mootdx 使用手记：把通达信数据变成几行 Python 代码

mootdx 使用手记：把通达信数据变成几行 Python 代码

【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

如果你做过 A 股量化或数据分析，大概率绕不开一个尴尬的处境：行情软件里的数据很好用，但想用 Python 拿数据，要么依赖第三方接口（限频、要钱、不稳定），要么自己逆向通达信的二进制协议（工作量堪比考古）。mootdx 正是冲着这个痛点来的——它把通达信的线上行情接口和本地vipdoc数据文件都封装成了简洁的 Python API，让你用几行代码就能拿到 K 线、分时、财务和除权信息。这篇文章面向刚开始接触它的人，讲清楚它最值得掌握的几条用法，以及我在实践中踩过的坑。

先建立心智模型：mootdx 有两条数据通道

很多人第一次用 mootdx 会困惑：Quotes和Reader到底有什么区别？其实它们的分工非常清晰：

• Quotes走的是网络通道，实时向通达信行情服务器发起请求，适合拿"当下的"行情，比如最新价、当日分时、最近 N 根 K 线。代价是依赖服务器稳定性和网络。
• Reader走的是本地通道，直接解析你电脑上通达信客户端下载好的vipdoc目录，适合拿"历史的"全量数据，速度快、不占网络。代价是本地文件需要自己维护更新。

把这两条通道想成"水龙头"和"水库"：Quotes 是拧开就能出水的龙头，Reader 是存好水的水库。搞清楚这个前提，后面所有示例都能对号入座。

十分钟跑通第一个脚本

先装包。如果搞不清依赖关系，直接装全量版本即可：

pip install -U 'mootdx[all]'

安装完成后，用一行代码验证环境：

from mootdx.quotes import Quotes client = Quotes.factory(market='std') print(client.bars(symbol='600036', frequency=9, offset=5))

能打印出一张带datetime、open、close、high、low、vol等列的 DataFrame，就说明通道已经打通。从此刻起，你的 Python 环境和通达信行情之间只隔着一个对象。

用 Quotes 拿线上行情：K 线、指数、分时与分笔

Quotes.factory(market='std')返回的是股票市场客户端，market='ext'则对应期货、期权等扩展市场。日常最常用的几个方法：

from mootdx.quotes import Quotes client = Quotes.factory(market='std', multithread=True, heartbeat=True) # 日 K 线，frequency=9 表示日线，一次最多拉 800 根 daily = client.bars(symbol='600036', frequency=9, offset=800) # 指数行情 index_df = client.index(symbol='000001', frequency=9) # 当日分时数据 minute_df = client.minute(symbol='000001') # 历史某一天的分时 hist_minute = client.minutes(symbol='000001', date='20240115') # 分笔成交 tick_df = client.transaction(symbol='000001', offset=100)

几个值得记住的细节：

• frequency用数字表示周期：0是 5 分钟、4是日线、9也是日线、7/8是 1 分钟。记不住没关系，get_frequency也接受'day'、'1min'这类可读写法。
• bars单次最多 800 根，想要更长历史，用start参数分页往前翻。
• 返回结果统一是 pandas DataFrame，拿到手就能直接做计算，不需要自己处理字节流。

要批量轮询多只股票时，可以自己写一个简单循环，把结果收进字典：

from mootdx.quotes import Quotes client = Quotes.factory(market='std') pool = {} for code in ['000001', '600000', '000858']: pool[code] = client.quotes(symbol=code)

用 Reader 啃本地数据：日线、分钟线与板块

如果你的研究需要几年的完整日线，逐根从网络拉既慢又容易被服务器限流。更聪明的做法是让通达信客户端先下载数据，然后用Reader直接解析本地文件。

本地数据的默认目录结构是vipdoc/sz/lday/sz000001.day这类，Reader会自动帮你把股票代码映射到正确的市场路径：

from mootdx.reader import Reader reader = Reader.factory(market='std', tdxdir='C:/new_tdx') # 日线 df_daily = reader.daily(symbol='600036') # 1 分钟线（suffix=1），5 分钟线传 5 df_min1 = reader.minute(symbol='600036', suffix=1) # 分时走势线（fzline） df_fz = reader.fzline(symbol='600036')

需要注意两点。第一，tdxdir必须指向真实的通达信安装目录，否则构造会直接抛异常——它是校验入口，不是可选参数。第二，代码里的市场前缀（sh/sz）可带可不带，Reader会智能补全；但如果股票代码以88开头（板块指数），它会被特殊路由到sh目录，这是通达信自己的目录约定。

想批量读取一批股票做本地回测，把上面的调用包一层循环即可，配合find_path还能先探测文件是否存在，避免读到不存在的代码时抛错。

财务数据与除权除息：做基本面研究的两块拼图

财报数据的拉取

mootdx.affair.Affair负责财务数据的下载与解析。整个流程分两步：先看远端有哪些历史财报文件，再按需下载解析：

from mootdx.affair import Affair # 查看可用的财报文件列表（含文件名、哈希、大小） files = Affair.files() # 下载并解析指定文件 df = Affair.parse(downdir='tmp', filename='gpcw20231231.zip') # 只想下载不想解析，用 fetch Affair.fetch(downdir='tmp', filename='gpcw20231231.zip')

files()返回的哈希值很有用：它可以作为本地文件是否过期的判断依据。自己维护增量同步时，比对哈希比比对文件名可靠得多。

除权除息与复权

历史行情最隐蔽的坑是"没复权"。遇到分红送转，股价会跳空，直接用原始数据算收益率会得到离谱结果。mootdx 提供了两条解决路径：

• 用Quotes的xdxr(symbol=...)拉取除权除息明细，拿到送转、分红记录；
• 用mootdx.utils.adjust里的复权工具，把原始行情按前复权/后复权换算。

社区里常见的做法是：原始数据 + 除权明细 → 计算复权因子 → 生成复权后的 K 线。具体接口的入参格式可以查阅 docs/api/quote2.md 和 docs/api/reader.md，里面给了字段级说明。

让程序更稳更快：服务器、心跳与缓存

自动挑一台好服务器

通达信有大量行情服务器，速度天差地别。mootdx 内置了测速逻辑，启动时传入bestip=True会自动挑选延迟最低的节点：

from mootdx.quotes import Quotes client = Quotes.factory(market='std', bestip=True, timeout=10)

也可以在命令行单独跑测速，把结果存进配置，之后所有客户端共享这份"最优服务器"清单：

python -m mootdx bestip -vv

心跳与自动重连

长连接挂在后台跑定时任务时，服务器可能静默断开。开启heartbeat=True让客户端定期发送心跳包维持连接；万一断线，reconnect()方法会按保存的服务器地址重连。代码里把这些组合起来，就是一套简单的容错机制。

给高频读取加缓存

本地Reader解析文件本身很快，但如果你在循环里反复读同一只股票，仍然建议加一层缓存。mootdx 的工具模块里有一个pd_cache装饰器，专门缓存 DataFrame 结果，还支持过期时间：

from mootdx.utils.pandas_cache import pd_cache @pd_cache(cache_dir='./cache', expired=600) def load_daily(code): reader = Reader.factory(market='std', tdxdir='C:/new_tdx') return reader.daily(symbol=code)

十分钟内的重复读取会直接命中磁盘缓存，不再触碰文件。对回测里反复加载全市场数据这种场景，收益非常明显。

命令行：不写代码也能导出数据

mootdx 不只是库，还带了命令行工具。不想打开编辑器时，直接导出数据：

# 导出个股日线到 CSV python -m mootdx quotes 600036 --action=bars --output=out.csv # 读取本地文件导出 python -m mootdx reader 600036 --action=daily --tdxdir=C:/new_tdx --output=out.csv

具体子命令的完整参数可以用python -m mootdx --help查看。另外mootdx/tools/tdx2csv.py提供了批量把通达信数据转成 CSV 的函数，适合一次性迁移整个本地数据目录。这些细节都记录在 docs/cli/quotes.md 中。

容易被绊倒的四个地方

结合社区反馈和我的实际使用，有四个问题出现频率最高：

1. 扩展市场接口当前不可用。market='ext'的行情接口在代码里已明确标注"已经失效"，做期货、外盘数据时不要指望它，优先考虑本地Reader的扩展市场解析（market='ext'的Reader仍可读取ds目录）。
2. tdxdir路径必须真实存在。Reader构造时会校验目录，报错信息是tdxdir 目录不存在。先把通达信客户端装好、数据下载到本地，再传路径。
3. Mac M1 上的 PyMiniRacer 兼容问题。如果你在 Apple Silicon 上安装失败，通常是py_mini_racer这个依赖的问题，可参考 docs/faq/py_mini_racer.md 的说明处理。
4. 一次拉不全的历史数据。bars单次上限 800 根，拉多年日线或高频数据时要记得分页累加，不要想当然地传一个超大offset。

下一步：从"能跑"到"能算"

到此为止，你已经掌握了一条完整的数据流水线：线上行情用Quotes，本地历史用Reader，基本面用Affair，稳定性靠心跳、重试与缓存。接下来可以按这个顺序继续深入：

1. 把 docs/quick.md 里的示例逐个跑一遍，熟悉每个接口的返回字段；
2. 用Reader攒一份全市场日线数据，配合除权明细做复权回测；
3. 研究mootdx/utils/holiday.py的交易日历工具，给你的策略加上交易日判断；
4. 项目仓库里有完整的测试用例（tests/目录），读测试是最快的用法学习方式。

数据的获取只是量化的第一步，把数据变成可复现的策略逻辑才是真正的挑战。mootdx 把前面那段最枯燥的路替你铺平了，剩下的，交给你。

【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