三分钟跑通 Python 通达信数据获取mootdx 行情、历史与财报实战指南【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免费行情接口三天两头失效付费接口又贵通达信本地的 .day、.lc1 文件是二进制格式手工解析要啃一晚上。mootdx 通达信数据获取就是针对这种场景的 Python 封装库几行代码打通在线行情、离线历史、财报三类数据拿到的都是规整的 pandas DataFrame直接接进分析流程。1. 三分钟跑起来先装依赖再跑一条自带的测速命令。测速会扫一批行情服务器把延迟最低的写进配置文件之后创建的行情客户端会优先使用它pip install -U mootdx[all] # 一次性装全依赖不用关心子包 python -m mootdx bestip -v -w # 测速并把最快服务器写入配置然后创建行情客户端拉平安银行最近 10 根日 K 线from mootdx.quotes import Quotes client Quotes.factory(marketstd, heartbeatTrue) # std 股票市场 df client.bars(symbol000001, frequency9, offset10) # 9 表示日线取 10 根 print(df)3 行代码输出里就带着开盘、收盘、最高、最低、成交量和成交金额。如果你不想联网也可以从离线读取开始下一节讲。2. 功能总览场景入口类一句话说明盘中行情Quotes实时报价、多周期 K 线、指数、分时、分笔、板块离线历史Reader直接解析通达信本地数据目录不用打开软件财务数据Affair从远程服务器拉取上市公司财报文件并解析成表格Quotes在线行情quotes()可以传列表一次网络请求拉多只股票的实时报价批量场景省掉大量往返bars()负责 K 线靠frequency编码切换周期建客户端时开heartbeat做心跳保活、开bestip自动选最优服务器长连稳定性主要靠这两个开关。client Quotes.factory(marketstd, bestipTrue, heartbeatTrue) print(client.quotes([000001, 600519])) # 批量报价一次请求搞定Reader离线历史解析通达信数据目录里vipdoc/下的二进制文件如sh/lday/*.day目录在就能读不需要打开通达信软件。daily()读日线、minute()读分钟线返回的列名和在线接口一致后面做交叉验证或补数都很方便。from mootdx.reader import Reader reader Reader.factory(marketstd, tdxdirC:/new_tdx) # 换成你的数据目录 print(reader.daily(symbol600036).tail()) # 日线历史Affair财务数据files()列出远程服务器上有哪些财报文件fetch()下载指定文件并解析成表格不用再自己到处搜集 PDF 和 Excel。from mootdx.affair import Affair files Affair.files() # 远程财报文件列表 Affair.fetch(downdirtmp, filenamefiles[0]) # 下载第一个并解析3. 实战本地历史数据缺口自动补全目标本地通达信数据偶尔会滞后——出差两天软件没同步本地日线就少了最后两根。手工比对日期补数很烦这里写个自动逻辑本地读一段在线拉最近的按日期合并缺多少补多少。关键代码本地先读在线取最近 90 根日 K合并时按日期去重同一天优先保留在线数据在线更可能是修正后的import pandas as pd local reader.daily(symbol600036) # 本地历史 online client.bars(symbol600036, frequency9, offset90) # 在线最近 90 根日线 merged (pd.concat([local, online]) .drop_duplicates(subsetdatetime, keeplast) # 日期冲突保留在线 .sort_values(datetime))怎么验证结果合并前记下local的行数和最后日期合并后对比——行数应该恰好增加缺失的交易日数量最后一行日期对齐到最近交易日。再抽同一天对比在线和本地收盘价两边一致说明链路健康。注意如果期间发生过除权除息在线和本地价格不能直接比要用复权因子换算后再比具体见下方 FAQ。4. 避坑指南问题盘中连接断开长跑脚本一断就崩。做法建客户端时开heartbeatTrue定期发心跳探活bestipTrue让启动时自动测速选优降低遇到慢服务器被掐的概率。接口内部已带自动重试但业务层建议再包一层 try/except——失败时重建客户端重新拉行情接口本身支持重复请求重建成本比想象中低。问题循环里一只股票一只股票地请求整个任务被网络往返拖慢。做法quotes()直接传股票代码列表一次调用拿全部实时价bars()用offset一次取多根 K 线。批量备数据的正确姿势是先按板块或行业把代码分组组内批量拉组间才轮询网络往返次数从 N 降到 N/每组大小。问题数据目录、服务器地址、超时时间散落在各个脚本里硬编码。做法用统一配置入口集中管理from mootdx.config import config之后config.set(TDXDIR, C:/new_tdx)或者直接改测速生成的 config.json。所有客户端共用这份配置换机器或换数据目录只改一处不用翻一堆脚本。5. 常见问题Q行情连接断开了怎么处理常态不用慌。内置重试加心跳能兜住大多数瞬时断连长跑场景把取数逻辑包进 try/except失败就重建客户端续跑不必中断整个任务。Qmarket参数有哪些取值两个std是标准市场就是沪深 A 股ext是扩展市场期货等品种走这个。Quotes 和 Reader 都要传对传错会连到不匹配的服务端。Q分钟线的 frequency 怎么选0是 5 分钟线8是 1 分钟线。做日内形态一般 5m 就够1m 数据量大、存储压力高做分钟级回测再用它日线是9、周线5、月线6不记得时查文档对照表即可。Q复权因子在哪拿utils/adjust模块的fq_factor()可以拉前复权和后复权因子返回按日期对齐的 DataFrame自己乘到价格上就行tests 目录里还有现成的除权除息处理示例可以照着改。收尾三个建议按顺序做✅ 把离线读取和在线行情两条最小示例各跑一遍确认数据目录和测速配置没问题换成自己的股票池加几列你关心的指标均线乖离、量比做成每周固定跑的小工具卡住时直接读mootdx/quotes.py源码和tests/quotes/下的测试用例比翻文档定位问题更快。完整 API 说明在仓库的 docs/api/ 目录快速上手入口在 docs/quick.md。有问题可以扫码加项目交流群作者会在线答疑【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考