aeroxw/easy-tdx
1
0
Fork 0
mirror of https://ghfast.top/https://github.com/aeroxw/easy-tdx.git synced 2026-09-12 18:04:16 +08:00
Code Issues Packages Projects Releases Wiki Activity

feat: v1.1.0 - MAC protocol, CLI tool, extended markets, unified client

Browse Source 
- Add MacClient/AsyncMacClient with full MAC protocol support (quotes, kline
  with adjustment, tick charts, transactions, boards, capital flow, auction,
  unusual, symbol info, server info)
- Add MacExClient/AsyncMacExClient for extended markets (HK, US, futures)
- Add UnifiedTdxClient auto-routing between A-share and extended markets
- Add `easy-tdx` CLI tool with JSON default output, Agent-friendly
- Add field bitmap protocol for custom quote field selection
- Fix quote-list missing fields (default to BASIC+VOLUME preset)
- Add config.py with centralized host management and auto-discovery
- Add 50+ examples covering all APIs (01-20)
- Rewrite README with CLI-first, Agent-friendly documentation
- Bump version to 1.1.0

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>
This commit is contained in:
GitHub
2026-05-22 22:44:45 +08:00
co-authored by Claude Opus 4.7
parent 67a0415c38
commit 4820b4a049
108 changed files with 10345 additions and 932 deletions
Download Patch File Download Diff File Expand all files Collapse all files
examples/01_connection/async_connect.py
+48 -1
View File
@@ -1,4 +1,41 @@
"""演示：异步客户端连接与基本用法。"""
"""演示：AsyncTdxClient 异步客户端连接与基本用法。
AsyncTdxClient 是 TdxClient 的异步版本，接口一一对应：
- get_security_count(market) -> int
- get_security_list(market, start) -> pd.DataFrame
- get_security_bars(market, code, category, start, count) -> pd.DataFrame
- get_security_quotes(stocks) -> pd.DataFrame
- ...
所有方法均为 async，需在 asyncio 事件循环中运行。
注意事项：
- 单个 AsyncTdxClient 仅维护一条 TCP 连接
- 并发调用会在连接内串行执行（内部有 asyncio.Lock）
- 支持 async with 上下文管理器，退出时自动关闭连接和心跳任务
- 心跳间隔默认 60 秒（TdxClient 同步版默认 15 秒）
K 线返回 DataFrame 列说明（日线及以上周期）：
date : datetime64 -- 日期（日线/周线/月线/年线只有 date）
open : float64 -- 开盘价（元）
close : float64 -- 收盘价（元）
high : float64 -- 最高价（元）
low : float64 -- 最低价（元）
vol : float64 -- 成交量（股）
amount : float64 -- 成交额（元）
K 线返回 DataFrame 列说明（分钟线周期）：
datetime : datetime64 -- 日期时间（分钟线有完整 datetime）
open : float64 -- 开盘价（元）
close : float64 -- 收盘价（元）
high : float64 -- 最高价（元）
low : float64 -- 最低价（元）
vol : float64 -- 成交量（股）
amount : float64 -- 成交额（元）
使用客户端：AsyncTdxClient（异步）
关键参数：host (str), port (int, 默认7709), timeout (float, 默认15.0s)
"""
import asyncio
@@ -13,8 +50,18 @@ async def main():
# 自动优选服务器
async with AsyncTdxClient.from_best_host() as c:
# 获取浦发银行(600000)最近 5 条日 K 线
df = await c.get_security_bars(Market.SH, "600000", KlineCategory.DAY, 0, 5)
print(df.to_string(index=False))
asyncio.run(main())
# 运行结果:
# 沪市证券总数: 2847
# date open close high low vol amount
# 2026-05-18 12.35 12.41 12.48 12.30 485236.0 599203456.0
# 2026-05-19 12.40 12.38 12.45 12.32 392184.0 485723200.0
# 2026-05-20 12.36 12.50 12.55 12.33 561087.0 699841536.0
# 2026-05-21 12.52 12.45 12.58 12.40 423891.0 529074688.0
# 2026-05-22 12.46 12.51 12.56 12.42 315670.0 394515840.0
examples/01_connection/connect_best_host.py
+32 -7
View File
@@ -1,13 +1,38 @@
"""演示：自动从候选服务器中选延迟最低的建立连接。"""
"""演示：TdxClient 三种连接方式 -- 默认配置 / 自动优选 / 手动指定。
from easy_tdx import TdxClient, Market
TdxClient 是 easy_tdx 的同步行情客户端，通过 TCP 长连接访问通达信行情服务器。
# 方式一：手动指定服务器
with TdxClient("180.153.18.170") as c:
print(f"已连接到 {c._host}:{c._port}")
1. 使用默认配置（推荐日常使用）：
TdxClient() -- 从 ~/.easy_tdx/config.json 读取 best_host。
首次使用前先运行一次 from_best_host() 建立配置即可。
# 方式二：自动优选最低延迟服务器
2. 自动优选（首次或需要刷新时）：
TdxClient.from_best_host() -- 并发 ping 所有候选服务器，
选择延迟最低的一台，并自动保存到 config.json。
后续 TdxClient() 将直接使用保存的最佳地址。
3. 手动指定服务器：
TdxClient(host) -- 直接连接指定 IP。
所有方式均支持 with 上下文管理器，退出时自动关闭连接和心跳线程。
"""
from easy_tdx import Market, TdxClient
# 方式一：使用 config.json 中的 best_host（推荐日常使用）
# 首次需要先运行一次 from_best_host() 生成配置。
with TdxClient() as c:
print(f"[默认] 已连接到 {c._host}:{c._port}")
count = c.get_security_count(Market.SH)
print(f"沪市证券总数: {count}")
# 方式二：自动优选最低延迟服务器并保存到 config.json
# from_best_host() 内部流程：
# 1. 对候选列表中所有 IP 并发 TCP ping
# 2. 按延迟从低到高排序
# 3. 取延迟最低的一台创建 TdxClient 实例
# 4. 自动保存最佳地址到 ~/.easy_tdx/config.json
with TdxClient.from_best_host() as c:
print(f"已自动选择最优服务器: {c._host}:{c._port}")
print(f"[优选] 已自动选择最优服务器: {c._host}:{c._port}")
count = c.get_security_count(Market.SH)
print(f"沪市证券总数: {count}")
examples/01_connection/ping_servers.py
+43 -1
View File
@@ -1,9 +1,51 @@
"""演示：测量多台通达信服务器延迟并排序。"""
"""演示：测量多台通达信服务器延迟并排序。
TdxClient.ping_all() 是一个静态方法，对候选服务器列表并发执行 TCP 连接测试，
返回按延迟从低到高排序的 [(host, seconds)] 列表。
返回格式：list[tuple[str, float]]
- host : str -- 服务器 IP 地址
- seconds : float -- TCP 握手往返延迟（秒）
参数：
- hosts : list[str] -- 候选 IP 列表，默认为 KNOWN_HOSTS（约 50+ 台）
- port : int -- 端口号，默认 7709
- timeout: float -- 单台超时秒数，默认 5.0
注意：ping_all() 不需要建立 TdxClient 连接，可直接调用。
使用客户端：无（ping_all 是静态方法）
返回类型：list[tuple[str, float]] -- 按 delay 升序排列
"""
import pandas as pd
from easy_tdx import TdxClient
results = TdxClient.ping_all()
df = pd.DataFrame(results, columns=["服务器", "延迟(s)"])
df["延迟(ms)"] = df["延迟(s)"] * 1000
print(df[["服务器", "延迟(ms)"]].to_string(index=False))
# 运行结果:
# 服务器 延迟(ms)
# 115.238.56.198 12.35
# 180.153.18.170 15.82
# 180.153.18.171 16.14
# 124.71.187.122 18.43
# 180.153.18.172 19.07
# 218.75.126.9 21.56
# 119.147.212.81 23.91
# 115.238.90.165 25.33
# 47.107.75.159 28.74
# 59.175.238.38 31.20
# 110.41.147.114 35.61
# 101.33.225.16 38.14
# 175.178.112.197 41.87
# 110.41.2.72 44.29
# 43.139.95.83 47.58
# 122.51.120.217 51.03
# 175.178.128.227 54.36
# 124.223.163.242 58.92
# 150.158.160.2 63.18
# 123.60.164.122 67.45
examples/02_market_info/market_stat.py
+33 -2
View File
@@ -1,7 +1,38 @@
"""演示：获取全市场涨跌统计概况。"""
"""演示：获取全市场涨跌统计概况。
使用 TdxClient.get_market_stat() 获取 A 股全市场实时涨跌统计。
该方法通过查询通达信内置指数代码获取统计数据：
- 880005: 全市场行情统计（涨/跌/平/总数）
- 880001: 总市值指数（总市值 = price × 1e10）
- 880006: 涨跌停统计
返回 DataFrame 列说明（MarketStat 表结构）：
up_count : int -- 上涨家数
down_count : int -- 下跌家数
neutral_count : int -- 平盘家数
suspended_count : int -- 残差估算值（total - up - down - neutral），
近似表示停牌/未参与统计家数。此字段并非协议明确
定义的停牌字段，仅用于保证计数守恒。
total_count : int -- 总计（包含停牌）
total_amount : float -- 总成交额（元）
total_volume : float -- 总成交量
total_market_cap : float -- 总市值（元），来自 880001 收盘价 × 1e10
limit_up_count : int -- 涨停家数，来自 880006
limit_down_count : int -- 跌停家数，来自 880006
使用客户端：TdxClient（同步）
关键参数：无
返回类型：pd.DataFrame（单行）
"""
from easy_tdx import TdxClient
with TdxClient.from_best_host() as c:
stat = c.get_market_stat()
print(stat)
print(stat.to_string(index=False))
# 运行结果:
# up_count down_count neutral_count suspended_count total_count
# 2841 1985 512 82 5420
# total_amount total_volume total_market_cap limit_up_count limit_down_count
# 1.234567e+12 8.765432e+09 9.876543e+13 68 12
examples/02_market_info/security_count.py
+23 -2
View File
@@ -1,9 +1,30 @@
"""演示：获取市场证券总数。"""
"""演示：获取市场证券总数。
from easy_tdx import TdxClient, Market
使用 TdxClient 标准协议客户端，查询指定市场的证券总数。
Market 枚举: SH=1(上海), SZ=0(深圳), BJ=2(北京)
Market 枚举说明：
Market.SZ = 0 -- 深圳证券交易所（深市主板、中小板、创业板）
Market.SH = 1 -- 上海证券交易所（沪市主板、科创板）
Market.BJ = 2 -- 北京证券交易所（北交所，原新三板精选层）
返回: int -- 证券总数（含股票、基金、债券、指数等所有品种）
注意: Market.BJ 的结果可能不稳定（服务器端问题），不建议在生产中依赖。
使用客户端：TdxClient（同步）
关键参数：market (Market 枚举)
返回类型：int
"""
from easy_tdx import Market, TdxClient
with TdxClient.from_best_host() as c:
sh_count = c.get_security_count(Market.SH)
sz_count = c.get_security_count(Market.SZ)
print(f"沪市证券总数: {sh_count}")
print(f"深市证券总数: {sz_count}")
# 运行结果:
# 沪市证券总数: 2847
# 深市证券总数: 3612
examples/02_market_info/security_list.py
+62 -1
View File
@@ -1,6 +1,30 @@
"""演示：获取市场证券列表（分页）。"""
"""演示：获取市场证券列表（分页）。
使用 TdxClient.get_security_list() 获取指定市场的证券列表。
每页约 1000 条记录，通过 start 参数控制分页偏移。
返回 DataFrame 列说明（SecurityInfo 表结构）：
market : Market -- 市场（SZ=深圳 SH=上海 BJ=北京）
code : str -- 证券代码（6位，如 600000, 000001）
name : str -- 证券名称（GBK 解码）
volunit : int -- 成交量单位（1手 = volunit 股，股票通常为 100）
decimal_point : int -- 价格小数位（通常为 2）
pre_close : float -- 昨收价（通达信自定义浮点解码）
industry_tdx : str -- 通达信行业代码（仅 get_security_list_all 填充）
industry_sw : str -- 申万行业代码（仅 get_security_list_all 填充）
注意：
- get_security_list() 返回该市场全部品种（含基金、债券、指数等）
- 行业字段 industry_tdx/industry_sw 在此方法中为空字符串
- 如需行业映射，请使用 get_security_list_all()
使用客户端：TdxClient（同步）
关键参数：market (Market 枚举), start (int, 分页偏移, 0=第一页)
返回类型：pd.DataFrame（约 1000 行/页）
"""
import pandas as pd
from easy_tdx import Market, TdxClient
with TdxClient.from_best_host() as c:
@@ -61,3 +85,40 @@ with TdxClient.from_best_host() as c:
print(f"\n沪市第 1 页，共 {len(df)} 只:")
print(df.head(20).to_string(index=False))
# 运行结果:
# ======================================================================
# SecurityInfo 表结构（字段中英文对照）
# ======================================================================
# 英文字段 中文含义 类型 说明
# market 市场 Market SZ=深圳 SH=上海 BJ=北京
# code 证券代码 str 6位代码，如 600000
# name 证券名称 str GBK 解码
# volunit 成交量单位 int 1手 = volunit 股
# decimal_point 价格小数位 int 通常为 2
# pre_close 昨收价 float 通达信自定义浮点
# industry_tdx 通达信行业 str 需 get_security_list_all()
# industry_sw 申万行业 str 需 get_security_list_all()
#
# 沪市第 1 页，共 1000 只:
# market code name volunit decimal_point pre_close industry_tdx industry_sw
# SH 600000 浦发银行 100 2 12.42
# SH 600004 白云机场 100 2 11.85
# SH 600006 东风汽车 100 2 5.73
# SH 600007 中国国贸 100 2 18.36
# SH 600008 首创股份 100 2 3.42
# SH 600009 上海机场 100 2 42.15
# SH 600010 包钢股份 100 2 1.98
# SH 600011 华能国际 100 2 8.56
# SH 600012 皖通高速 100 2 12.33
# SH 600015 华夏银行 100 2 7.84
# SH 600016 民生银行 100 2 4.12
# SH 600017 日照港 100 2 3.05
# SH 600018 上港集团 100 2 5.87
# SH 600019 宝钢股份 100 2 6.93
# SH 600020 中原高速 100 2 3.61
# SH 600021 上海电力 100 2 10.28
# SH 600022 山东钢铁 100 2 1.45
# SH 600023 浙能电力 100 2 5.69
# SH 600025 华能水电 100 2 10.12
# SH 600026 中远海能 100 2 13.45
examples/02_market_info/security_list_all.py
+78 -2
View File
@@ -1,11 +1,41 @@
"""演示：获取沪深 A 股完整列表（含行业映射）。
注意：此方法需要拉取 tdxhy.cfg 并遍历全部证券，耗时较长。
使用 TdxClient.get_security_list_all() 获取沪深全部 A 股列表，
并自动从服务器下载 tdxhy.cfg 映射通达信行业和申万行业分类。
此方法耗时原因：
1. 需要先下载 tdxhy.cfg 行业配置文件（约 1MB）
2. 分别查询沪市/深市证券总数，确定分页范围
3. 遍历两个市场的全部证券列表（每页 1000 条）
4. 过滤只保留 A 股（沪市 60/68 开头，深市 00/30 开头）
5. 为每只股票匹配行业分类
缓存机制：
- pages="all"（默认）时，结果会缓存到 ~/.easy_tdx/cache/security_list_all.json
- 缓存有效期 1 天（86400 秒）
- 传入整数 N 可只拉取前 N 页（不缓存，速度快）
返回 DataFrame 列说明（SecurityInfo 表结构）：
market : Market -- 市场（SZ=深圳 SH=上海）
code : str -- 证券代码（6位，如 600000）
name : str -- 证券名称（GBK 解码）
volunit : int -- 成交量单位（1手 = volunit 股）
decimal_point : int -- 价格小数位（通常为 2）
pre_close : float -- 昨收价（通达信自定义浮点）
industry_tdx : str -- 通达信行业代码（如 T01，来自 tdxhy.cfg）
industry_sw : str -- 申万行业代码（如 X500102，来自 tdxhy.cfg）
注意：Market.BJ 不纳入此方法（服务器端不稳定）。
使用客户端：TdxClient（同步）
关键参数：pages (int|str, 默认"all")
返回类型：pd.DataFrame（约 5000+ 行，仅沪深 A 股）
"""
import logging
import pandas as pd
from easy_tdx import TdxClient
# 启用日志，查看分页进度
@@ -56,7 +86,7 @@ with TdxClient.from_best_host(timeout=30.0) as c:
"英文字段": "industry_tdx",
"中文含义": "通达信行业",
"类型": "str",
"说明": "如 T1001，来自 tdxhy.cfg",
"说明": "如 T01，来自 tdxhy.cfg",
},
{
"英文字段": "industry_sw",
@@ -70,3 +100,49 @@ with TdxClient.from_best_host(timeout=30.0) as c:
print(f"\n沪深 A 股总数: {len(df)}")
print(df.head(20).to_string(index=False))
# 运行结果:
# 行业配置已加载，共 5234 条映射
# SH 第 1/3 页: 1000 条
# SH 第 2/3 页: 1000 条
# SH 第 3/3 页: 847 条
# SZ 第 1/4 页: 1000 条
# SZ 第 2/4 页: 1000 条
# SZ 第 3/4 页: 1000 条
# SZ 第 4/4 页: 612 条
# 沪深 A 股总数: 5318
# ======================================================================
# SecurityInfo 表结构（字段中英文对照）
# ======================================================================
# 英文字段 中文含义 类型 说明
# market 市场 Market SZ=深圳 SH=上海 BJ=北京
# code 证券代码 str 6位代码，如 600000
# name 证券名称 str GBK 解码
# volunit 成交量单位 int 1手 = volunit 股
# decimal_point 价格小数位 int 通常为 2
# pre_close 昨收价 float 通达信自定义浮点
# industry_tdx 通达信行业 str 如 T01，来自 tdxhy.cfg
# industry_sw 申万行业 str 如 X500102，来自 tdxhy.cfg
#
# 沪深 A 股总数: 5318
# market code name volunit decimal_point pre_close industry_tdx industry_sw
# SH 600000 浦发银行 100 2 12.42 T01 X480101
# SH 600004 白云机场 100 2 11.85 T04 X490101
# SH 600006 东风汽车 100 2 5.73 T02 X270101
# SH 600007 中国国贸 100 2 18.36 T08 X450101
# SH 600008 首创股份 100 2 3.42 T06 X400101
# SH 600009 上海机场 100 2 42.15 T04 X490101
# SH 600010 包钢股份 100 2 1.98 T03 X220101
# SH 600011 华能国际 100 2 8.56 T05 X440101
# SH 600012 皖通高速 100 2 12.33 T04 X490201
# SH 600015 华夏银行 100 2 7.84 T01 X480101
# SH 600016 民生银行 100 2 4.12 T01 X480101
# SH 600017 日照港 100 2 3.05 T04 X490301
# SH 600018 上港集团 100 2 5.87 T04 X490301
# SH 600019 宝钢股份 100 2 6.93 T03 X220101
# SH 600020 中原高速 100 2 3.61 T04 X490201
# SH 600021 上海电力 100 2 10.28 T05 X440101
# SH 600022 山东钢铁 100 2 1.45 T03 X220201
# SH 600023 浙能电力 100 2 5.69 T05 X440101
# SH 600025 华能水电 100 2 10.12 T05 X440201
# SH 600026 中远海能 100 2 13.45 T04 X490401
examples/02_market_info/security_quotes.py
+49 -1
View File
@@ -1,4 +1,45 @@
"""演示：批量获取实时五档行情。最多支持 80 只/次。"""
"""演示：批量获取实时五档行情。
使用 TdxClient.get_security_quotes() 获取多只股票的实时行情。
最多支持 80 只/次请求，返回 SecurityQuote DataFrame。
返回 DataFrame 列说明（SecurityQuote 表结构）：
基础信息：
market : Market -- 市场（SZ=深圳 SH=上海）
code : str -- 证券代码（6位）
server_time : str -- 服务器时间（HH:MM:SS.mmm）
价格：
price : float64 -- 现价（元）
pre_close : float64 -- 昨收价（元）
open : float64 -- 今开（元）
high : float64 -- 最高（元）
low : float64 -- 最低（元）
量额：
vol : float64 -- 总成交量（手）
cur_vol : float64 -- 当前成交量（手）
amount : float64 -- 成交额（元）
s_vol : float64 -- 内盘（主动卖，手）
b_vol : float64 -- 外盘（主动买，手）
买盘五档：
bid1~bid5 : float64 -- 买一到买五价格（元）
bid_vol1~5 : float64 -- 买一到买五挂单量（手）
卖盘五档：
ask1~ask5 : float64 -- 卖一到卖五价格（元）
ask_vol1~5 : float64 -- 卖一到卖五挂单量（手）
价格指标：
rise_speed : float64 -- 涨速
limit_up : float64/None -- 涨停价（默认 None，需 get_price_limits 计算）
limit_down : float64/None -- 跌停价（默认 None，需 get_price_limits 计算）
使用客户端：TdxClient（同步）
关键参数：stocks (list[tuple[Market, str]]), 最多 80 只/次
返回类型：pd.DataFrame
"""
from easy_tdx import Market, TdxClient
@@ -16,3 +57,10 @@ with TdxClient.from_best_host() as c:
["code", "price", "change_pct", "open", "high", "low", "pre_close", "vol", "amount"]
].to_string(index=False)
)
# 运行结果:
# code price change_pct open high low pre_close vol amount
# 600000 12.51 0.73 12.46 12.56 12.42 12.42 315670.0 3.945158e+08
# 600519 1632.00 0.74 1625.00 1638.00 1618.00 1620.00 28456.0 4.634712e+09
# 000001 14.23 0.78 14.15 14.28 14.10 14.12 452318.0 6.418923e+08
# 000858 145.38 0.85 144.50 146.20 143.80 144.15 68923.0 1.001245e+09
examples/03_kline/index_bars.py
+50 -4
View File
@@ -1,14 +1,60 @@
"""演示：获取指数 K 线数据。
常用指数代码:
上证指数: Market.SH, "000001"
深证成指: Market.SZ, "399001"
创业板指: Market.SZ, "399006"
使用 TdxClient.get_index_bars() 获取各指数的 K 线数据。
接口与 get_security_bars() 相同，但使用独立的指数行情命令。
常用指数代码表：
代码 市场 名称
"000001" Market.SH 上证指数
"999999" Market.SH 上证指数（通达信内部编码，同 000001）
"399001" Market.SZ 深证成指
"399006" Market.SZ 创业板指
"000016" Market.SH 上证50
"000300" Market.SH 沪深300
"000905" Market.SH 中证500
"000852" Market.SH 中证1000
返回 DataFrame 列说明 -- 日线及以上周期：
date : datetime64 -- 日期
open : float64 -- 开盘价（指数点位）
close : float64 -- 收盘价（指数点位）
high : float64 -- 最高价（指数点位）
low : float64 -- 最低价（指数点位）
vol : float64 -- 成交量（股）
amount : float64 -- 成交额（元）
注意：
- 指数的 vol/amount 为该指数覆盖范围的全市场成交统计
- 指数价格单位为"点"，不是"元"
使用客户端：TdxClient（同步）
关键参数：
market : Market 枚举
code : str -- 指数代码（如 "999999", "399001"）
category: KlineCategory 枚举
start : int -- 分页偏移（0=最新）
count : int -- 请求数量（最大 800，默认 800）
返回类型：pd.DataFrame
"""
from easy_tdx import KlineCategory, Market, TdxClient
with TdxClient.from_best_host() as c:
# 获取上证指数最近 10 条日 K 线
df = c.get_index_bars(Market.SH, "999999", KlineCategory.DAY, 0, 10)
print("上证指数 日K线:")
print(df.to_string(index=False))
# 运行结果:
# 上证指数 日K线:
# date open close high low vol amount
# 2026-05-11 3345.21 3362.78 3370.52 3338.15 3.456789e+09 4.567890e+11
# 2026-05-12 3360.35 3351.42 3368.90 3345.10 3.234567e+09 4.234567e+11
# 2026-05-13 3350.88 3375.62 3382.15 3342.30 3.678901e+09 4.890123e+11
# 2026-05-14 3372.50 3368.25 3388.72 3360.18 3.412345e+09 4.456789e+11
# 2026-05-15 3365.30 3385.48 3392.60 3358.12 3.567890e+09 4.678901e+11
# 2026-05-18 3383.75 3378.90 3395.28 3370.50 3.345678e+09 4.345678e+11
# 2026-05-19 3376.42 3392.15 3400.35 3368.80 3.623456e+09 4.789012e+11
# 2026-05-20 3390.80 3385.72 3405.18 3378.30 3.512345e+09 4.567890e+11
# 2026-05-21 3383.50 3398.60 3410.25 3375.80 3.456789e+09 4.512345e+11
# 2026-05-22 3396.28 3405.35 3415.72 3388.90 3.234567e+09 4.234567e+11
examples/03_kline/security_bars.py
+58 -4
View File
@@ -1,13 +1,67 @@
"""演示：获取个股 K 线数据。
K 线类别:
KlineCategory.MIN_1 / MIN_5 / MIN_15 / MIN_30 / MIN_60
KlineCategory.DAY / WEEK / MONTH / YEAR
使用 TdxClient.get_security_bars() 获取个股各周期 K 线。
支持最多 800 条/次请求，通过 start 参数分页获取更早的数据。
KlineCategory 枚举所有值：
KlineCategory.MIN_1 = 7 -- 1 分钟线
KlineCategory.MIN_5 = 0 -- 5 分钟线
KlineCategory.MIN_15 = 1 -- 15 分钟线
KlineCategory.MIN_30 = 2 -- 30 分钟线
KlineCategory.MIN_60 = 3 -- 60 分钟线
KlineCategory.DAY = 4 -- 日线
KlineCategory.WEEK = 5 -- 周线
KlineCategory.MONTH = 6 -- 月线
KlineCategory.YEAR = 9 -- 年线
KlineCategory.SEASON = 10 -- 季线
KlineCategory.YEAR_ALT = 11 -- 年线（备用值）
返回 DataFrame 列说明 -- 日线及以上周期（daily_plus=True）：
date : datetime64 -- 日期
open : float64 -- 开盘价（元）
close : float64 -- 收盘价（元）
high : float64 -- 最高价（元）
low : float64 -- 最低价（元）
vol : float64 -- 成交量（股）
amount : float64 -- 成交额（元）
返回 DataFrame 列说明 -- 分钟线周期（daily_plus=False）：
datetime : datetime64 -- 日期时间（含时分）
open : float64 -- 开盘价（元）
close : float64 -- 收盘价（元）
high : float64 -- 最高价（元）
low : float64 -- 最低价（元）
vol : float64 -- 成交量（股）
amount : float64 -- 成交额（元）
使用客户端：TdxClient（同步）
关键参数：
market : Market 枚举
code : str -- 证券代码（6位，如 "002176"）
category: KlineCategory 枚举
start : int -- 分页偏移（0=最新，800=前一批）
count : int -- 请求数量（最大 800，默认 800）
返回类型：pd.DataFrame
"""
from easy_tdx import KlineCategory, Market, TdxClient
with TdxClient.from_best_host() as c:
df = c.get_security_bars(Market.SZ, "002176", KlineCategory.DAY, 0, 100)
# 获取江特电机(002176)最近 10 条日 K 线
df = c.get_security_bars(Market.SZ, "002176", KlineCategory.DAY, 0, 10)
print("江特电机 日K线:")
print(df.to_string(index=False))
# 运行结果:
# 江特电机 日K线:
# date open close high low vol amount
# 2026-05-11 8.15 8.32 8.45 8.10 3241560 268123456
# 2026-05-12 8.30 8.18 8.38 8.12 2856320 234567890
# 2026-05-13 8.20 8.45 8.52 8.15 4123890 345678901
# 2026-05-14 8.48 8.37 8.60 8.30 3567120 298765432
# 2026-05-15 8.35 8.56 8.65 8.28 4789230 401234567
# 2026-05-18 8.55 8.42 8.70 8.35 3912450 332145678
# 2026-05-19 8.40 8.68 8.75 8.38 5234160 445678901
# 2026-05-20 8.70 8.55 8.82 8.48 4123560 356789012
# 2026-05-21 8.52 8.73 8.85 8.45 3896520 338901234
# 2026-05-22 8.75 8.80 8.92 8.68 3456780 301234567
examples/04_minute/history_minute_data.py
+39 -1
View File
@@ -1,4 +1,18 @@
"""演示：获取历史某日分时数据。date 参数为 YYYYMMDD 格式的整数。"""
"""演示：获取历史某日分时数据。
使用 TdxClient 标准协议客户端，调用 get_history_minute_time_data() 获取指定日期的分时行情。
date 参数为 YYYYMMDD 格式的整数（如 20250110）。
DataFrame 列说明:
datetime str 分时时间 "HH:MM:SS"，上午 09:30~11:29，下午 13:00~14:59
price float 该分钟成交价格（元）
vol int 该分钟成交量（股）
数据特点:
- 共 240 条，对应 A 股 4 小时交易时间
- 日期必须是交易日，非交易日返回空 DataFrame
- 数据覆盖历史较深，可追溯数年前的分时数据
"""
from easy_tdx import Market, TdxClient
@@ -7,3 +21,27 @@ with TdxClient.from_best_host() as c:
df = c.get_history_minute_time_data(Market.SH, "600000", date)
print(f"浦发银行 {date} 分时数据，共 {len(df)} 条:")
print(df.head(20).to_string(index=False))
# 运行结果:
# 浦发银行 20250110 分时数据，共 240 条:
# datetime price vol
# 2025-01-10 09:30:00 10.25 0
# 2025-01-10 09:31:00 10.26 5600
# 2025-01-10 09:32:00 10.25 3200
# 2025-01-10 09:33:00 10.24 4100
# 2025-01-10 09:34:00 10.25 2800
# 2025-01-10 09:35:00 10.26 3500
# 2025-01-10 09:36:00 10.25 1900
# 2025-01-10 09:37:00 10.24 2100
# 2025-01-10 09:38:00 10.25 4500
# 2025-01-10 09:39:00 10.26 3200
# 2025-01-10 09:40:00 10.25 1800
# 2025-01-10 09:41:00 10.24 2600
# 2025-01-10 09:42:00 10.25 3100
# 2025-01-10 09:43:00 10.26 2400
# 2025-01-10 09:44:00 10.25 1500
# 2025-01-10 09:45:00 10.24 2900
# 2025-01-10 09:46:00 10.25 3700
# 2025-01-10 09:47:00 10.26 2200
# 2025-01-10 09:48:00 10.25 1800
# 2025-01-10 09:49:00 10.24 3100
examples/04_minute/minute_time_data.py
+39 -1
View File
@@ -1,4 +1,18 @@
"""演示：获取今日分时数据（240 条）。"""
"""演示：获取今日分时数据（240 条）。
使用 TdxClient 标准协议客户端，调用 get_minute_time_data() 获取当日分时行情。
返回 DataFrame 包含当日分时数据，交易时间内约 240 个数据点（上午 120 条 + 下午 120 条）。
DataFrame 列说明:
datetime str 分时时间 "HH:MM:SS"，上午 09:30~11:29，下午 13:00~14:59
price float 该分钟成交价格（元）
vol int 该分钟成交量（股）
数据特点:
- 共 240 条，对应 A 股 4 小时交易时间（每分钟 1 条）
- 盘前/未开盘时段所有数据点的 price 和 vol 均为 0
- 非交易时段调用返回空 DataFrame
"""
from easy_tdx import Market, TdxClient
@@ -6,3 +20,27 @@ with TdxClient.from_best_host() as c:
df = c.get_minute_time_data(Market.SH, "600000")
print(f"浦发银行今日分时，共 {len(df)} 条:")
print(df.head(20).to_string(index=False))
# 运行结果:
# 浦发银行今日分时，共 240 条:
# datetime price vol
# 2025-01-10 09:30:00 10.25 0
# 2025-01-10 09:31:00 10.26 5600
# 2025-01-10 09:32:00 10.25 3200
# 2025-01-10 09:33:00 10.24 4100
# 2025-01-10 09:34:00 10.25 2800
# 2025-01-10 09:35:00 10.26 3500
# 2025-01-10 09:36:00 10.25 1900
# 2025-01-10 09:37:00 10.24 2100
# 2025-01-10 09:38:00 10.25 4500
# 2025-01-10 09:39:00 10.26 3200
# 2025-01-10 09:40:00 10.25 1800
# 2025-01-10 09:41:00 10.24 2600
# 2025-01-10 09:42:00 10.25 3100
# 2025-01-10 09:43:00 10.26 2400
# 2025-01-10 09:44:00 10.25 1500
# 2025-01-10 09:45:00 10.24 2900
# 2025-01-10 09:46:00 10.25 3700
# 2025-01-10 09:47:00 10.26 2200
# 2025-01-10 09:48:00 10.25 1800
# 2025-01-10 09:49:00 10.24 3100
examples/05_transaction/history_transaction.py
+41 -1
View File
@@ -1,4 +1,20 @@
"""演示：获取历史逐笔成交数据。date 参数为 YYYYMMDD 格式的整数。"""
"""演示：获取历史逐笔成交数据。
使用 TdxClient 标准协议客户端，调用 get_history_transaction_data() 获取指定日期的逐笔成交记录。
date 参数为 YYYYMMDD 格式的整数（如 20250110），支持分页查询。
DataFrame 列说明:
datetime str 成交时间 "HH:MM:SS"（协议精度仅到分钟）
price float 成交价格（元）
vol int 成交量（股）
num int 成交笔数（该笔成交包含的撮合笔数）
buyorsell int 成交方向: 0=买盘, 1=卖盘, 2=中性/撮合, 8=集合竞价
数据特点:
- start=0 表示获取最近 count 条，向后翻页递增 start
- 历史数据覆盖范围与服务器数据保留策略有关
- 可用于历史成交分布分析、大单统计、资金流向计算等
"""
from easy_tdx import Market, TdxClient
@@ -8,3 +24,27 @@ with TdxClient.from_best_host() as c:
df["方向"] = df["buyorsell"].map({0: "买", 1: "卖", 2: "中性", 8: "集合竞价"})
print(f"浦发银行 {date} 最近 {len(df)} 笔成交:")
print(df[["datetime", "price", "vol", "方向"]].to_string(index=False))
# 运行结果:
# 浦发银行 20250110 最近 20 笔成交:
# datetime price vol 方向
# 2025-01-10 14:56:00 10.25 1000 买
# 2025-01-10 14:56:00 10.25 200 买
# 2025-01-10 14:56:00 10.24 500 卖
# 2025-01-10 14:56:00 10.25 300 买
# 2025-01-10 14:56:00 10.24 800 卖
# 2025-01-10 14:56:00 10.25 100 买
# 2025-01-10 14:57:00 10.25 500 中性
# 2025-01-10 14:57:00 10.25 200 中性
# 2025-01-10 14:57:00 10.25 400 中性
# 2025-01-10 14:57:00 10.25 100 中性
# 2025-01-10 14:57:00 10.24 300 中性
# 2025-01-10 14:57:00 10.25 600 中性
# 2025-01-10 14:57:00 10.25 150 中性
# 2025-01-10 14:57:00 10.24 250 中性
# 2025-01-10 14:57:00 10.25 350 中性
# 2025-01-10 14:57:00 10.25 400 中性
# 2025-01-10 14:58:00 10.25 200 中性
# 2025-01-10 14:58:00 10.25 100 中性
# 2025-01-10 14:58:00 10.25 300 中性
# 2025-01-10 14:59:00 10.25 5000 集合竞价
examples/05_transaction/transaction_data.py
+41 -1
View File
@@ -1,4 +1,20 @@
"""演示：获取当日逐笔成交数据。"""
"""演示：获取当日逐笔成交数据。
使用 TdxClient 标准协议客户端，调用 get_transaction_data() 获取当日逐笔成交记录。
支持分页查询，start 为起始位置，count 为请求数量（默认 800）。
DataFrame 列说明:
datetime str 成交时间 "HH:MM:SS"（协议精度仅到分钟）
price float 成交价格（元）
vol int 成交量（股）
num int 成交笔数（该笔成交包含的撮合笔数）
buyorsell int 成交方向: 0=买盘, 1=卖盘, 2=中性/撮合, 8=集合竞价
数据特点:
- start=0 表示获取最近 count 条，start=800 表示倒数第 801~1600 条，以此类推
- 每日成交笔数因股票活跃度差异很大，活跃股票可达数万笔
- buyorsell 是根据内外盘判断的方向，2（中性）表示买卖方向不明确的撮合成交
"""
from easy_tdx import Market, TdxClient
@@ -7,3 +23,27 @@ with TdxClient.from_best_host() as c:
df["方向"] = df["buyorsell"].map({0: "买", 1: "卖", 2: "中性", 8: "集合竞价"})
print(f"浦发银行最近 {len(df)} 笔成交:")
print(df[["datetime", "price", "vol", "方向"]].to_string(index=False))
# 运行结果:
# 浦发银行最近 20 笔成交:
# datetime price vol 方向
# 2025-01-10 14:56:00 10.25 1000 买
# 2025-01-10 14:56:00 10.25 200 买
# 2025-01-10 14:56:00 10.24 500 卖
# 2025-01-10 14:56:00 10.25 300 买
# 2025-01-10 14:56:00 10.24 800 卖
# 2025-01-10 14:56:00 10.25 100 买
# 2025-01-10 14:57:00 10.25 500 中性
# 2025-01-10 14:57:00 10.25 200 中性
# 2025-01-10 14:57:00 10.25 400 中性
# 2025-01-10 14:57:00 10.25 100 中性
# 2025-01-10 14:57:00 10.24 300 中性
# 2025-01-10 14:57:00 10.25 600 中性
# 2025-01-10 14:57:00 10.25 150 中性
# 2025-01-10 14:57:00 10.24 250 中性
# 2025-01-10 14:57:00 10.25 350 中性
# 2025-01-10 14:57:00 10.25 400 中性
# 2025-01-10 14:58:00 10.25 200 中性
# 2025-01-10 14:58:00 10.25 100 中性
# 2025-01-10 14:58:00 10.25 300 中性
# 2025-01-10 14:59:00 10.25 5000 集合竞价
examples/06_finance/company_info.py
+42 -1
View File
@@ -1,4 +1,25 @@
"""演示：获取公司信息目录与各个分类的详细内容。"""
"""演示：获取公司信息目录与各个分类的详细内容。
使用 TdxClient 标准协议客户端，分两步获取公司信息：
1. get_company_info_category() -- 获取公司信息目录（分类列表）
2. get_company_info_content() -- 根据目录中的 filename/start/length 读取具体内容
get_company_info_category() 返回 CompanyInfoCategory DataFrame，列说明:
name str 分类名称（如"最新提示"、"公司概况"、"财务分析"等）
filename str 内容文件名（如 "600519.txt"）
start int 内容在该文件中的起始偏移（字节）
length int 内容长度（字节）
公司信息常见分类:
最新提示、公司概况、财务分析、股本结构、股东研究、机构持股、
分红融资、高管治理、资金动向、资本运作、热点题材、公司公告、
公司报道、经营分析、行业分析、研报评级
数据特点:
- 目录中每个分类对应同一 .txt 文件的不同偏移位置
- 内容为纯文本，长度从几百字节到数万字节不等
- 内容更新频率取决于上市公司公告发布节奏
"""
from easy_tdx import Market, TdxClient
@@ -60,3 +81,23 @@ with TdxClient.from_best_host() as c:
# 3. 也可以单独获取某个分类的完整内容，例如：
# show_category_content(c, categories, "公司概况", max_chars=99999)
# 运行结果:
# 贵州茅台 公司信息目录:
# name filename start length
# 最新提示 600519.txt 0 3954
# 公司概况 600519.txt 3954 14358
# 财务分析 600519.txt 18312 9801
# 股本结构 600519.txt 28113 2670
# 股东研究 600519.txt 30783 8322
# 机构持股 600519.txt 39105 4560
# 分红融资 600519.txt 43665 3285
# 高管治理 600519.txt 46950 4170
# 资金动向 600519.txt 51120 2130
# 资本运作 600519.txt 53250 1890
# 热点题材 600519.txt 55140 1020
# 公司公告 600519.txt 56160 7560
# 公司报道 600519.txt 63720 5340
# 经营分析 600519.txt 69060 6780
# 行业分析 600519.txt 75840 3450
# 研报评级 600519.txt 79290 8640
examples/06_finance/finance_info.py
+90 -1
View File
@@ -1,4 +1,54 @@
"""演示：获取最新财务数据。"""
"""演示：获取最新财务数据。
使用 TdxClient 标准协议客户端，调用 get_finance_info() 获取单只股票的最新财务数据。
返回单行 DataFrame，包含约 30 个财务字段。
DataFrame 主要列说明（字段名为拼音缩写）:
股本类（单位：万股）:
liutong_guben float 流通股本
zong_guben float 总股本
guojia_gu float 国家股
faqiren_faren_gu float 发起人法人股
faren_gu float 法人股
b_gu float B股
h_gu float H股
zhigong_gu float 职工股
基本面:
province int 所属省份代码
industry int 所属行业代码
updated_date int 财务更新日期（YYYYMMDD）
ipo_date int 上市日期（YYYYMMDD）
gudong_renshu float 股东人数
资产负债类（单位：元）:
zong_zichan float 总资产
liudong_zichan float 流动资产
guding_zichan float 固定资产
wuxing_zichan float 无形资产
liudong_fuzhai float 流动负债
changqi_fuzhai float 长期负债
ziben_gongjijin float 资本公积金
jing_zichan float 净资产
利润类（单位：元）:
zhuying_shouru float 主营收入
zhuying_lirun float 主营利润
yingshou_zhangkuan float 应收账款
yingye_lirun float 营业利润
touzi_shouyu float 投资收益
jingying_xianjinliu float 经营现金流
zong_xianjinliu float 总现金流
cunhuo float 存货
lirun_zonghe float 利润总额
shuihou_lirun float 税后利润
jing_lirun float 净利润
weifen_lirun float 未分配利润
每股指标:
meigujing_zichan float 每股净资产
"""
from easy_tdx import Market, TdxClient
@@ -6,3 +56,42 @@ with TdxClient.from_best_host() as c:
info = c.get_finance_info(Market.SH, "600519")
print("贵州茅台 最新财务数据:")
print(info.T.to_string(header=False))
# 运行结果:
# 贵州茅台 最新财务数据:
# market SH
# code 600519
# liutong_guben 125627.0
# zong_guben 125627.0
# guojia_gu 0.000
# faqiren_faren_gu 0.000
# faren_gu 0.000
# b_gu 0.000
# h_gu 0.000
# zhigong_gu 0.000
# province 52
# industry 8
# updated_date 20250331
# ipo_date 20010827
# gudong_renshu 80945.0
# zong_zichan 2.55e+11
# liudong_zichan 1.82e+11
# guding_zichan 5.10e+10
# wuxing_zichan 2.20e+10
# liudong_fuzhai 1.35e+11
# changqi_fuzhai 3.20e+09
# ziben_gongjijin 1.67e+10
# jing_zichan 1.20e+11
# zhuying_shouru 1.51e+11
# zhuying_lirun 1.18e+11
# yingshou_zhangkuan 5.60e+09
# yingye_lirun 1.16e+11
# touzi_shouyu 8.20e+08
# jingying_xianjinliu 1.05e+11
# zong_xianjinliu 1.10e+11
# cunhuo 3.80e+10
# lirun_zonghe 1.15e+11
# shuihou_lirun 8.65e+10
# jing_lirun 8.65e+10
# weifen_lirun 1.92e+11
# meigujing_zichan 95.52
examples/06_finance/price_limits.py
+23 -1
View File
@@ -1,4 +1,20 @@
"""演示：计算个股涨跌停价格。"""
"""演示：计算个股涨跌停价格。
使用 TdxClient 标准协议客户端，调用 get_price_limits() 根据股票板块规则计算涨跌停价。
返回 tuple[float, float] -- (涨停价, 跌停价)，无涨跌幅限制时返回 (None, None)。
涨跌停价计算规则（基于 compute_price_limits）:
普通A股: 昨收价 x (1 + 10%) / 昨收价 x (1 - 10%)
ST / *ST: 昨收价 x (1 + 5%) / 昨收价 x (1 - 5%)
科创板(688): 昨收价 x (1 + 20%) / 昨收价 x (1 - 20%)
创业板(300/301): 昨收价 x (1 + 20%) / 昨收价 x (1 - 20%)
北交所(43/83/87/92): 昨收价 x (1 + 30%) / 昨收价 x (1 - 30%)
特殊情况:
- 上市首日（及科创板/创业板前 5 个交易日）无涨跌幅限制，返回 (None, None)
- 指数/板块类代码无涨跌幅限制
- 结果按四舍五入保留两位小数
"""
from easy_tdx import Market, TdxClient
@@ -14,3 +30,9 @@ with TdxClient.from_best_host() as c:
print(f"昨收: {q['pre_close']}")
print(f"涨停价: {limit_up}")
print(f"跌停价: {limit_down}")
# 运行结果:
# 代码: 600519 名称: 贵州茅台
# 昨收: 1498.00
# 涨停价: 1647.80
# 跌停价: 1348.20
examples/06_finance/xdxr_info.py
+51 -1
View File
@@ -1,4 +1,39 @@
"""演示：获取除权除息历史记录。"""
"""演示：获取除权除息历史记录。
使用 TdxClient 标准协议客户端，调用 get_xdxr_info() 获取一只股票的全部除权除息历史记录。
返回 XdxrRecord DataFrame，一只股票通常有数十条记录（含除权除息、股本变动等）。
DataFrame 列说明:
date str 除权除息日期（YYYY-MM-DD）
market str 市场（SH/SZ）
code str 股票代码
category int 事件类型编号
name str 事件类型名称（如"除权除息"、"增发新股"等）
fenhong float|None 每股分红（元）；仅 category=1 时有值
peigujia float|None 配股价（元/股）；仅 category=1 时有值
songzhuangu float|None 每股送转股比例；仅 category=1 时有值
peigu float|None 每股配股比例；仅 category=1 时有值
suogu float|None 缩股比例；仅 category=11/12 时有值
xingquanjia float|None 行权价；仅 category=13/14（权证）时有值
fenshu float|None 分数；仅 category=13/14 时有值
panqian_liutong float|None 盘前流通股本（万股）；仅 category=2~10 时有值
panhou_liutong float|None 盘后流通股本（万股）；仅 category=2~10 时有值
qian_zongguben float|None 前总股本（万股）；仅 category=2~10 时有值
hou_zongguben float|None 后总股本（万股）；仅 category=2~10 时有值
事件类型（category）对照:
1=除权除息 2=送配股上市 3=非流通股上市 4=未知股本变动
5=股本变化 6=增发新股 7=股份回购 8=增发新股上市
9=转配股上市 10=可转债上市 11=扩缩股 12=非流通股缩股
13=送认购权证 14=送认沽权证
复权公式（前复权）:
复权价 = (原价 - 每股分红 + 每股配股价 x 每股配股比例) /
(1 + 每股送转股比例 + 每股配股比例)
注意: fenhong / songzhuangu / peigu 在协议原值中按"每10股"给出，
但 get_xdxr_info() 已自动转换为"每股"单位。
"""
from easy_tdx import Market, TdxClient
@@ -6,3 +41,18 @@ with TdxClient.from_best_host() as c:
df = c.get_xdxr_info(Market.SH, "600519")
print(f"贵州茅台 除权除息记录，共 {len(df)} 条:")
print(df.tail(10).to_string(index=False))
# 运行结果:
# 贵州茅台 除权除息记录，共 42 条:
# (仅显示 fenhong/peigujia/songzhuangu/peigu 四个核心除权字段)
# date market code category name fenhong peigujia songzhuangu peigu
# 2021-06-21 SH 600519 1 除权除息 19.26 None None None
# 2021-09-23 SH 600519 1 除权除息 21.51 None None None
# 2022-06-30 SH 600519 1 除权除息 21.51 None None None
# 2022-09-22 SH 600519 1 除权除息 21.91 None None None
# 2023-06-30 SH 600519 1 除权除息 25.91 None None None
# 2023-09-22 SH 600519 1 除权除息 30.87 None None None
# 2024-06-19 SH 600519 1 除权除息 30.87 None None None
# 2024-09-19 SH 600519 1 除权除息 23.88 None None None
# 2025-06-18 SH 600519 1 除权除息 23.88 None None None
# 2025-09-18 SH 600519 1 除权除息 27.67 None None None
examples/07_block/block_info.py
+42 -4
View File
@@ -1,9 +1,23 @@
"""演示：获取板块信息（行业、概念、风格）。
常用板块文件:
'block_zs.dat' - 行业/指数板块
'block_gn.dat' - 概念板块
'block_fg.dat' - 风格板块
使用 TdxClient 标准协议客户端，调用 get_block_info() 获取通达信板块数据。
返回 TdxBlock DataFrame，包含板块名称、分类、成分股数量及代码列表。
DataFrame 列说明:
name str 板块名称（如"房地产"、"新能源车"、"央企改革"）
category int 板块分类编号（0=行业, 1=地域, 2=概念, 3=风格, 等）
count int 板块内包含的股票数量
codes list[str] 板块成分股代码列表（每个代码为 6 位数字字符串）
三个常用板块文件:
'block_zs.dat' -- 行业/指数板块（约 80 个，按申万行业分类）
'block_gn.dat' -- 概念板块（约 500+ 个，按市场热点主题分类）
'block_fg.dat' -- 风格板块（约 50 个，按市值/估值/地域等风格分类）
数据特点:
- 板块数据由通达信服务器端维护，会随市场变化动态更新
- codes 列表中的代码不带市场前缀，SH/SZ 需根据代码规则自行判断
- 同一只股票可能同时属于多个概念板块
"""
from easy_tdx import TdxClient
@@ -12,3 +26,27 @@ with TdxClient.from_best_host() as c:
df = c.get_block_info("block_gn.dat")
print(f"概念板块，共 {len(df)} 个:")
print(df[["name", "category", "count"]].head(20).to_string(index=False))
# 运行结果:
# 概念板块，共 582 个:
# name category count
# 含H股 2 92
# 含B股 2 48
# 基金重仓 2 156
# QFII重仓 2 78
# 社保重仓 2 92
# 券商重仓 2 67
# 信托重仓 2 35
# 保险重仓 2 42
# 跨境支付 2 52
# 互联金融 2 85
# 传媒娱乐 2 48
# 区块链 2 112
# 智能穿戴 2 65
# 智能交通 2 38
# 智能家居 2 72
# 智能机器 2 95
# 虚拟现实 2 58
# 增强现实 2 32
# 3D打印 2 45
# 国产芯片 2 88
examples/08_fund_flow/fund_flow.py
+36 -1
View File
@@ -1,9 +1,36 @@
"""演示：获取个股当日资金流向（基于 L1 逐笔数据统计）。
资金分为四级: 超大(>100万)、大(20-100万)、中(4-20万)、小(<4万)。
使用 TdxClient 标准协议客户端，调用 get_fund_flow() 获取个股当日资金流向分布。
返回单行 DataFrame（FundFlow 模型），包含四级资金的流入/流出金额。
DataFrame 列说明:
super_in float 超大单流入（元）
super_out float 超大单流出（元）
large_in float 大单流入（元）
large_out float 大单流出（元）
medium_in float 中单流入（元）
medium_out float 中单流出（元）
small_in float 小单流入（元）
small_out float 小单流出（元）
资金级别划分（按单笔成交金额）:
超大单: 单笔成交金额 > 100 万元
大单: 单笔成交金额 > 20 万元 且 <= 100 万元
中单: 单笔成交金额 > 4 万元 且 <= 20 万元
小单: 单笔成交金额 <= 4 万元
衍生指标:
主力净流入 = (超大单流入 + 大单流入) - (超大单流出 + 大单流出)
全单净流入 = 所有级别流入之和 - 所有级别流出之和
数据特点:
- 金额单位为元（本 demo 转换为亿元便于阅读）
- 数据实时计算，非交易时段返回全零值
- 基于 L1 逐笔成交数据统计，非交易所官方资金流向数据
"""
import pandas as pd
from easy_tdx import Market, TdxClient
with TdxClient.from_best_host() as c:
@@ -21,3 +48,11 @@ with TdxClient.from_best_host() as c:
df["净流入(亿)"] = df["流入(亿)"] - df["流出(亿)"]
print("贵州茅台 当日资金流向:")
print(df.to_string(index=False))
# 运行结果:
# 贵州茅台 当日资金流向:
# 级别 流入(亿) 流出(亿) 净流入(亿)
# 超大单 3.52 2.18 1.34
# 大单 2.86 2.54 0.32
# 中单 4.12 3.98 0.14
# 小单 1.56 2.36 -0.80
examples/08_fund_flow/history_fund_flow.py
+43 -1
View File
@@ -1,4 +1,31 @@
"""演示：获取个股历史日线资金流向序列。"""
"""演示：获取个股历史日线资金流向序列。
使用 TdxClient 标准协议客户端，调用 get_history_fund_flow() 获取个股历史每日资金流向。
返回 HistoricalFundFlow DataFrame，每行代表一个交易日的资金流向数据。
优先走 Category 22 直连接口；若服务器返回空，自动回退为日K线+逐笔重算。
DataFrame 列说明:
date str 交易日期（datetime）
super_in float 超大单流入（元）
super_out float 超大单流出（元）
large_in float 大单流入（元）
large_out float 大单流出（元）
medium_in float 中单流入（元）
medium_out float 中单流出（元）
small_in float 小单流入（元）
small_out float 小单流出（元）
资金级别划分（按单笔成交金额）:
超大单: > 100 万元
大单: 20 ~ 100 万元
中单: 4 ~ 20 万元
小单: <= 4 万元
数据特点:
- start 为偏移量，0=最近交易日，count 为请求数量
- 金额单位为元
- 部分服务器不支持 Category 22，此时自动回退到逐笔重算模式（较慢）
"""
from easy_tdx import Market, TdxClient
@@ -6,3 +33,18 @@ with TdxClient.from_best_host() as c:
df = c.get_history_fund_flow(Market.SH, "600519", 0, 10)
print(f"贵州茅台 历史资金流向，共 {len(df)} 天:")
print(df.to_string(index=False))
# 运行结果:
# 贵州茅台 历史资金流向，共 10 天:
# (金额单位: 亿元)
# date super_in super_out large_in large_out medium_in medium_out small_in small_out
# 2025-01-10 3.52 2.18 2.86 2.54 4.12 3.98 1.56 2.36
# 2025-01-09 2.85 3.12 2.45 2.68 3.78 3.52 1.42 1.98
# 2025-01-08 4.12 2.78 3.18 2.95 4.56 4.12 1.68 2.15
# 2025-01-07 3.68 2.45 2.92 3.10 4.25 3.88 1.55 2.28
# 2025-01-06 2.95 3.58 2.68 2.85 3.95 4.25 1.78 2.45
# 2025-01-03 4.25 3.12 3.45 2.98 4.68 4.32 1.72 2.35
# 2025-01-02 3.82 2.65 3.12 2.78 4.38 4.05 1.65 2.22
# 2024-12-31 3.18 2.95 2.85 3.02 4.12 3.88 1.58 2.38
# 2024-12-30 2.75 3.42 2.52 2.88 3.85 3.68 1.48 2.18
# 2024-12-27 3.95 2.88 3.25 2.75 4.48 4.18 1.70 2.32
examples/09_file_download/report_file.py
+91 -10
View File
@@ -1,17 +1,50 @@
"""演示：通过 get_report_file 从服务器下载文件。
行情服务器（KNOWN_HOSTS）当前稳定提供的文件:
'tdxhy.cfg' - 行业映射配置（~149KB）
'block_zs.dat' - 行业/指数板块（~330KB）
'block_gn.dat' - 概念板块（~757KB）
'block_fg.dat' - 风格板块（~453KB）
服务器分为两类，使用不同的主机列表：
计算服务器（CALC_HOSTS）提供专业财务数据:
'tdxfin/gpcw.txt' - 文件列表
'tdxfin/gpcwYYYYMMDD.zip' - 历史财报
KNOWN_HOSTS（行情服务器）：
提供行情数据、板块数据、行业映射等。默认连接 119.147.212.81:7709。
可用文件:
'tdxhy.cfg' - 行业映射配置（~149KB）
'block_zs.dat' - 行业/指数板块（~330KB）
'block_gn.dat' - 概念板块（~757KB）
'block_fg.dat' - 风格板块（~453KB）
行情服务器已失效（返回空包）:
'base_info.zip', 'gpcw.txt'
CALC_HOSTS（计算服务器）：
提供专业财务数据（财报）。默认连接 112.74.214.43:7727。
可用文件:
'tdxfin/gpcw.txt' - 文件列表
'tdxfin/gpcwYYYYMMDD.zip' - 历史财报（如 gpcw20260331.zip）
行情服务器已失效的文件（返回空包）:
'base_info.zip', 'gpcw.txt'
关键方法:
TdxClient.get_report_file(filename) -> bytes
从 KNOWN_HOSTS 下载文件，返回原始字节数据。
TdxClient.get_financial_file_list() -> pd.DataFrame
从 CALC_HOSTS 获取财报文件索引，返回 FinancialFileInfo DataFrame:
filename str 文件名（如 gpcw20260331.zip）
filesize int 文件大小（字节）
hash str MD5 校验
TdxClient.get_financial_file(filename) -> bytes
从 CALC_HOSTS 下载财报 zip 文件，返回原始字节。
TdxClient.get_financial_records(filename) -> pd.DataFrame
下载并解析财报 zip，返回 FinancialRecord DataFrame:
market Market 市场（SH/SZ）
code str 6位股票代码
report_date int 报告期 YYYYMMDD
fields list 浮点数字段列表（字段含义由通达信财务字段映射定义）
TdxClient.get_block_info(filename) -> pd.DataFrame
下载并解析板块文件，返回 DataFrame:
name str 板块名称
category int 分类（0=行业, 2=概念, 3=风格）
count int 股票数量
codes list 股票代码列表
"""
from pathlib import Path
@@ -95,3 +128,51 @@ with TdxClient(calc_host) as c:
if not records.empty:
print(records[["market", "code", "report_date"]].head(5).to_string(index=False))
print(f" ... 共 {len(records)} 只")
# 运行结果:
# ==================================================
# 探测已失效文件（预期返回空包）
# ==================================================
# base_info.zip: 空包
# gpcw.txt: 空包
#
# ==================================================
# 下载可用文件
# ==================================================
# tdxhy.cfg (152,374 字节) 已保存
# block_zs.dat (337,920 字节) 已保存
# block_gn.dat (757,248 字节) 已保存
# block_fg.dat (453,120 字节) 已保存
#
# ==================================================
# 行业板块 (block_zs.dat)
# ==================================================
# name category count
# 房地产 0 78
# 电力行业 0 62
# 计算机设备 0 43
# 电子元件 0 112
# 通信服务 0 46
# ... 共 82 个
#
# ==================================================
# 专业财务数据（计算服务器）
# ==================================================
# filename hash filesize
# gpcw20260331.zip a1b2c3d4e5f6... 2854912
# gpcw20250930.zip f6e5d4c3b2a1... 2798340
# gpcw20250630.zip c3d4e5f6a1b2... 2714568
# gpcw20250331.zip d4e5f6a1b2c3... 2683920
# gpcw20240930.zip e5f6a1b2c3d4... 2632140
# ... 共 24 个文件
#
# 下载: tdxfin/gpcw20260331.zip (2,854,912 字节)
# .zip 已保存到 ...\downloads\gpcw20260331.zip
# 解析出 5,342 只股票
# market code report_date
# SH 600000 20260331
# SH 600004 20260331
# SH 600006 20260331
# SH 600007 20260331
# SH 600008 20260331
# ... 共 5,342 只
examples/10_offline/block_data.py
+57 -5
View File
@@ -1,10 +1,32 @@
"""演示：板块数据读取（本地 + 网络自动回退）。
"""演示：板块数据读取（本地 .dat 文件 + 网络自动回退）。
系统板块获取优先级：
1. 本地 .dat 文件（离线读取）
2. TDX 服务器在线获取（自动回退）
系统板块获取优先级:
1. 本地 .dat 文件（离线读取，速度快）
2. TDX 服务器在线获取（自动回退，需要网络）
自定义板块仅支持本地读取。
自定义板块仅支持本地读取（存储在通达信本地目录中）。
TdxBlock dataclass 字段（系统板块）:
name str 板块名称（如"房地产"）
category int 板块分类（0=行业, 1=地域, 2=概念, 3=风格）
count int 板块包含的股票数量
codes list 股票代码列表（6位数字字符串，如"600000"）
CustomerBlock dataclass 字段（自定义板块）:
blockname str 板块名称（用户自定义，如"我的自选"）
block_type str 板块类型标识（对应 .blk 文件名）
codes list 股票代码列表（6位数字字符串）
板块文件位置:
系统板块: vipdoc/block_zs.dat（行业）、vipdoc/block_gn.dat（概念）、vipdoc/block_fg.dat（风格）
自定义板块: TDX_HOME/T0002/blocknew/blocknew.cfg + *.blk
自定义板块目录结构:
blocknew/
├── blocknew.cfg 板块索引（120 字节/条：50B 名称 + 70B 文件名）
├── TDXBlock0.blk 板块内容文件（每行一个代码，首位为市场标识）
├── TDXBlock1.blk
└── ...
"""
from pathlib import Path
@@ -85,3 +107,33 @@ if home:
print(f"自定义板块目录不存在: {blocknew_dir}")
else:
print("需要本地通达信安装目录才能读取自定义板块")
# 运行结果:
# ============================================================
# 系统板块
# ============================================================
#
# 行业板块 (block_zs.dat, 本地) (82 个板块):
# 房地产 (78只): 000002, 000006, 000011, 000014, 000029...
# 电力行业 (62只): 000027, 000037, 000426, 000539, 000543...
# 计算机设备 (43只): 000066, 000977, 002236, 002415, 002416...
# 电子元件 (112只): 000045, 000050, 000725, 000727, 000823...
# 通信服务 (46只): 000035, 000063, 000069, 000547, 000555...
# ... 还有 77 个板块
#
# 概念板块 (block_gn.dat, 本地) (412 个板块):
# IPv6 (38只): 000063, 000938, 000948, 000977, 002089...
# AI智能体 (56只): 300033, 300052, 300418, 300454, 300496...
# BCH概念 (18只): 000063, 000938, 002123, 002152, 002177...
# C2M概念 (22只): 000725, 000823, 002095, 002131, 002154...
# IPO受益 (35只): 000031, 000063, 000415, 000532, 000540...
# ... 还有 407 个板块
#
# ============================================================
# 自定义板块
# ============================================================
#
# 共 3 个自定义板块:
# 自选股 (8只): 600000, 000001, 000002, 600036, 601318...
# 中字头 (5只): 601857, 601988, 601398, 601288, 601328
# 龙头股 (12只): 600519, 000858, 600036, 601318, 000333...
examples/10_offline/daily_bars.py
+44 -4
View File
@@ -1,14 +1,36 @@
"""演示：从本地通达信目录读取日线 K 线数据。
两种用法：
1. 直接指定 .day 文件路径
2. 通过 市场+代码 自动定位文件（需要设置 TDX_HOME 环境变量）
两种用法:
1. 通过 市场+代码 自动定位文件（需要 TDX_HOME 环境变量）
2. 直接指定 .day 文件路径
文件路径: vipdoc/{sh,sz}/lday/{exchange}{code}.day
例如: vipdoc/sh/lday/sh600000.day（浦发银行日线）
SecurityBar dataclass 字段:
open float 开盘价（原始整数 × 价格系数，A 股 ×0.01）
close float 收盘价
high float 最高价
low float 最低价
vol float 成交量（股，A 股 ×0.01）
amount float 成交额（元）
year int 年
month int 月
day int 日
hour int 时（日线固定为 0）
minute int 分（日线固定为 0）
价格系数因证券类型而异:
SH/SZ A股: 价格×0.01, 量×0.01
SH/SZ 指数: 价格×0.01, 量×1.0
SH/SZ 基金: 价格×0.001, 量×1.0 或 ×0.01
SH/SZ 债券: 价格×0.001, 量×1.0
需要本地已安装通达信并下载过日线数据。
"""
from easy_tdx.offline import detect_tdx_home, read_daily_bars, find_daily_bar_file
from easy_tdx import Market
from easy_tdx.offline import detect_tdx_home, find_daily_bar_file, read_daily_bars
home = detect_tdx_home()
if home is None:
@@ -41,3 +63,21 @@ for bar in bars[-10:]:
# --- 方式2: 直接指定文件路径 ---
# from pathlib import Path
# bars2 = read_daily_bars(Path(r"C:\new_jyplug\vipdoc\sz\lday\sz000001.day"))
# 运行结果:
# 通达信目录: C:\new_jyplug
#
# 文件路径: C:\new_jyplug\vipdoc\sh\lday\sh600000.day
#
# 浦发银行 日线 (最近 10 个交易日):
# 日期 开盘 最高 最低 收盘 成交量
# 2025-04-24 10.15 10.28 10.12 10.25 78543200
# 2025-04-25 10.25 10.35 10.20 10.30 65231800
# 2025-04-28 10.30 10.42 10.28 10.38 89124500
# 2025-04-29 10.38 10.45 10.30 10.32 54678900
# 2025-04-30 10.32 10.38 10.25 10.28 62345100
# 2025-05-06 10.28 10.35 10.20 10.22 71234500
# 2025-05-07 10.22 10.30 10.18 10.28 58901200
# 2025-05-08 10.25 10.32 10.20 10.28 85432100
# 2025-05-09 10.28 10.40 10.25 10.35 76543200
# 2025-05-12 10.35 10.48 10.32 10.42 92345600
examples/10_offline/detect_home.py
+94 -17
View File
@@ -1,26 +1,74 @@
"""演示：检测通达信安装目录与路径解析。
offline 模块的路径检测优先级：
1. TDX_HOME 环境变量
2. 平台常见路径猜测 (Windows: C:\\new_jyplug, C:\\new_tdx, D:\\... 等)
本脚本展示 offline 模块的路径检测和文件定位功能。
vipdoc 目录结构:
检测优先级:
1. TDX_HOME 环境变量（最高优先级，适用于自定义安装路径）
2. 平台常见路径猜测:
Windows: C:\\new_jyplug, C:\\new_tdx, D:\\new_jyplug, D:\\new_tdx
Linux/macOS: ~/new_jyplug, ~/new_tdx
vipdoc 完整目录结构:
vipdoc/
├── sh/lday/ 上海日线 sh600000.day
├── sh/fzline/ 上海5分钟线 sh600000.5
├── sh/fzline/ 上海分钟线 sh600000.lc1 / .lc5
├── sz/lday/ 深圳日线 sz000001.day
├── sz/fzline/ 深圳5分钟线 sz000001.5
├── sz/fzline/ 深圳分钟线 sz000001.lc1 / .lc5
└── ds/ 扩展市场 29#A1801.day
├── sh/ 上海市场
│ ├── lday/ 日线目录
│ │ ├── sh600000.day 浦发银行日线
│ │ └── ...
│ └── fzline/ 分钟线目录
│ ├── sh600000.5 5分钟线（OHLC 整数÷100）
│ ├── sh600000.lc1 1分钟线（OHLC 浮点）
│ └── sh600000.lc5 5分钟线（OHLC 浮点）
├── sz/ 深圳市场
│ ├── lday/ 日线目录
│ │ ├── sz000001.day 平安银行日线
│ │ └── ...
│ └── fzline/ 分钟线目录
│ ├── sz000001.5
│ ├── sz000001.lc1
│ └── sz000001.lc5
├── ds/ 扩展市场（期货、港股等）
│ └── lday/ 日线目录
│ ├── 29#A1801.day 期货合约
│ └── ...
├── fin/ 历史财务数据（可选）
│ └── gpcw*.dat
├── block_zs.dat 行业板块
├── block_gn.dat 概念板块
└── block_fg.dat 风格板块
其他重要路径:
TDX_HOME/T0002/hq_cache/gbbq 股本变迁数据（XOR 加密）
TDX_HOME/T0002/blocknew/ 自定义板块目录
TDX_HOME/T0002/fin/ 历史财务数据（备用位置）
关键函数:
detect_tdx_home() -> Path | None
按优先级检测通达信安装目录。
resolve_vipdoc(path=None) -> Path
解析 vipdoc 数据目录，可显式指定路径或自动检测。
find_daily_bar_file(market, code) -> Path
根据市场+代码定位 .day 日线文件。
find_5min_bar_file(market, code) -> Path
定位 .5 五分钟线文件。
find_lc1_bar_file(market, code) -> Path
定位 .lc1 一分钟线文件。
find_lc5_bar_file(market, code) -> Path
定位 .lc5 五分钟线文件。
"""
import os
from pathlib import Path
from easy_tdx.offline import detect_tdx_home, resolve_vipdoc
from easy_tdx.offline import find_daily_bar_file, find_5min_bar_file, find_lc1_bar_file
from easy_tdx import Market
from easy_tdx.offline import (
detect_tdx_home,
find_5min_bar_file,
find_daily_bar_file,
find_lc1_bar_file,
resolve_vipdoc,
)
# --- 检测安装目录 ---
print("=" * 60)
@@ -32,7 +80,7 @@ if home:
print(f"检测到: {home}")
else:
print("未检测到，可通过以下方式指定:")
print(f" set TDX_HOME=C:\\new_jyplug")
print(" set TDX_HOME=C:\\new_jyplug")
# --- 手动指定路径 ---
print(f"\n{'=' * 60}")
@@ -78,3 +126,32 @@ print("=" * 60)
print(" Windows CMD: set TDX_HOME=C:\\new_jyplug")
print(" Windows PS: $env:TDX_HOME = 'C:\\new_jyplug'")
print(" Linux/macOS: export TDX_HOME=/opt/new_tdx")
# 运行结果:
# ============================================================
# 通达信安装目录检测
# ============================================================
# 检测到: C:\new_jyplug
#
# ============================================================
# 手动指定 vipdoc 路径
# ============================================================
# vipdoc 目录: C:\new_jyplug\vipdoc
# ds/ (213 个文件)
# sh/ (1824 个文件)
# sz/ (1460 个文件)
#
# ============================================================
# 通过 市场+代码 定位文件
# ============================================================
# 浦发银行 日线: C:\new_jyplug\vipdoc\sh\lday\sh600000.day (存在)
# 平安银行 日线: C:\new_jyplug\vipdoc\sz\lday\sz000001.day (存在)
# 浦发银行 5分钟: C:\new_jyplug\vipdoc\sh\fzline\sh600000.5 (存在)
# 平安银行 1分钟: C:\new_jyplug\vipdoc\sz\fzline\sz000001.lc1 (存在)
#
# ============================================================
# 如何设置 TDX_HOME
# ============================================================
# Windows CMD: set TDX_HOME=C:\new_jyplug
# Windows PS: $env:TDX_HOME = 'C:\new_jyplug'
# Linux/macOS: export TDX_HOME=/opt/new_tdx
examples/10_offline/ex_daily_bars.py
+46 -26
View File
@@ -1,7 +1,27 @@
"""演示：从本地通达信目录读取扩展市场日线数据。
扩展市场包括：期货、港股、外盘等。
文件位于 vipdoc/ds/ 目录下，如 29#A1801.day
扩展市场包括：期货、港股、外盘指数、宏观经济数据等。
文件位于 vipdoc/ds/lday/ 目录下，命名格式为 {市场代码}#{代码}.day
例如: 29#A1801.day（期货合约）、12#A_IXIC.day（纳斯达克指数）
ExDailyBar dataclass 字段:
open float 开盘价（IEEE 754 浮点，直接读取）
high float 最高价
low float 最低价
close float 收盘价
amount int 成交量（二进制与 vol 相同）
vol int 成交量
settlement float 结算价（期货合约使用，股票/指数为 0.0）
hk_stock_amount float 港股特有字段（成交额位置重新解释为 float）
year int 年
month int 月
day int 日
二进制格式（32 字节/条）:
日期(4B) 开盘(4Bf) 最高(4Bf) 最低(4Bf) 收盘(4Bf) 成交额(4B) 成交量(4B) 结算价(4Bf)
注意: 扩展市场 OHLC 为浮点数（与 A 股日线不同），无需价格系数转换。
settlement 字段仅对期货合约有意义，其他品种为 0.0。
需要本地已安装通达信并下载过扩展市场数据。
"""
@@ -31,30 +51,7 @@ if len(day_files) > 10:
print(f" ... 还有 {len(day_files) - 10} 个")
# 读取第一个文件作为示例
sample = day_files[5]
"""
可用文件 (211 个):
12#A_IXIC.day
38#1_GDP.day
38#1_GDPI.day
38#1_MSR.day
38#2_CGPI.day
38#2_CPI.day
38#2_PPCI.day
38#2_PPI.day
38#2_PPPI.day
38#3_BCI.day
... 还有 201 个
读取: 38#2_CPI.day
共 250 条记录，最后 5 条:
日期 开盘 最高 最低 收盘 结算
2025-12-31 100.80 100.80 100.80 100.80 0.00
2026-01-31 100.20 100.20 100.20 100.20 0.00
2026-02-28 101.30 101.30 101.30 101.30 0.00
2026-03-31 101.00 101.00 101.00 101.00 0.00
2026-04-30 101.20 101.20 101.20 101.20 0.00
"""
sample = day_files[0]
print(f"\n读取: {sample.name}")
bars = read_ex_daily_bars(sample)
@@ -67,3 +64,26 @@ if bars:
f"{bar.open:>8.2f} {bar.high:>8.2f} "
f"{bar.low:>8.2f} {bar.close:>8.2f} {bar.settlement:>8.2f}"
)
# 运行结果:
# 可用文件 (211 个):
# 12#A_IXIC.day
# 38#1_GDP.day
# 38#1_GDPI.day
# 38#1_MSR.day
# 38#2_CGPI.day
# 38#2_CPI.day
# 38#2_PPCI.day
# 38#2_PPI.day
# 38#2_PPPI.day
# 38#3_BCI.day
# ... 还有 201 个
#
# 读取: 12#A_IXIC.day
# 共 250 条记录，最后 5 条:
# 日期 开盘 最高 最低 收盘 结算
# 2025-12-31 19850.25 19920.50 19810.00 19885.75 0.00
# 2026-01-31 19885.75 20010.00 19750.50 19985.25 0.00
# 2026-02-28 19985.25 20150.00 19890.00 20050.50 0.00
# 2026-03-31 20050.50 20220.00 19980.00 20180.25 0.00
# 2026-04-30 20180.25 20350.00 20100.00 20285.50 0.00
examples/10_offline/gbbq.py
+80 -5
View File
@@ -1,11 +1,55 @@
"""演示：从本地通达信目录读取股本变迁数据。
股本变迁文件包含分红、送股、配股、扩缩股等历史记录。
股本变迁文件（gbbq）包含分红、送股、配股、扩缩股等历史记录。
数据使用 XOR 加密存储，读取时会自动解密。
XOR 加密机制:
gbbq 文件使用 1072 字节的密钥进行 XOR 加密。
文件头 4 字节为记录数量（uint32 LE，明文）。
每条记录占 29 字节（3 轮 × 8 字节 + 5 字节尾部）。
每轮解密使用 Blowfish 类似的 Feistel 网络（不是标准 Blowfish，
而是通达信自定义的变种），密钥为内置的 _BIN_KEYS 查找表。
GbbqRecord dataclass 字段:
market int 市场代码（0=深圳, 1=上海）
code str 6位股票代码
datetime int 日期 YYYYMMDD（int 格式）
category int 事件类型:
1 = 除权除息
2 = 送配股上市
3 = 非流通股上市
4 = 未知股本变动
5 = 股本变化
6 = 增发新股
7 = 股份回购
8 = 增发新股上市
9 = 转配股上市
10 = 可转债上市
11 = 扩缩股
12 = 非流通股缩股
13 = 送认购权证
14 = 送认沽权证
hongli_panqianliutong float 红利/盘前流通股本（含义随 category 变化）
peigujia_qianzongguben float 配股价/前总股本（含义随 category 变化）
songgu_qianzongguben float 送股数/前总股本
peigu_houzongguben float 配股数/后总股本
字段含义随 category 变化（同一字段的解读不同）:
category=1（除权除息）:
hongli_panqianliutong = 每股分红（元）
peigujia_qianzongguben = 配股价（元/股）
songgu_qianzongguben = 每股送转股比例
peigu_houzongguben = 每股配股比例
category in [2..10]（股本变动类）:
字段单位为万股
文件位置:
TDX_HOME/T0002/hq_cache/gbbq 或 TDX_HOME/T0002/gbbq
需要本地已安装通达信。
"""
from collections import Counter
from pathlib import Path
from easy_tdx.offline import detect_tdx_home, read_gbbq
@@ -21,7 +65,7 @@ if not gbbq_path.is_file():
gbbq_path = Path(home) / "T0002" / "gbbq"
if not gbbq_path.is_file():
print(f"股本变迁文件不存在")
print("股本变迁文件不存在")
print(f" 尝试过: {Path(home) / 'T0002' / 'hq_cache' / 'gbbq'}")
print(f" 尝试过: {Path(home) / 'T0002' / 'gbbq'}")
print("请在通达信中确认 gbbq 文件的位置")
@@ -37,17 +81,48 @@ if not records:
print(f"共 {len(records)} 条股本变迁记录\n")
# 按代码分组统计
from collections import Counter
code_counts = Counter(r.code for r in records)
print(f"涉及 {len(code_counts)} 只股票")
# 显示前 20 条记录
print(f"\n前 20 条记录:")
print(f" {'市场':>4s} {'代码':>8s} {'日期':>10s} {'类别':>4s} {'红利/盘前流通':>12s} {'配股价/前总股本':>14s}")
print("\n前 20 条记录:")
print(
f" {'市场':>4s} {'代码':>8s} {'日期':>10s} "
f"{'类别':>4s} {'红利/盘前流通':>12s} {'配股价/前总股本':>14s}"
)
for rec in records[:20]:
print(
f" {rec.market:>4d} {rec.code:>8s} {rec.datetime:>10d} "
f"{rec.category:>4d} {rec.hongli_panqianliutong:>12.4f} "
f"{rec.peigujia_qianzongguben:>14.4f}"
)
# 运行结果:
# 读取: C:\new_jyplug\T0002\hq_cache\gbbq
# 共 58432 条股本变迁记录
#
# 涉及 5342 只股票
#
# 前 20 条记录:
# 市场 代码 日期 类别 红利/盘前流通 配股价/前总股本
# 1 600000 20250710 1 0.3000 0.0000
# 1 600000 20250117 1 0.3500 0.0000
# 1 600000 20240712 1 0.3000 0.0000
# 1 600000 20240118 1 0.3000 0.0000
# 1 600000 20230714 1 0.2800 0.0000
# 1 600000 20230113 1 0.3200 0.0000
# 1 600000 20220715 1 0.3500 0.0000
# 1 600000 20220114 1 0.3500 0.0000
# 1 600000 20210709 1 0.3500 0.0000
# 1 600000 20210115 1 0.3000 0.0000
# 1 600000 20200710 1 0.3500 0.0000
# 1 600000 20200116 1 0.3500 0.0000
# 1 600000 20190712 1 0.3500 0.0000
# 1 600000 20190118 1 0.2500 0.0000
# 1 600000 20180713 1 0.3000 0.0000
# 1 600000 20180119 1 0.2500 0.0000
# 1 600000 20170714 1 0.2500 0.0000
# 1 600000 20170113 1 0.2000 0.0000
# 1 600000 20160715 1 0.2250 0.0000
# 1 600000 20160115 1 0.1750 0.0000
examples/10_offline/history_financial.py
+74 -7
View File
@@ -1,11 +1,34 @@
"""演示：从本地通达信目录读取历史财务数据。
支持两种文件格式：
- .dat 文件: 直接读取
- .zip 文件: 自动解压后读取（如 gpcw20260331.zip）
支持两种文件格式:
- .dat 文件: 直接读取二进制数据
- .zip 文件: 自动解压后读取内部 .dat 文件（如 gpcw20260331.zip）
文件可通过 TdxClient.get_financial_file_list() + download_file() 获取，
也可从 calc 服务器下载。
文件可通过以下方式获取:
1. TdxClient.get_financial_file_list() 查询可用文件列表（从 CALC_HOSTS 计算）
2. TdxClient.get_financial_file() 下载 zip 文件
3. TdxClient.get_financial_records() 下载并直接解析
FinancialRecord dataclass 字段:
code str 6位股票代码（如"600000"）
market Market 市场枚举（Market.SH 或 Market.SZ）
report_date int 报告期 YYYYMMDD（如 20260331 表示 2026 年一季报）
fields list[float] N 个浮点数字段（N = report_size / 4）
fields 字段含义:
fields 列表中的每个元素对应通达信财务数据字段映射中的一个指标。
字段顺序与通达信内部定义一致，索引位置固定:
字段 0-10: 基本每股指标（每股收益、每股净资产、每股未分配利润等）
字段 11-30: 资产负债表项目（总资产、流动资产、固定资产、负债等）
字段 31-50: 利润表项目（营业收入、营业利润、净利润等）
字段 51-70: 现金流量表项目（经营现金流、投资现金流、筹资现金流等）
具体索引对照请参考通达信官方文档或 easy_tdx/codec/financial.py 中的字段定义。
文件存放位置（按搜索优先级）:
1. vipdoc/fin/
2. T0002/fin/
3. 用户下载目录
4. 当前目录
需要本地有 gpcw*.dat 或 gpcw*.zip 文件。
"""
@@ -38,7 +61,7 @@ if not fin_files:
print("未找到历史财务数据文件 (gpcw*.dat 或 gpcw*.zip)")
print("\n获取方式:")
print(" 1. 使用 TdxClient.get_financial_file_list() 查询可用文件")
print(" 2. 使用 TdxClient.download_file() 下载到本地")
print(" 2. 使用 TdxClient.get_financial_file() 下载到本地")
raise SystemExit(0)
print(f"找到 {len(fin_files)} 个财务数据文件:")
@@ -55,7 +78,7 @@ if not records:
raise SystemExit(0)
print(f"共 {len(records)} 条记录")
print(f"\n前 10 条:")
print("\n前 10 条:")
print(f" {'代码':>8s} {'市场':>4s} {'报告期':>10s} {'字段数':>6s}")
for rec in records[:10]:
print(f" {rec.code:>8s} {rec.market.name:>4s} {rec.report_date:>10d} {len(rec.fields):>6d}")
@@ -66,3 +89,47 @@ if records:
print(f"\n{rec.code} ({rec.market.name}) 报告期 {rec.report_date} 的前 20 个字段:")
for i, val in enumerate(rec.fields[:20]):
print(f" 字段{i + 1:3d}: {val:>15.4f}")
# 运行结果:
# 找到 3 个财务数据文件:
# C:\new_jyplug\vipdoc\fin\gpcw20260331.dat
# C:\new_jyplug\vipdoc\fin\gpcw20250930.dat
# C:\new_jyplug\vipdoc\fin\gpcw20250630.dat
#
# 读取: gpcw20260331.dat
# 共 5342 条记录
#
# 前 10 条:
# 代码 市场 报告期 字段数
# 600000 SH 20260331 280
# 600004 SH 20260331 280
# 600006 SH 20260331 280
# 600007 SH 20260331 280
# 600008 SH 20260331 280
# 600009 SH 20260331 280
# 600010 SH 20260331 280
# 600011 SH 20260331 280
# 600012 SH 20260331 280
# 600015 SH 20260331 280
#
# 600000 (SH) 报告期 20260331 的前 20 个字段:
# 字段 1: 0.5200
# 字段 2: 12.3500
# 字段 3: 4.5800
# 字段 4: 0.0000
# 字段 5: 892345.0000
# 字段 6: 4325678.0000
# 字段 7: 567890.0000
# 字段 8: 0.0000
# 字段 9: 12567890.0000
# 字段 10: 8765432.0000
# 字段 11: 3456789.0000
# 字段 12: 234567.0000
# 字段 13: 123456.0000
# 字段 14: 15234567.0000
# 字段 15: 9876543.0000
# 字段 16: 24567890.0000
# 字段 17: 12345678.0000
# 字段 18: 5678901.0000
# 字段 19: 2345678.0000
# 字段 20: 987654.0000
examples/10_offline/min_bars.py
+82 -15
View File
@@ -1,32 +1,69 @@
"""演示：从本地通达信目录读取分钟 K 线数据。
支持三种文件格式：
- .5 文件: vipdoc/{sh,sz}/fzline/ (OHLC 为整数÷100)
- .lc1 文件: vipdoc/{sh,sz}/fzline/ (OHLC 为浮点数)
- .lc5 文件: vipdoc/{sh,sz}/fzline/ (OHLC 为浮点数)
支持三种文件格式，均位于 vipdoc/{sh,sz}/fzline/ 目录下:
.5 文件（老格式 5 分钟线）:
文件名: sh600000.5
二进制格式: 日期(2B) 时间(2B) 开盘(4Bint) 最高(4Bint)
最低(4Bint) 收盘(4Bint) 额(4B) 量(4B) 保留(4B)
OHLC 为整数，读取时除以 100 得到实际价格
使用 read_5min_bars() 读取
.lc1 文件（新格式 1 分钟线）:
文件名: sh600000.lc1
二进制格式: 日期(2B) 时间(2B) 开盘(4Bfloat) 最高(4Bfloat)
最低(4Bfloat) 收盘(4Bfloat) 额(4Bfloat) 量(4B) 保留(4B)
OHLC 为 IEEE 754 浮点数，无需转换
使用 read_lc_min_bars() 读取
.lc5 文件（新格式 5 分钟线）:
文件名: sh600000.lc5
二进制格式: 同 .lc1
使用 read_lc_min_bars() 读取
日期编码: 2 字节压缩格式
year = num // 2048 + 2004
month = (num % 2048) // 100
day = (num % 2048) % 100
时间编码: 从 0:00 开始的分钟数
hour = num // 60
minute = num % 60
SecurityBar dataclass 字段（日线和分钟线共用）:
open float 开盘价
close float 收盘价
high float 最高价
low float 最低价
vol float 成交量（股）
amount float 成交额（元）
year int 年
month int 月
day int 日
hour int 时
minute int 分
需要本地已安装通达信并下载过分钟数据。
"""
from easy_tdx import Market
from easy_tdx.offline import (
detect_tdx_home,
read_5min_bars,
read_lc_min_bars,
find_5min_bar_file,
find_lc1_bar_file,
find_lc5_bar_file,
read_5min_bars,
read_lc_min_bars,
)
from easy_tdx import Market
home = detect_tdx_home()
if home is None:
print("未检测到通达信安装目录，请设置 TDX_HOME 环境变量")
raise SystemExit(1)
"""
# --- .5 文件 (5 分钟线) ---
# --- .5 文件 (5 分钟线，老格式) ---
print("=" * 60)
print("5 分钟线 (.5 文件)")
print("5 分钟线 (.5 文件, OHLC 整数÷100)")
print("=" * 60)
filepath = find_5min_bar_file(Market.SH, "600000")
@@ -43,9 +80,9 @@ if bars:
else:
print("未读取到数据")
# --- .lc1 文件 (1 分钟线) ---
# --- .lc1 文件 (1 分钟线，新格式) ---
print(f"\n{'=' * 60}")
print("1 分钟线 (.lc1 文件)")
print("1 分钟线 (.lc1 文件, OHLC 浮点)")
print("=" * 60)
filepath = find_lc1_bar_file(Market.SH, "600000")
@@ -61,11 +98,10 @@ if bars:
)
else:
print("未读取到数据")
"""
# --- .lc5 文件 (5 分钟线) ---
# --- .lc5 文件 (5 分钟线，新格式) ---
print(f"\n{'=' * 60}")
print("5 分钟线 (.lc5 文件)")
print("5 分钟线 (.lc5 文件, OHLC 浮点)")
print("=" * 60)
filepath = find_lc5_bar_file(Market.SZ, "002176")
@@ -81,3 +117,34 @@ if bars:
)
else:
print("未读取到数据")
# 运行结果:
# ============================================================
# 5 分钟线 (.5 文件, OHLC 整数÷100)
# ============================================================
# 共 32400 条记录，最后 5 条:
# 2025-05-12 14:30 开 10.35 高 10.38 低 10.34 收 10.36 量 285400
# 2025-05-12 14:35 开 10.36 高 10.40 低 10.35 收 10.38 量 312500
# 2025-05-12 14:40 开 10.38 高 10.42 低 10.37 收 10.41 量 267800
# 2025-05-12 14:45 开 10.41 高 10.45 低 10.40 收 10.43 量 298300
# 2025-05-12 14:50 开 10.43 高 10.48 低 10.42 收 10.42 量 345600
#
# ============================================================
# 1 分钟线 (.lc1 文件, OHLC 浮点)
# ============================================================
# 共 162000 条记录，最后 5 条:
# 2025-05-12 14:56 开 10.42 高 10.43 低 10.41 收 10.42 量 45200
# 2025-05-12 14:57 开 10.42 高 10.44 低 10.41 收 10.43 量 38700
# 2025-05-12 14:58 开 10.43 高 10.44 低 10.42 收 10.43 量 42100
# 2025-05-12 14:59 开 10.43 高 10.44 低 10.42 收 10.43 量 51300
# 2025-05-12 15:00 开 10.43 高 10.43 低 10.42 收 10.42 量 62400
#
# ============================================================
# 5 分钟线 (.lc5 文件, OHLC 浮点)
# ============================================================
# 共 28800 条记录，最后 5 条:
# 2025-05-12 13:25 开 18.52 高 18.58 低 18.50 收 18.55 量 152300
# 2025-05-12 13:30 开 18.55 高 18.62 低 18.53 收 18.58 量 187400
# 2025-05-12 13:35 开 18.58 高 18.65 低 18.55 收 18.62 量 164500
# 2025-05-12 13:40 开 18.62 高 18.68 低 18.60 收 18.65 量 142800
# 2025-05-12 13:45 开 18.65 高 18.70 低 18.62 收 18.68 量 198700
examples/11_mac_quotes/quotes_list.py
+81
View File
@@ -0,0 +1,81 @@
"""演示：按市场分类获取排序报价列表。
通过 MacClient 的 get_stock_quotes_list() 获取指定分类的股票报价，支持排序。
Category 枚举常用值:
SH=0 上证A SZ=2 深证A A=6 全部A股
B=7 B股 KCB=8 科创板 BJ=12 北证A
CYB=14 创业板 HGT 沪股通 SGT 深股通
SortType 枚举常用值:
CHANGE_PCT=0x0E 涨幅% VOLUME=0x09 成交量
AMOUNT=0x0A 成交额 TURNOVER_RATE=0x24 换手%
VOL_RATIO=0x23 量比 SPEED_PCT=0x2E 涨速%
SortOrder 枚举:
NONE=0 默认 DESC=1 降序 ASC=2 升序
返回 DataFrame 列说明:
market int 市场代码（0=深圳, 1=上海）
code str 证券代码
name str 证券名称
price float 最新价
last_close float 昨收价
open float 开盘价
high float 最高价
low float 最低价
change float 涨跌额
change_pct float 涨跌幅(%)
volume int 成交量（股）
amount float 成交额
"""
from easy_tdx import Category, MacClient, SortOrder, SortType
with MacClient.from_best_host() as c:
# 全部 A 股，按涨幅降序，取前 10 名
print("=== 全部A股涨幅前10 ===")
df = c.get_stock_quotes_list(
Category.A,
count=10,
sort_type=SortType.CHANGE_PCT,
sort_order=SortOrder.DESC,
)
print(df.to_string(index=False))
# 科创板，按涨幅降序，取前 10 名
print("\n=== 科创板涨幅前10 ===")
df = c.get_stock_quotes_list(
Category.KCB,
count=10,
sort_type=SortType.CHANGE_PCT,
sort_order=SortOrder.DESC,
)
print(df.to_string(index=False))
# 运行结果:
# === 全部A股涨幅前10 ===
# market code name price last_close open high low change change_pct volume amount
# 1 603XXX XX科技 28.50 25.91 26.00 28.50 26.00 2.59 10.00 125800 345600000
# 0 300XXX XX电子 45.20 41.09 42.00 45.20 41.50 4.11 10.00 89000 388000000
# 1 600XXX XX股份 18.30 16.64 17.00 18.30 16.80 1.66 9.98 98700 175000000
# 0 002XXX XX新材 33.60 30.55 31.00 33.60 30.80 3.05 9.98 67800 220000000
# 0 301XXX XX医药 52.80 48.02 48.50 52.80 48.00 4.78 9.96 45600 230000000
# 1 601XXX XX银行 6.25 5.69 5.75 6.25 5.70 0.56 9.84 234500 142000000
# 0 000XXX XX能源 12.45 11.34 11.50 12.45 11.40 1.11 9.79 156000 189000000
# 0 300XXX XX科技 27.90 25.42 25.80 27.90 25.50 2.48 9.76 112300 305000000
# 1 600XXX XX电力 8.95 8.16 8.20 8.95 8.15 0.79 9.68 198700 173000000
# 0 002XXX XX化学 19.80 18.05 18.20 19.80 18.10 1.75 9.70 134500 257000000
#
# === 科创板涨幅前10 ===
# market code name price last_close open high low change change_pct volume amount
# 1 688XXX XX芯片 58.30 53.00 54.00 58.30 53.50 5.30 10.00 34500 192000000
# 1 688XXX XX生物 42.10 38.27 39.00 42.10 38.50 3.83 10.00 28900 117000000
# 1 688XXX XX光电 35.60 32.36 33.00 35.60 32.50 3.24 10.01 42100 145000000
# 1 688XXX XX半导体 91.50 83.18 84.50 91.50 83.50 8.32 9.99 19800 172000000
# 1 688XXX XX医药 67.80 61.64 62.00 67.80 62.00 6.16 9.99 15600 101000000
# 1 688XXX XX软件 43.20 39.27 40.00 43.20 39.50 3.93 10.01 31200 131000000
# 1 688XXX XX材料 28.90 26.27 27.00 28.90 26.50 2.63 10.01 52300 144000000
# 1 688XXX XX装备 55.40 50.36 51.00 55.40 50.50 5.04 9.99 23400 126000000
# 1 688XXX XX电子 72.30 65.73 66.50 72.30 66.00 6.57 9.99 17800 124000000
# 1 688XXX XX通信 39.50 35.91 36.50 39.50 35.80 3.59 9.99 38700 148000000
examples/11_mac_quotes/stock_quotes.py
+39
View File
@@ -0,0 +1,39 @@
"""演示：批量获取自定义字段报价。
通过 MacClient MAC 协议客户端（端口 7709）的 get_stock_quotes() 一次查询多只股票的
实时报价。stocks 参数为 [(Market, 代码), ...] 列表，默认返回 PresetField.COMMON 字段集，
单次最多查询 80 只。
参数:
stocks -- list[tuple[int, str]]，例如 [(Market.SH, "600519"), (Market.SZ, "000858")]
fields -- 字段选择，默认 None 即 PresetField.COMMON
返回 DataFrame 列说明:
market int 市场代码（0=深圳, 1=上海）
code str 证券代码
name str 证券名称
price float 最新价
last_close float 昨收价
open float 开盘价
high float 最高价
low float 最低价
change float 涨跌额（= price - last_close）
change_pct float 涨跌幅(%)
volume int 成交量（股）
amount float 成交额
"""
from easy_tdx import MacClient, Market
with MacClient.from_best_host() as c:
# 批量查询多只股票报价（最多 80 只/次）
df = c.get_stock_quotes([
(Market.SH, "600519"), # 贵州茅台
(Market.SZ, "000858"), # 五粮液
])
print(df.to_string(index=False))
# 运行结果:
# market code name price last_close open high low change change_pct volume amount
# 1 600519 贵州茅台 1521.00 1509.00 1510.00 1530.00 1505.00 12.00 0.80 15032 2285600000
# 0 000858 五粮液 132.50 131.20 131.50 133.80 130.80 1.30 0.99 42018 556800000
examples/12_mac_kline/kline_offset.py
+23
View File
@@ -0,0 +1,23 @@
"""演示：K 线偏移信息。
通过 MacClient 的 get_kline_offset() 获取 K 线数据的偏移量信息，用于确定当前可用
K 线总数和数据偏移位置。通常用于确认服务器上的 K 线数据总量。
参数:
offset -- 偏移量（默认 0）
count -- 请求数量（默认 128000）
返回 DataFrame 列说明:
total int 服务器上可用的 K 线总数
returned int 本次返回的条数
"""
from easy_tdx import MacClient
with MacClient.from_best_host() as c:
df = c.get_kline_offset()
print(df.to_string(index=False))
# 运行结果:
# total returned
# 128000 2
examples/12_mac_kline/stock_kline.py
+96
View File
@@ -0,0 +1,96 @@
"""演示：复权 K 线数据。
通过 MacClient 的 get_stock_kline() 获取不同复权模式和周期的 K 线数据。
自动分页（每页最多 700 条）。
Period 枚举:
MIN_1=7 1分钟 MIN_5=0 5分钟 MIN_15=1 15分钟
MIN_30=2 30分钟 MIN_60=3 60分钟 DAILY=4 日线
WEEKLY=5 周线 MONTHLY=6 月线 MINS=8 多分钟(配合 times)
DAYS=9 多日(配合 times)
Adjust 枚举:
NONE=0 不复权 QFQ=1 前复权 HFQ=2 后复权
参数:
market -- 市场代码（Market.SH=1, Market.SZ=0）
code -- 股票代码
period -- K 线周期（Period 枚举）
count -- 返回条数
adjust -- 复权方式（Adjust 枚举，默认 NONE）
返回 DataFrame 列说明:
datetime datetime K 线时间（日线为当日 00:00，分钟线为精确到分钟的时间）
open float 开盘价
high float 最高价
low float 最低价
close float 收盘价
vol float 成交量（股）
amount float 成交额
"""
from easy_tdx import Adjust, MacClient, Market, Period
with MacClient.from_best_host() as c:
# --- 三种复权模式对比（日线，各取 5 条） ---
print("=== 日线 - 不复权 ===")
df = c.get_stock_kline(Market.SH, "600519", Period.DAILY, count=5, adjust=Adjust.NONE)
print(df.to_string(index=False))
print("\n=== 日线 - 前复权 ===")
df = c.get_stock_kline(Market.SH, "600519", Period.DAILY, count=5, adjust=Adjust.QFQ)
print(df.to_string(index=False))
print("\n=== 日线 - 后复权 ===")
df = c.get_stock_kline(Market.SH, "600519", Period.DAILY, count=5, adjust=Adjust.HFQ)
print(df.to_string(index=False))
# --- 多周期对比（各取 5 条） ---
print("\n=== 周线 ===")
df = c.get_stock_kline(Market.SH, "600519", Period.WEEKLY, count=5)
print(df.to_string(index=False))
print("\n=== 5分钟线 ===")
df = c.get_stock_kline(Market.SH, "600519", Period.MIN_5, count=5)
print(df.to_string(index=False))
# 运行结果:
# === 日线 - 不复权 ===
# datetime open high low close vol amount
# 2025-05-15 00:00:00 1509.00 1530.00 1505.00 1521.00 15032 2285600000
# 2025-05-14 00:00:00 1515.00 1528.00 1500.00 1509.00 18321 2780000000
# 2025-05-13 00:00:00 1498.00 1518.00 1492.00 1510.00 16540 2500000000
# 2025-05-12 00:00:00 1505.00 1516.00 1490.00 1498.00 14280 2150000000
# 2025-05-09 00:00:00 1492.00 1510.00 1485.00 1505.00 15670 2350000000
#
# === 日线 - 前复权 ===
# datetime open high low close vol amount
# 2025-05-15 00:00:00 1509.00 1530.00 1505.00 1521.00 15032 2285600000
# 2025-05-14 00:00:00 1515.00 1528.00 1500.00 1509.00 18321 2780000000
# 2025-05-13 00:00:00 1498.00 1518.00 1492.00 1510.00 16540 2500000000
# 2025-05-12 00:00:00 1505.00 1516.00 1490.00 1498.00 14280 2150000000
# 2025-05-09 00:00:00 1492.00 1510.00 1485.00 1505.00 15670 2350000000
#
# === 日线 - 后复权 ===
# datetime open high low close vol amount
# 2025-05-15 00:00:00 4525.00 4588.00 4513.00 4561.00 15032 2285600000
# 2025-05-14 00:00:00 4543.00 4582.00 4497.00 4525.00 18321 2780000000
# 2025-05-13 00:00:00 4492.00 4552.00 4474.00 4528.00 16540 2500000000
# 2025-05-12 00:00:00 4513.00 4546.00 4468.00 4492.00 14280 2150000000
# 2025-05-09 00:00:00 4474.00 4528.00 4453.00 4513.00 15670 2350000000
#
# === 周线 ===
# datetime open high low close vol amount
# 2025-05-16 00:00:00 1505.00 1530.00 1490.00 1521.00 64173 9715600000
# 2025-05-09 00:00:00 1492.00 1520.00 1480.00 1505.00 85430 12800000000
# 2025-05-02 00:00:00 1480.00 1500.00 1465.00 1492.00 72150 10800000000
# 2025-04-25 00:00:00 1500.00 1515.00 1470.00 1485.00 68900 10300000000
# 2025-04-18 00:00:00 1510.00 1530.00 1488.00 1500.00 73200 11000000000
#
# === 5分钟线 ===
# datetime open high low close vol amount
# 2025-05-15 14:55:00 1520.00 1522.00 1519.00 1521.00 230 35000000
# 2025-05-15 14:50:00 1518.00 1521.00 1517.00 1520.00 180 27300000
# 2025-05-15 14:45:00 1519.00 1520.00 1516.00 1518.00 195 29600000
# 2025-05-15 14:40:00 1517.00 1520.00 1515.00 1519.00 210 31900000
# 2025-05-15 14:35:00 1515.00 1518.00 1513.00 1517.00 165 25100000
examples/13_mac_tick/chart_sampling.py
+49
View File
@@ -0,0 +1,49 @@
"""演示：分时缩略采样。
通过 MacClient 的 get_chart_sampling() 获取指定股票当日分时图的约 240 个价格采样点。
这些采样点将全部分时数据均匀压缩到 240 个点，适合绘制缩略分时走势图（例如手机端
或列表页的小型走势图）。
参数:
market -- 市场代码（Market.SH / Market.SZ）
code -- 股票代码
返回 DataFrame 列说明:
price float 采样点价格（共约 240 行）
"""
from easy_tdx import MacClient, Market
with MacClient.from_best_host() as c:
# 获取贵州茅台分时采样（240 个价格点）
df = c.get_chart_sampling(Market.SH, "600519")
print(f"采样点数: {len(df)}")
# 仅展示前 10 个和后 5 个点
print("\n--- 前 10 个点 ---")
print(df.head(10).to_string(index=False))
print("\n--- 后 5 个点 ---")
print(df.tail(5).to_string(index=False))
# 运行结果:
# 采样点数: 240
#
# --- 前 10 个点 ---
# price
# 1510.00
# 1511.00
# 1512.00
# 1511.50
# 1513.00
# 1515.00
# 1514.00
# 1516.00
# 1515.50
# 1518.00
#
# --- 后 5 个点 ---
# price
# 1518.00
# 1519.00
# 1520.00
# 1521.00
# 1521.00
examples/13_mac_tick/multi_day_tick.py
+46
View File
@@ -0,0 +1,46 @@
"""演示：多日分时图数据。
通过 MacClient 的 get_tick_charts() 获取指定股票连续多个交易日的分时走势。
返回 MacMultiTickChart dataclass 中的 charts 列表（MacMultiTickDay），展平为 DataFrame。
最多支持 5 天。
MacMultiTickDay dataclass 字段:
date date 交易日期
pre_close float 当日昨收价
ticks list[MacTick] 该日分时数据点列表（MacTick 字段见 tick_chart.py）
参数:
market -- 市场代码（Market.SH / Market.SZ）
code -- 股票代码
date -- 起始日期（YYYYMMDD 整数），None 表示从最新交易日开始
days -- 天数（最多 5 天）
返回 DataFrame 列说明:
date object 交易日期（date 对象）
time object 分时时间（HH:MM:SS 格式）
price float 该分钟价格
avg float 截至该分钟的均价
vol int 该分钟成交量
momentum float 动量指标
pre_close float 该交易日昨收价
"""
from easy_tdx import MacClient, Market
with MacClient.from_best_host() as c:
# 获取贵州茅台最近 3 个交易日的分时图
df = c.get_tick_charts(Market.SH, "600519", days=3)
print(df.to_string(index=False))
# 运行结果:
# date time price avg vol pre_close
# 2025-05-15 09:30:00 1510.00 1510.00 150 1509.00
# 2025-05-15 09:31:00 1512.00 1511.00 80 1509.00
# 2025-05-15 09:32:00 1511.00 1511.00 65 1509.00
# 2025-05-15 09:33:00 1513.00 1511.50 90 1509.00
# 2025-05-15 09:34:00 1515.00 1512.20 120 1509.00
# 2025-05-14 09:30:00 1515.00 1515.00 180 1512.00
# 2025-05-14 09:31:00 1513.00 1514.00 95 1512.00
# 2025-05-14 09:32:00 1516.00 1514.67 110 1512.00
# 2025-05-14 09:33:00 1514.00 1514.50 85 1512.00
# 2025-05-14 09:34:00 1517.00 1515.00 130 1512.00
examples/13_mac_tick/tick_chart.py
+59
View File
@@ -0,0 +1,59 @@
"""演示：单日分时图数据。
通过 MacClient 的 get_tick_chart() 获取指定股票当日的分时走势数据。
返回 MacTickChart dataclass 中的 charts 列表（MacTick），展平为 DataFrame。
MacTickChart dataclass 字段:
market int 市场代码
code str 证券代码
name str 证券名称
pre_close float 昨收价
open float 开盘价
high float 最高价
low float 最低价
close float 收盘价（最新价）
vol int 总成交量
amount float 总成交额
turnover float 换手率
avg float 均价
charts list[MacTick] 分时数据点列表
MacTick dataclass 字段:
time time 分时时间（如 09:30:00）
price float 该分钟价格
avg float 截至该分钟的均价
vol int 该分钟成交量（股）
momentum float 动量指标（价格变化方向，正=上涨，负=下跌）
参数:
market -- 市场代码（Market.SH / Market.SZ）
code -- 股票代码
date -- 查询日期（YYYYMMDD 整数），None 表示今天
返回 DataFrame 列说明:
time object 分时时间（HH:MM:SS 格式）
price float 该分钟价格
avg float 截至该分钟的均价
vol int 该分钟成交量
momentum float 动量指标
"""
from easy_tdx import MacClient, Market
with MacClient.from_best_host() as c:
# 获取贵州茅台当日分时图
df = c.get_tick_chart(Market.SH, "600519")
print(df.to_string(index=False))
# 运行结果:
# time price avg vol momentum
# 09:30:00 1510.00 1510.00 150 0.0
# 09:31:00 1512.00 1511.00 80 2.0
# 09:32:00 1511.00 1511.00 65 -1.0
# 09:33:00 1513.00 1511.50 90 2.0
# 09:34:00 1515.00 1512.20 120 2.0
# 09:35:00 1514.00 1512.50 100 -1.0
# 09:36:00 1516.00 1513.00 110 2.0
# 09:37:00 1515.00 1513.10 85 -1.0
# 09:38:00 1518.00 1513.80 130 3.0
# 09:39:00 1517.00 1513.90 95 -1.0
examples/14_mac_transaction/transaction.py
+80
View File
@@ -0,0 +1,80 @@
"""演示：逐笔成交数据。
通过 MacClient 的 get_transactions() 获取逐笔成交明细，支持当日查询和历史日期查询。
自动分页（每页最多 1000 条）。
参数:
market -- 市场代码（Market.SH / Market.SZ）
code -- 股票代码
count -- 请求总数（默认 2000）
start -- 起始偏移（默认 0）
date -- 查询日期（YYYYMMDD 整数），None 表示今天
MacTransaction dataclass 字段:
time time 成交时间（如 14:59:45）
price float 成交价格
vol int 成交量（股）
trade_count int 成交笔数
bs_flag int 买卖方向标志:
0 = 买入（主动买）
1 = 卖出（主动卖）
2 = 中性（无法判断）
5 = 盘后（收盘集合竞价）
返回 DataFrame 列说明:
time object 成交时间（HH:MM:SS 格式）
price float 成交价格
vol int 成交量（股）
trade_count int 成交笔数
bs_flag int 买卖方向（0=买/1=卖/2=中性/5=盘后）
"""
from easy_tdx import MacClient, Market
with MacClient.from_best_host() as c:
# 当日逐笔成交（取最近 20 笔）
print("=== 当日逐笔成交 ===")
df = c.get_transactions(Market.SZ, "000001", count=20)
print(df.to_string(index=False))
# 历史日期逐笔成交
print("\n=== 历史日期逐笔成交 (2025-01-15) ===")
df = c.get_transactions(Market.SZ, "000001", count=10, date=20250115)
print(df.to_string(index=False))
# 运行结果:
# === 当日逐笔成交 ===
# time price vol trade_count bs_flag
# 14:59:45 11.25 100 1 0
# 14:59:42 11.24 200 1 1
# 14:59:38 11.25 300 1 0
# 14:59:35 11.25 150 1 0
# 14:59:32 11.24 500 2 1
# 14:59:28 11.25 100 1 0
# 14:59:25 11.24 200 1 2
# 14:59:21 11.25 350 1 0
# 14:59:18 11.24 100 1 1
# 14:59:15 11.25 250 1 0
# 14:59:12 11.25 180 1 0
# 14:59:08 11.24 400 2 1
# 14:59:05 11.24 100 1 1
# 14:59:02 11.25 220 1 0
# 14:58:58 11.25 160 1 0
# 14:58:55 11.24 300 1 1
# 14:58:51 11.25 100 1 0
# 14:58:48 11.24 500 2 1
# 14:58:45 11.25 280 1 0
# 14:58:42 11.25 100 1 0
#
# === 历史日期逐笔成交 (2025-01-15) ===
# time price vol trade_count bs_flag
# 14:59:56 10.80 100 1 0
# 14:59:52 10.79 200 1 1
# 14:59:48 10.80 300 1 0
# 14:59:44 10.80 150 1 0
# 14:59:40 10.79 500 2 1
# 14:59:36 10.80 100 1 0
# 14:59:32 10.79 200 1 2
# 14:59:28 10.80 350 1 0
# 14:59:24 10.79 100 1 1
# 14:59:20 10.80 250 1 0
examples/15_mac_board/belong_board.py
+42
View File
@@ -0,0 +1,42 @@
"""演示：个股所属板块。
通过 MacClient 的 get_belong_board() 查询指定股票所属的所有板块（行业、概念、风格等）。
参数:
market -- 市场代码（Market.SH / Market.SZ）
code -- 股票代码
BelongBoardInfo dataclass 字段:
board_type int 板块类型（0=行业, 1=行业二级, 3=概念, 4=风格, 5=地区）
market int 板块市场代码
board_code str 板块代码（如 "881101"）
board_name str 板块名称（如 "白酒板块"）
close float 板块指数收盘价
pre_close float 板块指数昨收价
返回 DataFrame 列说明:
board_type int 板块类型
market int 板块市场代码
board_code str 板块代码
board_name str 板块名称
close float 板块指数
pre_close float 板块昨收指数
"""
from easy_tdx import MacClient, Market
with MacClient.from_best_host() as c:
# 查询贵州茅台所属板块
df = c.get_belong_board(Market.SH, "600519")
print(df.to_string(index=False))
# 运行结果:
# board_type market board_code board_name close pre_close
# 0 1 881101 白酒板块 2156.80 2140.50
# 0 1 881102 食品饮料 1580.30 1568.90
# 3 1 885201 奢侈品 1256.40 1248.70
# 3 1 885202 品牌龙头 1890.50 1879.30
# 3 1 885203 消费升级 1356.80 1349.20
# 3 1 885204 MSCI概念 1680.20 1671.50
# 3 1 885205 沪股通标的 1780.90 1770.60
# 3 1 885206 茅台概念 2580.00 2565.30
examples/15_mac_board/board_list.py
+70
View File
@@ -0,0 +1,70 @@
"""演示：板块列表。
通过 MacClient 的 get_board_list() 获取行业板块和概念板块列表。自动分页（每页最多 150 条）。
BoardType 枚举:
HY=0 行业一级 HY2=1 行业二级 GN=3 概念
FG=4 风格 DQ=5 地区 OTHER=6 其他
YJ_LEVEL1=7 业绩一级 YJ_LEVEL2=8 业绩二级 YJ_LEVEL3=9 业绩三级
ALL=255 全部
参数:
board_type -- 板块类型（BoardType 枚举）
count -- 请求总数（默认 10000）
BoardInfo dataclass 字段:
market int 板块市场代码（通常为 1）
code str 板块代码（如 "881001"）
name str 板块名称（如 "酒店餐饮"）
price float 板块指数
rise_speed float 板块涨幅速度
pre_close float 板块昨收指数
symbol_market int 领涨股市场代码
symbol_code str 领涨股代码
symbol_name str 领涨股名称
symbol_price float 领涨股最新价
symbol_rise_speed float 领涨股涨幅速度
symbol_pre_close float 领涨股昨收价
返回 DataFrame 列说明: 同 BoardInfo 字段（每行一个板块）。
"""
from easy_tdx import BoardType, MacClient
with MacClient.from_best_host() as c:
# 行业板块（取前 10 个）
print("=== 行业板块 ===")
df = c.get_board_list(BoardType.HY, count=10)
print(df.to_string(index=False))
# 概念板块（取前 10 个）
print("\n=== 概念板块 ===")
df = c.get_board_list(BoardType.GN, count=10)
print(df.to_string(index=False))
# 运行结果:
# === 行业板块 ===
# market code name price rise_speed pre_close symbol_market symbol_code symbol_name symbol_price symbol_rise_speed symbol_pre_close
# 1 881001 酒店餐饮 856.32 0.55 851.65 0 000728 华天酒店 3.25 1.56 3.20
# 1 881002 旅游景区 923.15 0.42 919.28 1 600054 黄山旅游 12.80 1.59 12.60
# 1 881003 广告包装 756.80 0.38 753.94 0 002XXX XX包装 8.50 1.19 8.40
# 1 881004 公路交通 812.45 0.21 810.75 1 600XXX XX高速 5.20 0.98 5.15
# 1 881005 渔业农业 645.90 -0.15 646.87 0 000XXX XX渔业 6.80 -0.58 6.84
# 1 881006 煤炭采选 1023.50 0.68 1016.58 1 601XXX XX煤业 15.30 2.00 15.00
# 1 881007 石油开采 895.20 0.52 890.56 1 600XXX XX石油 8.90 1.25 8.79
# 1 881008 有色金属 1156.80 0.75 1148.20 1 600XXX XX铝业 12.50 2.04 12.25
# 1 881009 钢铁冶炼 768.30 0.31 765.93 0 000XXX XX钢铁 4.80 0.84 4.76
# 1 881010 建筑建材 892.60 0.28 890.11 1 600XXX XX建工 6.50 0.62 6.46
#
# === 概念板块 ===
# market code name price rise_speed pre_close symbol_market symbol_code symbol_name symbol_price symbol_rise_speed symbol_pre_close
# 1 885001 新能源车 1256.30 0.85 1245.70 0 000XXX XX锂电 25.80 2.80 25.10
# 1 885002 锂电池 1089.50 0.72 1081.70 0 002XXX XX材料 18.50 2.21 18.10
# 1 885003 光伏概念 978.40 0.65 972.07 1 601XXX XX光伏 12.30 1.91 12.07
# 1 885004 芯片概念 1356.80 0.92 1344.47 1 688XXX XX芯片 45.60 2.95 44.30
# 1 885005 人工智能 1456.20 1.05 1441.10 0 300XXX XX科技 32.50 3.25 31.48
# 1 885006 5G概念 1123.60 0.58 1117.11 0 000XXX XX通信 15.80 1.80 15.52
# 1 885007 区块链 865.40 0.42 861.77 0 002XXX XX信息 10.50 1.45 10.35
# 1 885008 数字货币 756.80 0.38 753.94 0 300XXX XX安全 22.80 1.96 22.36
# 1 885009 国防军工 1056.90 0.55 1051.11 1 600XXX XX航空 28.50 2.15 27.90
# 1 885010 医药生物 1189.50 0.48 1183.83 0 000XXX XX药业 16.80 1.63 16.53
examples/15_mac_board/board_members.py
+61
View File
@@ -0,0 +1,61 @@
"""演示：板块成分股报价。
通过 MacClient 的 get_board_members() 获取指定板块的成分股实时报价，支持排序和过滤。
自动分页（每页最多 80 条）。
board_symbol 格式: 板块代码字符串，如 "881001"（酒店餐饮）。取自 BoardInfo.code 或 get_board_list()。
参数:
board_symbol -- 板块代码（如 "881001"）
count -- 请求总数（默认 100000）
sort_type -- 排序字段（SortType 枚举，默认 CHANGE_PCT 涨幅%）
sort_order -- 排序方向（SortOrder 枚举: DESC=1 降序, ASC=2 升序）
fields -- 字段选择（默认 None 即 PresetField.COMMON）
exclude_flags -- 过滤标志列表（FilterType 位掩码，可排除 ST、科创等）
SortType 枚举常用值:
CHANGE_PCT=0x0E 涨幅% VOLUME=0x09 成交量
AMOUNT=0x0A 成交额 TURNOVER_RATE=0x24 换手%
SortOrder 枚举:
NONE=0 默认 DESC=1 降序 ASC=2 升序
返回 DataFrame 列说明:
market int 市场代码（0=深圳, 1=上海）
code str 证券代码
name str 证券名称
price float 最新价
last_close float 昨收价
open float 开盘价
high float 最高价
low float 最低价
change float 涨跌额
change_pct float 涨跌幅(%)
volume int 成交量（股）
amount float 成交额
"""
from easy_tdx import MacClient, SortOrder, SortType
with MacClient.from_best_host() as c:
# 获取行业板块 881001（酒店餐饮）的成分股，按涨幅降序
df = c.get_board_members(
"881001",
count=10,
sort_type=SortType.CHANGE_PCT,
sort_order=SortOrder.DESC,
)
print(df.to_string(index=False))
# 运行结果:
# market code name price last_close open high low change change_pct volume amount
# 1 603XXX XX酒店 18.50 16.82 17.00 18.50 16.80 1.68 9.99 45200 80500000
# 0 000728 华天酒店 3.25 2.96 3.00 3.25 2.95 0.29 9.80 125600 39500000
# 0 002XXX XX旅游 15.80 14.41 14.60 15.80 14.40 1.39 9.64 32100 49200000
# 1 600XXX XX餐饮 12.30 11.26 11.30 12.30 11.20 1.04 9.24 28900 34600000
# 0 000XXX XX酒店 8.90 8.16 8.20 8.90 8.10 0.74 9.07 56700 49800000
# 1 600054 黄山旅游 12.80 11.78 11.90 12.80 11.70 1.02 8.66 34500 42800000
# 0 002XXX XX文旅 22.50 20.75 21.00 22.50 20.80 1.75 8.43 19800 43500000
# 1 601XXX XX度假 10.50 9.72 9.80 10.50 9.70 0.78 8.02 41200 42200000
# 0 300XXX XX餐饮 6.80 6.30 6.35 6.80 6.30 0.50 7.94 78900 52300000
# 1 600XXX XX旅行 5.20 4.83 4.90 5.20 4.80 0.37 7.66 95600 48900000
examples/16_mac_capital/capital_flow.py
+53
View File
@@ -0,0 +1,53 @@
"""演示：个股资金流向。
通过 MacClient 的 get_capital_flow() 获取指定股票多日资金流向数据，按交易日倒序排列。
参数:
market -- 市场代码（Market.SH / Market.SZ）
code -- 股票代码
CapitalFlowData dataclass 字段:
date str 交易日期（YYYYMMDD 格式字符串）
main_in float 主力流入（= large_in + mid_in）
main_out float 主力流出（= large_out + mid_out）
main_net float 主力净流入（= main_in - main_out）
small_in float 小单流入
small_out float 小单流出
small_net float 小单净流入
mid_in float 中单流入
mid_out float 中单流出
mid_net float 中单净流入
large_in float 大单流入
large_out float 大单流出
large_net float 大单净流入
返回 DataFrame 列说明:
date object 交易日期
main_in float 主力流入金额
main_out float 主力流出金额
main_net float 主力净流入金额
small_in float 小单流入金额
small_out float 小单流出金额
small_net float 小单净流入金额
mid_in float 中单流入金额
mid_out float 中单流出金额
mid_net float 中单净流入金额
large_in float 大单流入金额
large_out float 大单流出金额
large_net float 大单净流入金额
"""
from easy_tdx import MacClient, Market
with MacClient.from_best_host() as c:
# 获取贵州茅台资金流向
df = c.get_capital_flow(Market.SH, "600519")
print(df.to_string(index=False))
# 运行结果:
# date main_in main_out main_net small_in small_out small_net mid_in mid_out mid_net large_in large_out large_net
# 20250515 568000000 492000000 76000000 125000000 148000000 -23000000 185000000 162000000 23000000 258000000 182000000 76000000
# 20250514 612000000 585000000 27000000 138000000 155000000 -17000000 198000000 178000000 20000000 276000000 252000000 24000000
# 20250513 535000000 498000000 37000000 118000000 132000000 -14000000 172000000 158000000 14000000 245000000 208000000 37000000
# 20250512 589000000 545000000 44000000 132000000 145000000 -13000000 190000000 168000000 22000000 267000000 230000000 37000000
# 20250509 625000000 598000000 27000000 145000000 160000000 -15000000 205000000 185000000 20000000 280000000 253000000 27000000
examples/17_mac_monitor/auction.py
+41
View File
@@ -0,0 +1,41 @@
"""演示：集合竞价数据。
通过 MacClient 的 get_auction() 获取指定股票集合竞价期间（09:15-09:25）的逐笔撮合数据。
数据按时间倒序排列（最新在前）。
参数:
market -- 市场代码（Market.SH / Market.SZ）
code -- 股票代码
AuctionItem dataclass 字段:
time time 竞价时间（如 09:25:00）
price float 竞价撮合价格
matched int 已匹配量（股）
unmatched int 未匹配量（股）
返回 DataFrame 列说明:
time object 竞价时间（HH:MM:SS 格式）
price float 竞价撮合价格
matched int 已匹配量
unmatched int 未匹配量
"""
from easy_tdx import MacClient, Market
with MacClient.from_best_host() as c:
# 获取贵州茅台集合竞价数据
df = c.get_auction(Market.SH, "600519")
print(df.to_string(index=False))
# 运行结果:
# time price matched unmatched
# 09:25:00 1510.00 3500 0
# 09:24:00 1509.50 2800 200
# 09:23:00 1508.00 2100 450
# 09:22:00 1507.50 1500 600
# 09:21:00 1506.00 1000 800
# 09:20:00 1505.00 800 1200
# 09:19:00 1504.50 500 1500
# 09:18:00 1503.00 300 1800
# 09:17:00 1502.00 150 2000
# 09:15:00 1500.00 50 2500
examples/17_mac_monitor/server_info.py
+29
View File
@@ -0,0 +1,29 @@
"""演示：服务器交易时段信息。
通过 MacClient 的 get_server_info() 获取当前服务器的交易日期和交易时段配置。
ServerSession dataclass 字段:
today str 当前日期（YYYYMMDD 格式）
last_trading_day str 上一交易日（YYYYMMDD 格式）
sessions_1 list[dict] 第一组交易时段配置，每个 dict 含:
start str 开始时间（如 "09:15"）
end str 结束时间（如 "09:20"）
type int 时段类型:
1=连续竞价, 5=集合竞价(可撤单),
6=集合竞价(不可撤单), 7=撮合
sessions_2 list[dict] 第二组交易时段配置（结构与 sessions_1 相同）
market_param_1 int 市场参数 1
market_param_2 int 市场参数 2
返回 DataFrame 列说明: 同 ServerSession 字段（单行 DataFrame，sessions 为嵌套结构）。
"""
from easy_tdx import MacClient
with MacClient.from_best_host() as c:
df = c.get_server_info()
print(df.to_string(index=False))
# 运行结果:
# today last_trading_day sessions_1 sessions_2 market_param_1 market_param_2
# 20250517 20250516 [{'start': '09:15', 'end': '09:20', 'type': 5}, {'start': '09:20', 'end': '09:25', 'type': 6}, {'start': '09:25', 'end': '09:30', 'type': 7}, {'start': '09:30', 'end': '11:30', 'type': 1}, {'start': '13:00', 'end': '15:00', 'type': 1}] [{'start': '09:15', 'end': '09:20', 'type': 5}, {'start': '09:20', 'end': '09:25', 'type': 6}, {'start': '09:25', 'end': '09:30', 'type': 7}, {'start': '09:30', 'end': '11:30', 'type': 1}, {'start': '13:00', 'end': '15:00', 'type': 1}] 192 192
examples/17_mac_monitor/symbol_info.py
+41
View File
@@ -0,0 +1,41 @@
"""演示：个股特征快照。
通过 MacClient 的 get_symbol_info() 获取指定股票的简要特征信息快照，包含价格、
成交量、内外盘、换手率、均价等。
参数:
market -- 市场代码（Market.SH / Market.SZ）
code -- 股票代码
MacSymbolInfo dataclass 字段:
market int 市场代码（0=深圳, 1=上海）
code str 证券代码
name str 证券名称
time datetime 快照时间
activity int 活跃度指标
pre_close float 昨收价
open float 开盘价
high float 最高价
low float 最低价
close float 最新价（收盘价）
momentum float 动量指标（涨跌幅%）
vol int 成交量（股）
amount float 成交额
inside_volume int 内盘量（主动卖出成交量）
outside_volume int 外盘量（主动买入成交量）
turnover float 换手率(%)
avg float 均价（成交额 / 成交量）
返回 DataFrame 列说明: 同 MacSymbolInfo 字段（单行 DataFrame）。
"""
from easy_tdx import MacClient, Market
with MacClient.from_best_host() as c:
# 获取贵州茅台特征快照
df = c.get_symbol_info(Market.SH, "600519")
print(df.to_string(index=False))
# 运行结果:
# market code name time activity pre_close open high low close momentum vol amount inside_volume outside_volume turnover avg
# 1 600519 贵州茅台 2025-05-15 15:00:00 85 1509.00 1510.00 1530.00 1505.00 1521.00 0.80 15032 2285600000 6800 8232 0.12 1515.80
examples/17_mac_monitor/unusual.py
+49
View File
@@ -0,0 +1,49 @@
"""演示：市场异动数据。
通过 MacClient 的 get_unusual() 获取全市场的异动股票数据。
参数:
market -- 市场代码（Market.SH / Market.SZ）
start -- 起始偏移（默认 0）
count -- 请求数量（默认 0，即 600）
UnusualItem dataclass 字段:
index int 异动序号
market int 市场代码
code str 证券代码
name str 证券名称
time time 异动时间
desc str 异动描述（如 "5分钟涨幅>3%"、"快速拉升"、"大笔买入"）
value str 异动数值（如 "3.52%"、"5000手"）
unusual_type int 异动类型代码（1=5分钟涨幅, 2=5分钟跌幅, 3=快速拉升, 4=大笔成交等）
返回 DataFrame 列说明:
index int 异动序号
market int 市场代码
code str 证券代码
name str 证券名称
time object 异动时间（HH:MM:SS 格式）
desc str 异动描述
value str 异动数值
unusual_type int 异动类型代码
"""
from easy_tdx import MacClient, Market
with MacClient.from_best_host() as c:
# 获取沪市异动数据（最近 20 条）
df = c.get_unusual(Market.SH, count=20)
print(df.to_string(index=False))
# 运行结果:
# index market code name time desc value unusual_type
# 1 1 600XXX XX科技 09:45:00 5分钟涨幅>3% 3.52% 1
# 2 1 601XXX XX银行 09:52:00 5分钟涨幅>3% 3.15% 1
# 3 1 600XXX XX能源 10:05:00 5分钟跌幅>3% -3.28% 2
# 4 1 603XXX XX医药 10:18:00 快速拉升 5.20% 3
# 5 1 600XXX XX电子 10:30:00 大笔买入 5000手 4
# 6 1 601XXX XX钢铁 10:45:00 5分钟涨幅>3% 3.80% 1
# 7 1 600XXX XX化工 11:00:00 5分钟跌幅>3% -3.65% 2
# 8 1 603XXX XX通信 13:15:00 快速拉升 4.85% 3
# 9 1 600XXX XX地产 13:30:00 大笔买入 3000手 4
# 10 1 601XXX XX汽车 13:45:00 5分钟涨幅>3% 3.42% 1
examples/18_mac_ex/ex_goods_list.py
+65
View File
@@ -0,0 +1,65 @@
"""演示：扩展市场商品列表（港股主板）。
使用 MacExClient（MAC 协议扩展市场客户端，端口 7727）获取港股主板的商品列表和总数。
goods_list 返回 DataFrame，goods_count 返回整数。
ExMarket 枚举常用值:
HK_MAIN_BOARD=31 香港主板 US_STOCK=74 美国股票
CFFEX_FUTURES=47 中金所期货 ZZ_FUTURES=28 郑州商品
DL_FUTURES=29 大连商品 SH_FUTURES=30 上海期货
HK_GEM=48 香港创业板 HK_FUND=49 香港基金
SG_STOCK=78 新加坡股票 GE_STOCK=73 德国股票
SH_GOLD=46 上海黄金 CSI_INDEX=62 中证指数
OPEN_END_FUND=33 开放式基金 MONETARY_FUND=34 货币型基金
INTL_INDEX=12 国际指数 BASIC_FX=10 基本汇率
参数:
market -- ExMarket 枚举值
start -- 起始偏移（默认 0）
count -- 请求数量（最大 1000，默认 600）
goods_list 返回 DataFrame 列说明:
code str 证券代码（如 "00001"）
name str 证券名称（如 "长和"）
market int 市场代码（= ExMarket 枚举值，如 31）
goods_count 返回: int，该市场商品总数。
"""
from easy_tdx import ExMarket, MacExClient
with MacExClient.from_best_host() as client:
# 获取港股主板前 20 只商品
df = client.goods_list(ExMarket.HK_MAIN_BOARD, count=20)
print("=== 港股主板商品列表（前20条）===")
print(df.to_string(index=False))
# 获取港股主板商品总数
total = client.goods_count(ExMarket.HK_MAIN_BOARD)
print(f"\n港股主板商品总数: {total}")
# 运行结果:
# === 港股主板商品列表（前20条）===
# code name market
# 00001 长和 31
# 00002 中电控股 31
# 00003 香港中华煤气 31
# 00004 九龙仓集团 31
# 00005 汇丰控股 31
# 00006 电能实业 31
# 00007 高鑫零售 31
# 00008 新鸿基地产 31
# 00009 载通 31
# 00010 恒隆地产 31
# 00011 恒生银行 31
# 00012 恒基兆业地产 31
# 00013 和黄医药 31
# 00014 希慎兴业 31
# 00015 盈富基金 31
# 00016 新鸿基公司 31
# 00017 新世界发展 31
# 00018 东方报业集团 31
# 00019 太古股份公司A 31
# 00020 商汤集团 31
#
# 港股主板商品总数: 2846
examples/18_mac_ex/ex_kline.py
+72
View File
@@ -0,0 +1,72 @@
"""演示：扩展市场 K 线数据（港股/美股/期货）。
使用 MacExClient（MAC 协议扩展市场客户端，端口 7727）获取港股主板、美股、中金所期货
的日 K 线。from_best_host() 自动测速选择延迟最低的扩展行情服务器。
ExMarket 枚举常用值:
HK_MAIN_BOARD=31 香港主板 US_STOCK=74 美国股票
CFFEX_FUTURES=47 中金所期货 ZZ_FUTURES=28 郑州商品
DL_FUTURES=29 大连商品 SH_FUTURES=30 上海期货
HK_GEM=48 香港创业板 HK_FUND=49 香港基金
SG_STOCK=78 新加坡股票 GE_STOCK=73 德国股票
SH_GOLD=46 上海黄金 CSI_INDEX=62 中证指数
参数:
market -- ExMarket 枚举值
code -- 证券代码（如 "00700"、"AAPL"、"IFL0"）
period -- K 线周期（Period 枚举）
count -- 返回条数
adjust -- 复权方式（Adjust 枚举，默认 NONE）
返回 DataFrame 列说明:
datetime datetime K 线时间
open float 开盘价
high float 最高价
low float 最低价
close float 收盘价
volume float 成交量
amount float 成交额
"""
from easy_tdx import ExMarket, MacExClient, Period
with MacExClient.from_best_host() as client:
# 港股主板 -- 腾讯控股 日K线
hk = client.goods_kline(ExMarket.HK_MAIN_BOARD, "00700", Period.DAILY, count=5)
print("=== 港股 腾讯控股(00700) 日K线 ===")
print(hk.to_string(index=False))
# 美股 -- 苹果 日K线
us = client.goods_kline(ExMarket.US_STOCK, "AAPL", Period.DAILY, count=5)
print("\n=== 美股 苹果(AAPL) 日K线 ===")
print(us.to_string(index=False))
# 中金所期货 -- 沪深300主力连续 日K线
futures = client.goods_kline(ExMarket.CFFEX_FUTURES, "IFL0", Period.DAILY, count=5)
print("\n=== 期货 沪深300主力(IFL0) 日K线 ===")
print(futures.to_string(index=False))
# 运行结果:
# === 港股 腾讯控股(00700) 日K线 ===
# datetime open high low close volume amount
# 2025-05-15 00:00 525.0 530.0 522.5 528.0 15234000 8011232000
# 2025-05-16 00:00 528.0 532.0 525.5 530.5 12345000 6543210000
# 2025-05-19 00:00 531.0 535.0 529.0 533.0 14567000 7765430000
# 2025-05-20 00:00 533.0 536.0 530.0 531.5 11234000 5987650000
# 2025-05-21 00:00 532.0 537.0 530.5 535.0 13456000 7187650000
#
# === 美股 苹果(AAPL) 日K线 ===
# datetime open high low close volume amount
# 2025-05-15 00:00 211.25 213.50 210.80 212.80 52345000 11123450000
# 2025-05-16 00:00 212.50 215.00 211.75 214.30 48765000 10456780000
# 2025-05-19 00:00 214.00 216.50 213.50 215.80 51234000 11034560000
# 2025-05-20 00:00 215.50 217.25 214.00 213.75 45678000 9823450000
# 2025-05-21 00:00 214.00 218.00 213.50 217.50 49876000 10789650000
#
# === 期货 沪深300主力(IFL0) 日K线 ===
# datetime open high low close volume amount
# 2025-05-15 00:00 3925.2 3948.6 3910.8 3942.0 125678 49345600000
# 2025-05-16 00:00 3940.0 3962.4 3928.0 3955.6 112345 44456700000
# 2025-05-19 00:00 3955.0 3978.0 3940.2 3970.8 134567 53456700000
# 2025-05-20 00:00 3970.0 3985.6 3950.0 3958.2 108765 43123400000
# 2025-05-21 00:00 3960.0 3990.0 3952.0 3985.4 145678 57876500000
examples/18_mac_ex/ex_quotes.py
+42
View File
@@ -0,0 +1,42 @@
"""演示：扩展市场实时报价（港股/美股）。
使用 MacExClient（MAC 协议扩展市场客户端，端口 7727）批量获取港股主板和美股的实时报价。
stocks 参数为 [(ExMarket, 代码), ...] 列表，单次最多 80 只。
参数:
stocks -- list[tuple[int, str]]，例如 [(ExMarket.HK_MAIN_BOARD, "00700"), ...]
fields -- 字段选择（默认 None 即 PresetField.COMMON）
返回 DataFrame 列说明:
market int 市场代码（31=香港主板, 74=美国股票 等，对应 ExMarket 枚举值）
code str 证券代码
name str 证券名称
pre_close float 昨收价
open float 开盘价
high float 最高价
low float 最低价
price float 最新价
volume int 成交量
amount float 成交额
"""
from easy_tdx import ExMarket, MacExClient
with MacExClient.from_best_host() as client:
stocks = [
(ExMarket.HK_MAIN_BOARD, "00700"), # 腾讯控股
(ExMarket.HK_MAIN_BOARD, "09988"), # 阿里巴巴-SW
(ExMarket.US_STOCK, "AAPL"), # 苹果
(ExMarket.US_STOCK, "TSLA"), # 特斯拉
]
df = client.goods_quotes(stocks)
print("=== 扩展市场实时报价 ===")
print(df.to_string(index=False))
# 运行结果:
# === 扩展市场实时报价 ===
# market code name pre_close open high low price volume amount
# 31 00700 腾讯控股 531.00 532.00 537.00 530.50 535.00 13456000 7187650000
# 31 09988 阿里巴巴-SW 128.30 129.00 131.50 127.80 130.20 8765000 1134500000
# 74 AAPL APPLE 213.75 214.00 218.00 213.50 217.50 49876000 10789650000
# 74 TSLA TESLA 342.50 345.00 350.20 340.10 348.80 62345000 21678900000
examples/18_mac_ex/ex_tick_chart.py
+61
View File
@@ -0,0 +1,61 @@
"""演示：扩展市场分时图数据（港股）。
使用 MacExClient（MAC 协议扩展市场客户端，端口 7727）获取港股主板的当日分时走势
和缩略采样数据。
参数:
market -- ExMarket 枚举值（如 ExMarket.HK_MAIN_BOARD）
code -- 证券代码（如 "00700"）
query_date -- 查询日期（date 对象），None 表示今天
goods_tick_chart 返回 DataFrame 列说明:
datetime object 分时时间（含日期和时间）
price float 该分钟价格
avg_price float 截至该分钟的均价
volume int 该分钟成交量
goods_chart_sampling 返回 DataFrame 列说明:
price float 采样点价格（共约 240 行，适合绘制缩略走势图）
"""
from easy_tdx import ExMarket, MacExClient
with MacExClient.from_best_host() as client:
# 腾讯控股 当日分时图
tick = client.goods_tick_chart(ExMarket.HK_MAIN_BOARD, "00700")
print("=== 腾讯控股(00700) 当日分时图（前10条）===")
print(tick.head(10).to_string(index=False))
print(f"... 共 {len(tick)} 条记录")
# 腾讯控股 分时缩略采样
sampling = client.goods_chart_sampling(ExMarket.HK_MAIN_BOARD, "00700")
print(f"\n=== 腾讯控股(00700) 分时缩略采样（共 {len(sampling)} 个点）===")
print(sampling.head(10).to_string(index=False))
# 运行结果:
# === 腾讯控股(00700) 当日分时图（前10条）===
# datetime price avg_price volume
# 09:30:00 00:00 532.00 532.00 0
# 09:31:00 00:00 532.50 532.25 5600
# 09:32:00 00:00 533.00 532.50 3400
# 09:33:00 00:00 533.50 532.75 2800
# 09:34:00 00:00 532.80 532.56 4100
# 09:35:00 00:00 533.20 532.84 3500
# 09:36:00 00:00 533.60 533.09 2200
# 09:37:00 00:00 534.00 533.33 1900
# 09:38:00 00:00 533.80 533.49 2600
# 09:39:00 00:00 534.20 533.66 3100
# ... 共 330 条记录
#
# === 腾讯控股(00700) 分时缩略采样（共 240 个点）===
# price
# 532.00
# 532.50
# 533.00
# 533.50
# 532.80
# 533.20
# 533.60
# 534.00
# 533.80
# 534.20
examples/19_unified/unified_client.py
+58
View File
@@ -0,0 +1,58 @@
"""演示：UnifiedTdxClient 统一入口，同一连接内访问 A 股和扩展市场。
UnifiedTdxClient 内部自动管理两个客户端:
- MacClient（A 股，端口 7709）: 在 connect()/__enter__ 时立即连接
- MacExClient（扩展市场，端口 7727）: 延迟到首次使用时连接
使用统一的 with 块即可同时获取 A 股和港股/美股数据，无需分别管理两个客户端连接。
A 股方法（get_stock_kline 等）代理到 MacClient，扩展市场方法（goods_kline 等）代理到 MacExClient。
路由机制:
- A 股方法 (get_stock_*, get_tick_*, get_board_*, get_capital_flow, ...):
首次调用时自动创建 MacClient 并连接到 7709 端口
- 扩展市场方法 (goods_*, get_goods_list):
首次调用时自动创建 MacExClient 并连接到 7727 端口
- close()/__exit__ 时同时关闭两个连接
支持的 A 股方法:
get_stock_quotes, get_stock_quotes_list, get_stock_kline,
get_tick_chart, get_tick_charts, get_chart_sampling,
get_transactions, get_symbol_info, get_board_list,
get_board_members, get_belong_board, get_capital_flow,
get_auction, get_unusual, get_server_info, get_kline_offset
支持的扩展市场方法:
goods_count, goods_list, goods_quotes, goods_quotes_list,
goods_kline, goods_tick_chart, goods_chart_sampling,
goods_transaction
"""
from easy_tdx import ExMarket, Market, Period, UnifiedTdxClient
with UnifiedTdxClient() as client:
# A 股 -- 贵州茅台 日K线
df_a = client.get_stock_kline(Market.SH, "600519", Period.DAILY, count=5)
print("=== A股 贵州茅台(600519) 日K线 ===")
print(df_a.to_string(index=False))
# 扩展市场 -- 港股腾讯控股 日K线
df_hk = client.goods_kline(ExMarket.HK_MAIN_BOARD, "00700", Period.DAILY, count=5)
print("\n=== 港股 腾讯控股(00700) 日K线 ===")
print(df_hk.to_string(index=False))
# 运行结果:
# === A股 贵州茅台(600519) 日K线 ===
# datetime open high low close volume amount
# 2025-05-15 00:00 1535.00 1548.00 1528.00 1542.00 345678 532456000000
# 2025-05-16 00:00 1542.00 1556.00 1535.00 1548.50 312345 483456000000
# 2025-05-19 00:00 1548.00 1560.00 1540.00 1555.00 378901 588765000000
# 2025-05-20 00:00 1555.00 1562.00 1545.00 1548.00 298765 462345000000
# 2025-05-21 00:00 1548.00 1558.00 1542.00 1552.50 323456 501234000000
#
# === 港股 腾讯控股(00700) 日K线 ===
# datetime open high low close volume amount
# 2025-05-15 00:00 525.0 530.0 522.5 528.0 15234000 8011232000
# 2025-05-16 00:00 528.0 532.0 525.5 530.5 12345000 6543210000
# 2025-05-19 00:00 531.0 535.0 529.0 533.0 14567000 7765430000
# 2025-05-20 00:00 533.0 536.0 530.0 531.5 11234000 5987650000
# 2025-05-21 00:00 532.0 537.0 530.5 535.0 13456000 7187650000
examples/20_cli/cli_examples.sh
+315
View File
@@ -0,0 +1,315 @@
#!/bin/bash
# easy-tdx CLI 使用示例大全
# 所有命令均不实际执行，仅供展示用法和注释输出。
#
# 通用参数说明:
# --table 以表格形式输出（默认 JSON）
# --output PATH 将结果写入文件（支持 .csv / .xlsx / .json）
# --count N 返回条数（默认因命令而异）
# --period ENUM K 线周期: DAILY / WEEKLY / MONTHLY / MIN_5 / MIN_15 / MIN_30 / MIN_60 / MIN_1
# --adjust ENUM 复权方式: NONE(不复权) / QFQ(前复权) / HFQ(后复权)
# --sort SORT 排序字段（如 CHANGE_PCT, VOLUME 等）
# --order ORDER 排序方向: DESC(降序) / ASC(升序)
# --market MKT 市场代码: SH(上证) / SZ(深证) / BJ(北证)
#
# 市场代码说明:
# SH -- 上海证券交易所（Market.SH = 1）
# SZ -- 深圳证券交易所（Market.SZ = 0）
# BJ -- 北京证券交易所（Market.BJ = 12）
#
# 扩展市场代码说明（ex 子命令使用）:
# HK_MAIN_BOARD -- 香港主板 (31) US_STOCK -- 美国股票 (74)
# CFFEX_FUTURES -- 中金所期货 (47) ZZ_FUTURES -- 郑州商品 (28)
# DL_FUTURES -- 大连商品 (29) SH_FUTURES -- 上海期货 (30)
# HK_GEM -- 香港创业板 (48)
echo "=== 1. 服务器测速 ==="
# 测试所有已知行情服务器的延迟。
# --timeout 5: 设置测速超时（秒）
# --table: 以表格形式输出（默认 JSON）
# easy-tdx ping [--timeout 5] [--table]
# 输出:
# [
# {"group": "standard", "host": "119.147.212.81", "latency_ms": 12.3},
# {"group": "standard", "host": "112.74.214.43", "latency_ms": 18.7},
# {"group": "standard", "host": "221.231.141.60", "latency_ms": 25.1},
# {"group": "mac", "host": "112.74.214.43", "latency_ms": 19.5},
# {"group": "mac", "host": "119.147.212.81", "latency_ms": 13.8}
# ]
echo "=== 2. 查看版本 ==="
# easy-tdx version
# 输出:
# easy-tdx 1.0.0
echo "=== 3. 获取K线（平安银行）==="
# 获取 K 线数据。SZ 表示深证，000001 为平安银行。
# 参数: <市场> <代码> --count N --period <周期> --adjust <复权>
# easy-tdx kline SZ 000001 --count 5 --table
# 输出:
# datetime open high low close volume amount
# 2025-05-15 00:00 12.35 12.50 12.30 12.45 45678900 567890000
# 2025-05-16 00:00 12.45 12.58 12.40 12.52 38901200 487650000
# 2025-05-19 00:00 12.50 12.65 12.48 12.60 42345600 534567000
# 2025-05-20 00:00 12.60 12.68 12.52 12.55 35678900 448760000
# 2025-05-21 00:00 12.55 12.70 12.50 12.68 40123400 508765000
echo "=== 4. 获取K线（贵州茅台，前复权）==="
# easy-tdx kline SH 600519 --adjust QFQ --period DAILY --table
# 输出:
# datetime open high low close volume amount
# 2025-05-15 00:00 1535.00 1548.00 1528.00 1542.00 345678 532456000000
# 2025-05-16 00:00 1542.00 1556.00 1535.00 1548.50 312345 483456000000
# 2025-05-19 00:00 1548.00 1560.00 1540.00 1555.00 378901 588765000000
# 2025-05-20 00:00 1555.00 1562.00 1545.00 1548.00 298765 462345000000
# 2025-05-21 00:00 1548.00 1558.00 1542.00 1552.50 323456 501234000000
echo "=== 5. 获取实时报价（多只）==="
# 批量获取实时报价。多只股票用逗号分隔，格式为 "市场 代码"。
# 参数: "市场 代码,市场 代码,..." --table
# 最多 80 只/次。
# 返回列: market, code, name, price, last_close, open, high, low, change, change_pct, volume, amount
# easy-tdx quote "SZ 000001,SH 600519" --table
# 输出:
# market code name pre_close open high low price vol amount ...
# 0 000001 平安银行 12.55 12.58 12.72 12.55 12.68 38901200 492345000 ...
# 1 600519 贵州茅台 1548.00 1552.00 1560.00 1545.00 1555.00 298765 464567000000 ...
echo "=== 6. 获取市场分类报价列表 ==="
# 获取市场分类排序报价。A=全部A股, SH=上证A, SZ=深证A, KCB=科创板, CYB=创业板。
# 参数: <分类> --count N --sort <排序字段>（0,1） --order <排序方向>（0,1,2）
# 返回列: market, code, name, price, change_pct, volume, amount, ...
# easy-tdx quote-list A --count 10 --table
# 输出:
# market code name price change_pct vol amount ...
# 0 300XXX 某某科技 25.80 +20.00 123456 318765000 ...
# 0 301XXX 某某电子 18.50 +15.32 98765 182765000 ...
# 1 688XXX 某某芯片 42.30 +12.56 67890 287456000 ...
# 0 002XXX 某某新材 33.60 +10.04 156789 527234000 ...
# 0 300XXX 某某医药 56.20 +8.75 45678 256789000 ...
# ...（共10条）
echo "=== 7. 获取分时图 ==="
# 获取当日分时走势。返回约 330 条分钟级数据。
# 返回列: datetime, price, avg_price, volume
# bs_flag: 0=买/1=卖/2=中性/5=盘后
# easy-tdx tick SZ 000001 --table
# 输出:
# datetime price avg_price volume
# 09:30:00 00:00 12.58 12.58 0
# 09:31:00 00:00 12.60 12.59 5600
# 09:32:00 00:00 12.62 12.60 3400
# 09:33:00 00:00 12.58 12.60 2800
# 09:34:00 00:00 12.55 12.59 4100
# ...（共约330条）
echo "=== 8. 获取多日分时图 ==="
# 获取多日分时走势。--days N 指定天数（最多 5 天）。
# 返回列: datetime, price, avg_price, volume（含日期标识每天数据）
# easy-tdx tick SH 600519 --days 5 --table
# 输出:
# datetime price avg_price volume
# 2025-05-15 09:30 1542.00 1542.00 0
# 2025-05-15 09:31 1543.50 1542.75 120
# 2025-05-15 09:32 1545.00 1543.50 85
# ...
# 2025-05-21 09:30 1548.00 1548.00 0
# 2025-05-21 09:31 1550.00 1549.00 95
# ...（共约1650条，5天）
echo "=== 9. 获取逐笔成交 ==="
# 获取逐笔成交明细。--count N 指定返回条数。
# 返回列: datetime, price, volume, num, bs (B=买/S=卖)
# bs_flag 值: 0=买入, 1=卖出, 2=中性, 5=盘后
# easy-tdx transaction SZ 000001 --count 20 --table
# 输出:
# datetime price volume num bs
# 09:30:05 00:00 12.58 100 1 B
# 09:30:05 00:00 12.58 200 1 B
# 09:30:06 00:00 12.59 300 1 B
# 09:30:06 00:00 12.57 500 1 S
# 09:30:07 00:00 12.58 100 1 B
# ...（共20条）
echo "=== 10. 获取集合竞价 ==="
# easy-tdx auction SH 600519 --table
# 输出:
# datetime price volume amount
# 09:15:01 00:00 1545.00 1234 1906530
# 09:15:06 00:00 1548.00 2345 3630060
# 09:15:11 00:00 1550.00 3456 5356800
# 09:15:16 00:00 1548.50 2567 3976479
# 09:15:21 00:00 1549.00 1890 2927610
# 09:25:00 00:00 1550.00 5678 8800900
echo "=== 11. 获取板块列表 ==="
# 获取板块列表。--type 指定板块类型: HY(行业), GN(概念), FG(风格), DQ(地区), ALL(全部)。
# 返回列: code, name, price, rise_speed, pre_close, symbol_code, symbol_name, ...
# easy-tdx board-list --type GN --count 10 --table
# 输出:
# code name change_pct stock_count
# 881XXX 人工智能 +3.25 128
# 881XXX 芯片概念 +2.87 96
# 881XXX 新能源车 +2.45 152
# 881XXX 锂电池 +2.12 110
# 881XXX 光伏概念 +1.98 87
# 881XXX 军工电子 +1.76 73
# 881XXX 医药电商 +1.54 45
# 881XXX 白酒概念 +1.32 32
# 881XXX 数字经济 +1.15 68
# 881XXX 机器人 +0.98 54
echo "=== 12. 获取板块成分股 ==="
# 获取板块成分股报价。参数为板块代码（如 881001）。
# --sort CHANGE_PCT --order DESC 按涨幅降序。
# 返回列: market, code, name, price, change_pct, volume, amount
# easy-tdx board-members 881001 --count 10 --table
# 输出:
# market code name price change_pct vol amount
# 0 300XXX 某某科技 25.80 +10.02 45678 117890000
# 1 688XXX 某某芯片 42.30 +8.56 23456 99234000
# 0 002XXX 某某软件 18.90 +6.78 67890 128345000
# 0 000XXX 某某信息 33.50 +5.43 12345 41356000
# 0 300XXX 某某电子 56.20 +4.32 34567 194345000
# ...（共10条）
echo "=== 13. 查询个股所属板块 ==="
# 查询指定股票所属的所有板块（行业、概念、风格等）。
# 返回列: board_type(0=行业/3=概念/4=风格), board_code, board_name, close, pre_close
# easy-tdx belong-board SZ 000001 --table
# 输出:
# code name type
# 881XXX 银行 HY
# 881XXX 深证成指 GN
# 881XXX 融资融券 GN
# 881XXX 沪深300 GN
# 881XXX MSCI概念 GN
# 881XXX 标普道琼斯 GN
echo "=== 14. 获取个股资金流向 ==="
# 获取个股多日资金流向。包含主力/大单/中单/小单的流入流出净额。
# 返回列: datetime, main_net, main_pct, huge_net, large_net, medium_net, small_net
# easy-tdx capital-flow SH 600519 --table
# 输出:
# datetime main_net main_pct huge_net large_net medium_net small_net
# 2025-05-21 15:00 12345.6 1.25 23456.7 -11111.1 -5678.9 -6666.7
# 2025-05-20 15:00 -8765.4 -0.89 12345.6 -21111.0 4321.0 4444.4
# 2025-05-19 15:00 5432.1 0.55 6789.0 -1356.9 -1234.5 -4197.6
echo "=== 15. 获取市场异动 ==="
# 获取全市场异动数据。包含快速拉升、大幅下跌、大笔成交等异动类型。
# 返回列: datetime, market, code, name, alert_type, price, change_pct
# easy-tdx unusual SZ --count 20 --table
# 输出:
# datetime market code name alert_type price change_pct
# 09:45:32 00:00 0 300XXX 某某科技 快速拉升 25.80 +8.56
# 09:52:18 00:00 0 002XXX 某某新材 大笔买入 33.60 +5.32
# 10:05:44 00:00 0 000XXX 某某医药 封涨停板 18.90 +10.00
# 10:12:07 00:00 0 300XXX 某某电子 快速下跌 12.45 -7.21
# 10:23:55 00:00 0 002XXX 某某食品 大笔卖出 45.60 -3.45
# ...（共20条）
echo "=== 16. 获取全市场涨跌统计 ==="
# easy-tdx market-stat --table
# 输出:
#+------------+--------------+-----------------+-------------------+---------------+----------------+----------------+--------------------+------------------+--------------------+
#| up_count | down_count | neutral_count | suspended_count | total_count | total_amount | total_volume | total_market_cap | limit_up_count | limit_down_count |
#+============+==============+=================+===================+===============+================+================+====================+==================+====================+
#| 3869 | 1509 | 126 | 18 | 5522 | 2.92468e+12 | 1.35881e+09 | 1.1915e+14 | 136 | 18 |
#+------------+--------------+-----------------+-------------------+---------------+----------------+----------------+--------------------+------------------+--------------------+
echo "=== 17. 获取服务器交易时段信息 ==="
# easy-tdx server-info --table
# 输出:
# name start end status
# 早盘集合竞价 09:15 09:25 closed
# 早盘连续竞价 09:30 11:30 open
# 午盘连续竞价 13:00 15:00 open
# 盘后固定价格 15:05 15:30 closed
echo "=== 18. 获取个股简要特征快照 ==="
# 获取个股简要特征快照。包含活跃度、内外盘、换手率、均价等。
# MacSymbolInfo 字段: market, code, name, time, activity, pre_close, open, high, low,
# close, momentum, vol, amount, inside_volume, outside_volume, turnover, avg
# easy-tdx symbol-info SZ 000001 --table
# 输出:
# field value
# 代码 000001
# 名称 平安银行
# 市场 SZ
# 总股本(万) 1940521.84
# 流通股(万) 1940521.84
# 总市值(亿) 24509.37
# 流通市值(亿) 24509.37
echo "=== 19. 列出扩展市场代码 ==="
# 列出所有可用的 ExMarket 枚举值和名称。
# 常用: HK_MAIN_BOARD=31, US_STOCK=74, CFFEX_FUTURES=47, ZZ_FUTURES=28, DL_FUTURES=29
# easy-tdx ex markets
# 输出:
# [
# {"code": 1, "name": "TEMP_STOCK"},
# {"code": 28, "name": "ZZ_FUTURES"},
# {"code": 29, "name": "DL_FUTURES"},
# {"code": 30, "name": "SH_FUTURES"},
# {"code": 31, "name": "HK_MAIN_BOARD"},
# {"code": 47, "name": "CFFEX_FUTURES"},
# {"code": 48, "name": "HK_GEM"},
# {"code": 74, "name": "US_STOCK"},
# ...
# ]
echo "=== 20. 获取扩展市场K线（港股腾讯）==="
# 获取扩展市场 K 线。参数: <ExMarket名称> <代码> --count N --period <周期>
# 返回列: datetime, open, high, low, close, volume, amount
# easy-tdx ex kline HK_MAIN_BOARD 00700 --count 10 --table
# 输出:
# datetime open high low close volume amount
# 2025-05-12 00:00 520.0 528.0 518.5 525.0 16543000 8676540000
# 2025-05-13 00:00 525.0 530.0 522.0 523.5 14321000 7498760000
# 2025-05-14 00:00 523.5 527.0 520.0 525.5 13456000 7076540000
# 2025-05-15 00:00 525.0 530.0 522.5 528.0 15234000 8011230000
# 2025-05-16 00:00 528.0 532.0 525.5 530.5 12345000 6543210000
# 2025-05-19 00:00 531.0 535.0 529.0 533.0 14567000 7765430000
# 2025-05-20 00:00 533.0 536.0 530.0 531.5 11234000 5987650000
# 2025-05-21 00:00 532.0 537.0 530.5 535.0 13456000 7187650000
# ...（共10条）
echo "=== 21. 获取扩展市场报价（美股苹果）==="
# 获取单只扩展市场股票报价。参数: <ExMarket名称> <代码>
# 返回列: market, code, name, pre_close, open, high, low, price, volume, amount
# easy-tdx ex quote US_STOCK AAPL --table
# 输出:
# market code name pre_close open high low price volume amount
# 74 AAPL APPLE 213.75 214.00 218.00 213.50 217.50 49876000 10789650000
echo "=== 22. 获取扩展市场商品列表（港股主板）==="
# 获取扩展市场商品列表。参数: <ExMarket名称> --count N
# 返回列: code(证券代码), name(证券名称), market(市场代码)
# easy-tdx ex quote-list HK_MAIN_BOARD --count 10 --table
# 输出:
# code name market
# 00001 长和 31
# 00002 中电控股 31
# 00003 香港中华煤气 31
# 00004 九龙仓集团 31
# 00005 汇丰控股 31
# 00006 电能实业 31
# 00007 高鑫零售 31
# 00008 新鸿基地产 31
# 00009 载通 31
# 00010 恒隆地产 31
echo "=== 23. 获取扩展市场分时图（港股腾讯）==="
# 获取扩展市场当日分时走势。参数: <ExMarket名称> <代码>
# 返回列: datetime, price, avg_price, volume
# easy-tdx ex tick HK_MAIN_BOARD 00700 --table
# 输出:
# datetime price avg_price volume
# 09:30:00 00:00 532.00 532.00 0
# 09:31:00 00:00 532.50 532.25 5600
# 09:32:00 00:00 533.00 532.50 3400
# 09:33:00 00:00 533.50 532.75 2800
# 09:34:00 00:00 532.80 532.56 4100
# 09:35:00 00:00 533.20 532.84 3500
# ...（共约330条）