(calc_xml_bytes)

# Definition: Dimension 定義（軸・ドメイン・メンバー）
def_trees = parse_definition_linkbase(def_xml_bytes)

# Footnotes: 脚注リンク
footnote_map = parse_footnote_links(parsed.footnote_links)

ConceptSet 自動導出

Presentation Linkbase をスキャンして 23 業種 × PL/BS/CF/SS/CI の科目セットを自動導出します。

from edinet.xbrl.taxonomy.concept_sets import derive_concept_sets, StatementType

registry = derive_concept_sets(taxonomy_path)
cs = registry.get(StatementType.INCOME_STATEMENT, consolidated=True, industry_code="cai")
for entry in cs.concepts[:5]:
    print(entry.concept, entry.depth, entry.is_total)

計算検証

Calculation Linkbase に基づき、親科目 = Σ(子科目 × weight) の整合性を検証します。

from edinet import validate_calculations

result = validate_calculations(pl, calc_linkbase)
print(result.is_valid)       # True / False
print(result.checked_count)  # 検証した計算関係の数

for issue in result.issues:
    print(f"{issue.parent_concept}: 差額 {issue.difference}")

訂正チェーン

訂正報告書の連鎖を自動的に辿り、最新版や任意時点のスナップショットを取得できます。

from edinet import build_revision_chain

chain = build_revision_chain(filing)
print(chain.is_corrected)    # True（訂正あり）
print(chain.count)           # チェーンの長さ

original = chain.original    # 原本
latest = chain.latest        # 最新（訂正済み）

# バックテスト用: 特定日時点のスナップショット
snapshot = chain.at_time(datetime(2025, 9, 1))

訂正差分・期間差分

from edinet import diff_revisions, diff_periods

# 訂正前 vs 訂正後の Fact レベル差分
result = diff_revisions(original_stmts, corrected_stmts)
for item in result.modified:
    print(f"{item.label_ja.text}: {item.old_value} → {item.new_value}")

# 前期 vs 当期の科目増減
pl_prior = stmts.income_statement(period="prior")
pl_current = stmts.income_statement(period="current")
period_diff = diff_periods(pl_prior, pl_current)
print(period_diff.summary())  # "追加: 2, 削除: 1, 変更: 3, 変更なし: 50"

セグメント分析

事業セグメント・地域セグメント等の多次元データを構造的に取得できます。

from edinet import list_dimension_axes, extract_segments

# 利用可能な Dimension 軸を確認
axes = list_dimension_axes(stmts)
for axis in axes:
    print(f"{axis.label_ja}: {axis.member_count} メンバー")

# 事業セグメントのデータを抽出
segments = extract_segments(stmts, axis_local_name="OperatingSegmentsAxis")
for seg in segments:
    print(f"{seg.name}: {len(seg.items)} 科目")

非標準科目の判定

提出者が独自に追加した科目を識別し、標準タクソノミの祖先概念を推定します。

from edinet import detect_custom_items

result = detect_custom_items(stmts)
print(f"標準科目: {len(result.standard_items)}")
print(f"独自科目: {len(result.custom_items)} ({result.custom_ratio:.1%})")

for ci in result.custom_items:
    print(f"  {ci.item.label_ja.text} → 標準祖先: {ci.parent_standard_concept}")

Calculation Linkbase から提出者拡張科目のみを抽出することもできます。

from edinet import find_custom_concepts

custom_concepts = find_custom_concepts(calc_linkbase)
print(f"拡張科目数: {len(custom_concepts)}")

変則決算の判定

6ヶ月決算・15ヶ月決算等の変則決算を検出します。スクリーニング時の期間比較に必要です。

from edinet import detect_fiscal_year

info = detect_fiscal_year(dei)
print(info.period_months)    # 12（通常）/ 6, 15 等（変則）
print(info.is_irregular)     # True なら変則決算
print(info.is_full_year)     # True なら通年
print(info.start_date)       # 会計期間の開始日
print(info.end_date)         # 会計期間の終了日

従業員情報

「従業員の状況」から人数・平均年齢・平均勤続年数・平均年間給与を抽出します。

from edinet.financial.notes.employees import extract_employee_info

info = extract_employee_info(stmts)
if info is not None:
    print(info.count)                     # 従業員数
    print(info.average_age)               # 平均年齢
    print(info.average_service_years)     # 平均勤続年数
    print(info.average_annual_salary)     # 平均年間給与（円）

Filing サマリー

from edinet import build_summary

summary = build_summary(stmts)
print(summary.accounting_standard)  # "Japan GAAP"
print(summary.total_items)          # 3247
print(summary.standard_item_ratio)  # 0.89
print(summary.segment_count)        # 4

非同期クライアント

全 I/O 操作に async 版を提供しています。a プレフィクスを付けるだけです。

import asyncio
import edinet

async def main():
    edinet.configure(api_key="YOUR_API_KEY")
    filings = await edinet.adocuments("2025-06-26")
    for filing in filings:
        if filing.has_xbrl:
            stmts = await filing.axbrl()
            pl = stmts.income_statement()
            print(pl["売上高"].value)
            break

asyncio.run(main())

複数企業の並列取得

asyncio.gather を使うと、複数企業の XBRL を並列ダウンロードして大幅に高速化できます。

import asyncio
import edinet
from edinet import extract_values, extracted_to_dict, CK

async def screener():
    edinet.configure(api_key="YOUR_API_KEY", taxonomy_path="...")
    filings = await edinet.adocuments("2025-06-26", doc_type="120")
    targets = [f for f in filings if f.has_xbrl][:20]

    # 20社を並列ダウンロード+パース（直列60s → 並列5-10s）
    stmts_list = await asyncio.gather(*[f.axbrl() for f in targets])

    keys = [CK.REVENUE, CK.OPERATING_INCOME, CK.NET_INCOME, CK.TOTAL_ASSETS]
    rows = []
    for f, stmts in zip(targets, stmts_list):
        rows.append({
            "ticker": f.ticker,
            "filer": f.filer_name,
            **extracted_to_dict(extract_values(stmts, keys)),
        })

    import pandas as pd
    df = pd.DataFrame(rows)
    print(df)
    await edinet.aclose()

asyncio.run(screener())

期間分類

DEI から当期/前期の期間を自動分類します。income_statement(period="prior") の内部で使用されていますが、直接アクセスも可能です。

from edinet.financial import classify_periods

pc = classify_periods(dei)
print(pc.current_duration)   # DurationPeriod(2024-04-01, 2025-03-31)
print(pc.prior_duration)     # DurationPeriod(2023-04-01, 2024-03-31)
print(pc.current_instant)    # InstantPeriod(2025-03-31)

キャッシュ

ダウンロード済み ZIP のローカルキャッシュ。同一ドキュメントの再取得を防ぎます。

import edinet

# キャッシュを有効化（ディレクトリ指定）
edinet.configure(api_key="...", cache_dir="./cache")

# キャッシュ情報
info = edinet.cache_info()
print(info.entry_count, info.total_bytes)

# キャッシュクリア
edinet.clear_cache()

レートリミット

デフォルトではレートリミットは無効（rate_limit=0）です。EDINET API は指数バックオフ付きリトライを内蔵しているため、通常はレートリミット不要です。大量リクエスト時に接続遮断が心配な場合は手動で設定してください。

edinet.configure(rate_limit=1.0)   # 1秒に1リクエスト
edinet.configure(rate_limit=0.5)   # 500msに1リクエスト
edinet.configure(rate_limit=0)     # 制限なし（デフォルト）

エラーハンドリング

すべての例外は edinet.EdinetError を継承しています。

import edinet

try:
    filings = edinet.documents("2025-06-26")
except edinet.EdinetConfigError:
    print("API キーが未設定")
except edinet.EdinetAPIError as e:
    print(f"API エラー: {e.status_code}")
except edinet.EdinetParseError:
    print("XBRL の解析に失敗")

例外クラス	説明
EdinetError	基底例外
EdinetConfigError	設定エラー（API キー未設定等）
EdinetAPIError	API レスポンスエラー（HTTP ステータス付き）
EdinetParseError	JSON / ZIP / XBRL の解析失敗
EdinetWarning	非致命的な警告（warnings モジュール経由）

低レベル API

高レベル API の裏側にある XBRL パーサーを直接使うこともできます。

from edinet.xbrl import parse_xbrl_facts, extract_dei
from edinet.xbrl.contexts import ContextCollection, structure_contexts
from edinet.xbrl.units import structure_units

# XBRL インスタンスのパース
xbrl_path, xbrl_bytes = filing.fetch()
parsed = parse_xbrl_facts(xbrl_bytes, source_path=xbrl_path)

# DEI（企業属性）の抽出
dei = extract_dei(parsed.facts)
print(dei.filer_name_ja)          # 企業名
print(dei.accounting_standards)   # AccountingStandard.JAPAN_GAAP
print(dei.security_code)          # 証券コード

# Context / Unit の構造化
contexts = ContextCollection(structure_contexts(parsed.contexts))
units = structure_units(parsed.units)

# フィルタチェーン
consolidated = contexts.filter_consolidated().filter_no_extra_dimensions()
latest = consolidated.latest_duration_contexts()

対応範囲

項目	対応状況
書類タイプ	全 42 タイプ
会計基準	J-GAAP / IFRS / US-GAAP / JMIS
業種	23 業種（ConceptSet 自動導出）+ 5 業種の専用科目マッピング
財務諸表	BS / PL / CF
Linkbase	Presentation / Calculation / Definition / Footnotes
エクスポート	DataFrame / CSV / Parquet / Excel
表示	Rich ターミナル / Jupyter HTML
I/O	sync / async 完全対応
テスト	1,398+

動作要件

• Python >= 3.12
• EDINET API キー（EDINET で取得）

ライセンス

AGPL-3.0-or-later

AGPL v3 とは

GNU Affero General Public License v3 は、ソフトウェアの自由な利用・改変・再配布を保証するコピーレフトライセンスです。ネットワーク経由でサービスを提供する場合にもソースコード公開義務が発生する点が GPL v3 との主な違いです。

利用可否の早見表

利用形態	可否	説明
個人の学習・研究	OK	自由に利用可能
社内の財務分析・スクリーニング	OK	社内利用はソースコード公開義務なし
クオンツ運用・自社トレーディング	OK	社内利用に該当。成果物（投資判断）の公開義務なし
学術研究・論文	OK	自由に利用可能
このライブラリを組み込んだ REST API / SaaS の公開	NG	AGPL v3 によりサーバーサイドでもソースコード公開義務が発生。商用ライセンスが必要
このライブラリを改変して社外に配布	条件付き	AGPL v3 の条件に従いソースコードを公開する必要あり

商用ライセンス

AGPL v3 の条件に該当する商用利用（REST API / SaaS 等）をご検討の場合は、商用ライセンスをご相談ください。

お問い合わせ: https://x.com/___uxoxu

統一キー（CK）の日経225カバー率

extract_values() で使用する正規化キー（Canonical Key = CK）が、日経225構成銘柄の有価証券報告書からどの程度抽出できるかを実測した結果です。対象は 224 社（1 社はパースエラーで除外）、全 145 CK に対する抽出成功率を示します。

測定条件: 2024年度有報（doc_type=120）、デフォルトマッパーパイプライン（summary → statement → definition → calc）、当期連結。

100% カバレッジ（28 CK）

全社で抽出に成功する主要指標です。

CK	説明	社数
revenue	売上高	224/224
operating_income (*)	営業利益	222/224
ordinary_income	経常利益	224/224
income_before_tax	税引前利益	224/224
income_taxes	法人税等	224/224
net_income	当期純利益	224/224
total_assets	総資産	224/224
total_liabilities	負債合計	224/224
net_assets	純資産合計	224/224
liabilities_and_net_assets	負債純資産合計	224/224
shareholders_equity	株主資本	224/224
capital_stock	資本金	224/224
capital_surplus	資本剰余金	224/224
retained_earnings	利益剰余金	224/224
treasury_stock	自己株式	224/224
operating_cf	営業CF	224/224
investing_cf	投資CF	224/224
financing_cf	財務CF	224/224
cash_end	現金期末残高	224/224
eps	1株当たり当期純利益	224/224
bps	1株当たり純資産	224/224
dps	1株当たり配当額	224/224
per	株価収益率	224/224
roe	自己資本利益率	224/224
equity_ratio	自己資本比率	224/224
payout_ratio	配当性向	224/224
total_shares_issued	発行済株式総数	224/224
employees	従業員数	224/224
female_directors_ratio	女性役員比率	224/224

(*) operating_income は 222/224 社（99.1%）ですが、IFRS 企業の一部で「営業利益」を任意記載としているため。

99%以上（11 CK）

CK	社数	率
audit_fees	223/224	99.6%
deferred_tax_assets	223/224	99.6%
net_income_parent	223/224	99.6%
current_assets	222/224	99.1%
current_liabilities	222/224	99.1%
income_taxes_deferred	222/224	99.1%
investments_and_other	222/224	99.1%
noncurrent_assets	222/224	99.1%
noncurrent_liabilities	222/224	99.1%
oci_accumulated	222/224	99.1%
operating_income	222/224	99.1%

96%〜99%未満（10 CK）

CK	社数	率
cash_and_deposits	221/224	98.7%
comprehensive_income_parent	221/224	98.7%
eps_diluted	221/224	98.7%
intangible_assets	221/224	98.7%
interim_dps	221/224	98.7%
non_operating_expenses	221/224	98.7%
non_operating_income	221/224	98.7%
ppe	221/224	98.7%
comprehensive_income	220/224	98.2%
cash_and_equivalents	218/224	97.3%

90%〜96%未満（13 CK）

CK	社数	率
sga_expenses	215/224	96.0%
dividends_paid_cf	211/224	94.2%
fx_effect_on_cash	211/224	94.2%
cross_shareholdings_amount	209/224	93.3%
cross_shareholdings_count	209/224	93.3%
interest_expense_pl	209/224	93.3%
extraordinary_income	208/224	92.9%
extraordinary_loss	208/224	92.9%
purchase_ppe_cf	207/224	92.4%
comprehensive_income_minority	206/224	92.0%
minority_interests	203/224	90.6%
net_income_minority	203/224	90.6%
retirement_benefit_liability	203/224	90.6%

80%〜90%未満（18 CK）

CK	社数	率
deferred_tax_liabilities	200/224	89.3%
subtotal_operating_cf	200/224	89.3%
interest_expense_cf	199/224	88.8%
depreciation_cf	198/224	88.4%
interest_dividend_income_cf	198/224	88.4%
net_change_in_cash	197/224	87.9%
gender_pay_gap	192/224	85.7%
trade_payables_change_cf	192/224	85.7%
trade_receivables	192/224	85.7%
trade_payables	191/224	85.3%
trade_receivables_change_cf	191/224	85.3%
female_managers_ratio	190/224	84.8%
long_term_loans	188/224	83.9%
interest_income_pl	186/224	83.0%
gross_profit	185/224	82.6%
short_term_loans	184/224	82.1%
cost_of_sales	181/224	80.8%
inventories_change_cf	180/224	80.4%

50%〜80%未満（16 CK）

CK	社数	率
male_childcare_leave_rate	179/224	79.9%
proceeds_ppe_sale_cf	178/224	79.5%
rd_expenses	174/224	77.7%
bonds_payable	172/224	76.8%
equity_method_cf	172/224	76.8%
goodwill	171/224	76.3%
impairment_loss_cf	168/224	75.0%
repayment_long_term_loans_cf	154/224	68.8%
purchase_treasury_stock_cf	150/224	67.0%
proceeds_long_term_loans_cf	142/224	63.4%
other_operating_cf	124/224	55.4%
income_taxes_paid_cf	122/224	54.5%
ppe_sale_loss_gain_cf	119/224	53.1%
inventories	118/224	52.7%
other_investing_cf	113/224	50.4%
purchase_investment_securities_cf	112/224	50.0%

30%〜50%未満（14 CK）

IFRS 固有科目や業種特有の CF 明細が中心です。該当しない企業では元の報告書にも記載がないため、カバー率の上限が構造的に制約されます。

CK	社数	率
redemption_bonds_cf	111/224	49.6%
proceeds_investment_securities_cf	104/224	46.4%
other_financing_cf	99/224	44.2%
stock_options	99/224	44.2%
equity_method_income	97/224	43.3%
capex	96/224	42.9%
equity_parent	94/224	42.0%
equity_method_income_ifrs	85/224	37.9%
equity_method_investments	85/224	37.9%
finance_costs	85/224	37.9%
proceeds_bonds_cf	85/224	37.9%
finance_income	83/224	37.1%
loans_paid_cf	73/224	32.6%
allowance_doubtful_change_cf	71/224	31.7%

30%未満（35 CK）

業種限定の科目（銀行業・保険業・証券業）や、IFRS 専用科目、特殊な CF 明細項目です。日経225 の業種構成上、該当企業が限定的であるため低いカバー率は想定通りです。

CK	社数	率	備考
other_income_ifrs	67/224	29.9%	IFRS
short_term_borrowings_net_cf	66/224	29.5%
other_expenses_ifrs	65/224	29.0%	IFRS
fx_loss_gain_cf	62/224	27.7%
dividends_paid_nci_cf	59/224	26.3%
goodwill_amortization_cf	59/224	26.3%	J-GAAP のみ
loans_collected_cf	56/224	25.0%
interest_bearing_debt_ncl	52/224	23.2%
inventory_writedowns	52/224	23.2%
interest_bearing_debt_cl	49/224	21.9%
dividends_received_cf	46/224	20.5%
consolidation_scope_change_cash	40/224	17.9%
lease_liabilities_cl	38/224	17.0%	IFRS
lease_liabilities_ncl	38/224	17.0%	IFRS
dividend_income	28/224	12.5%
nci_capital_contribution_cf	23/224	10.3%
deferred_assets	22/224	9.8%
investment_property	21/224	9.4%
deposits	10/224	4.5%	銀行業
continuing_operations_income	5/224	2.2%	US-GAAP
net_premiums_written	3/224	1.3%	保険業
interest_bearing_debt	2/224	0.9%
loans_and_bills_discounted	2/224	0.9%	銀行業
sbc_cf	2/224	0.9%
securities_banking	2/224	0.9%	銀行業
capital_adequacy_ratio_bis	0/224	0.0%	銀行業（BIS）
capital_adequacy_ratio_domestic	0/224	0.0%	銀行業（国内）
capital_adequacy_ratio_domestic_2	0/224	0.0%	銀行業（国内2）
capital_adequacy_ratio_international	0/224	0.0%	銀行業（国際）
interest_dividend_income_ins	0/224	0.0%	保険業
investment_yield_income	0/224	0.0%	保険業
investment_yield_realized	0/224	0.0%	保険業
lease_liabilities	0/224	0.0%	IFRS
net_loss_ratio	0/224	0.0%	保険業
net_operating_expense_ratio	0/224	0.0%	保険業

サマリー

帯域	CK数	累計CK	備考
100%	28	28	PL/BS/CF主要科目 + 指標 + ESG
99%以上	11	39	BS詳細 + 包括利益
96%〜99%	10	49	EPS希薄化 + CF関連
90%〜96%	13	62	特別損益 + 少数株主
80%〜90%	18	80	CF明細 + ESG + 借入金
50%〜80%	16	96	のれん + 投資CF明細
30%〜50%	14	110	IFRS科目 + 持分法
30%未満	35	145	業種限定（銀行・保険）