企业官网建设流程全解析

三行 Python 拉取 A 股 K 线：mootdx 通达信数据封装实战

【免费下载链接】mootdx通达信数据读取的一个简便使用封装项目地址: https://gitcode.com/GitHub_Trending/mo/mootdx

要拿到某只股票最近两百根日线、再叠一条均线，绕不开一个前置问题：K 线、分时、财务这些通达信数据从哪里来、怎么读进 DataFrame。mootdx 就是解决这一步的——它把通达信客户端背后的网络协议和本地文件解析打包成 Python 接口，业务代码只负责调函数。

定位：一个通达信数据的 Python 封装层

mootdx 本质是通达信数据源的 Python 封装，把 pytdx 协议的连接、重连、解码等底层脏活收拢到内部，对外暴露统一风格的方法。它的目标用户很明确：写策略的量化初学者、做行情分析的数据工程师，以及要搭盘中监控系统的人。装上之后，实时行情、离线 K 线、财务指标都走同一套取数路径。核心能力集中在：

• 全周期 K 线与实时五档
• 通达信本地文件离线解析
• 财务数据抓取与落盘
• 复权因子与交易日历
• 工厂模式一行建连

最小可运行路径

安装分三步，先拉源码、进目录、装依赖，全部完成即可导入使用：

git clone https://gitcode.com/GitHub_Trending/mo/mootdx cd mootdx pip install -U 'mootdx[all]'

下面这段代码建连并打印 000001 的最新价与昨收：

from mootdx.quotes import Quotes # 标准市场客户端, factory 会自动挑选可用服务器 client = Quotes.factory(market='std') # quotes 返回 DataFrame, 一次可传多只代码 row = client.quotes(['000001']) # 取首行, 打印最新价、昨收、开盘 print('最新价:', row.iloc[0]['price']) print('昨收价:', row.iloc[0]['last_close']) print('开盘价:', row.iloc[0]['open'])

quotes的返回就是 pandas 的 DataFrame，空结果会返回空表而非抛错，取数前先判断长度可以避免下标越界。

按数据维度展开能力

A 股 K 线数据获取：bars 与 quotes 接口

线上取数的主力是bars（K 线）和quotes（实时），frequency决定周期，offset控制条数。

from mootdx.quotes import Quotes client = Quotes.factory(market='std') # frequency=9 对应日K, offset 单次上限 800 daily = client.bars(symbol='600036', frequency=9, offset=200) # 前复权直接传 adjust='qfq', 内部自动处理除权 adjusted = client.bars(symbol='600036', frequency=9, adjust='qfq') # 按日期取历史分笔成交 ticks = client.transactions(symbol='600036', date='20240510', offset=100) print(daily[['close', 'vol']].tail())

需要复权行情时优先走bars的adjust参数，比拿到原始数据后自己按除权除息回算更省事。

通达信离线数据读取：Reader 解析本地文件

有本地通达信安装目录时，Reader直接读磁盘上的.day/.lc1文件，无需联网，适合大批量回刷历史。

from mootdx.reader import Reader # tdxdir 指向通达信安装目录, 按本机路径修改 reader = Reader.factory(market='std', tdxdir='C:/new_tdx') # 本地日K daily = reader.daily(symbol='600036') # 本地 1 分钟线, suffix=1 一分钟, 5 五分钟 minute = reader.minute(symbol='600036', suffix=1) print('日线', len(daily), '分钟', len(minute))

离线读取依赖本地已下载的数据文件，目录里没有对应股票的.day时会返回空，路径拼错是最常见的坑。

财务数据抓取与文件管理：Affair 模块

Affair负责从远端拉历史专业财务数据，能先列清单、按文件名取、再解析落盘。

from mootdx.affair import Affair # 列出远端全部财务文件(文件名/哈希/大小) files = Affair.files() # 取最新一个, 按文件名单独下载 latest = files[0]['filename'] Affair.fetch(downdir='./cw_data', filename=latest) # 解析为 DataFrame 并落盘 df = Affair.parse(downdir='./cw_data', filename=latest) df.to_csv('gpcw.csv', index=False)

files()返回的哈希可用来做增量同步，本地已有相同哈希的文件就没必要重复下载。

交易日历与复权工具：utils 子包

utils下挂了日历、复权、格式转换三类小工具，常和上面的取数结果配合使用。

from mootdx.utils import holiday from mootdx.utils import adjust from mootdx.tools import tdx2csv # 判断某天是否法定节假日 is_off = holiday.holiday(date='2024-10-01') # 拉取指定股票的复权因子 factor = adjust.fq_factor(symbol='600036', method='qfq') # 把 TDX 导出的 txt 转成标准 csv tdx2csv.txt2csv(infile='sz#000001.txt', outfile='sz#000001.csv') print('节假日:', is_off)

复权因子、交易日历这类是横切所有股票的公共数据，取一次缓存起来比每次现算更划算。

生产环境要点

连接容错：重试与指数退避策略

通达信免费服务器并不稳定，长时间跑任务时会遇到断连和空返回，稳妥做法是套一层带退避的重试。

import time from mootdx.quotes import Quotes MAX_RETRY = 3 def fetch_kline(symbol): client = Quotes.factory(market='std') for attempt in range(MAX_RETRY): try: # 拉取日K线, frequency=9 为日线 return client.bars(symbol=symbol, frequency=9, offset=200) except Exception as exc: # 网络或连接异常统一兜底 wait = 2 ** attempt # 指数退避: 1s, 2s, 4s print(f'第 {attempt + 1} 次失败, {wait}s 后重试: {exc}') time.sleep(wait) client.reconnect() # 断开后重建连接 raise RuntimeError(f'{symbol} 连续 {MAX_RETRY} 次获取失败')

reconnect()只在连接真正断开时才有意义，配合closed属性判断可以省掉多余的握手。

请求缓存与节流：减少重复调用

同一批股票在一分钟内被反复取数时，直接打网络既慢又容易触发限流，加一层带过期时间的本地缓存最直观。

import time from mootdx.quotes import Quotes client = Quotes.factory(market='std') _cache = {} def get_bars(symbol, ttl=300): now = time.time() # 缓存未过期直接返回, 不发起网络请求 if symbol in _cache and now - _cache[symbol][1] < ttl: return _cache[symbol][0] data = client.bars(symbol=symbol, frequency=9, offset=200) _cache[symbol] = (data, now) return data

缓存只适合盘中变化慢的数据，tick 级实时行情别进缓存，否则会拿到过期快照。

与周边工具衔接

取数之后的链路几乎是现成的：bars、quotes、Reader返回的都是 pandas DataFrame，可以直接接 rolling、pct_change 做技术指标，接 matplotlib 画图，也可以作为 Backtrader、Zipline 这类回测框架的自定义数据源，把load指到上面任一函数即可，不用自己写协议层。

下一步

装完依赖后，先跑通 sample/ 里的报价与读取示例，确认能取到数据再改逻辑；接口细节看 docs/quick.md 与 docs/api/ 两个入口；想抠实现就去tests/quotes对着真实返回结构调试。建议从一只股票的日 K 做起，跑通取数—复权—落盘整条链路，再扩到多股票批量。

【免费下载链接】mootdx通达信数据读取的一个简便使用封装项目地址: https://gitcode.com/GitHub_Trending/mo/mootdx