原文链接：https://pytdx-docs.readthedocs.io/zh-cn/latest/pytdx_exhq/
行情接口API
下面是如何在程序里面调用本接口

首先需要引入

from pytdx.hq import TdxHq_API

然后，创建对象

api = TdxHq_API()

之后，通常是如下的格式

if api.connect(‘119.147.212.81’, 7709):
# … same codes…
api.disconnect()

当然，我们也支持with 语法,可以省略disconnect()语句

with api.connect(‘119.147.212.81’, 7709):
# some codes

我们的数据获取届接口一般返回list结构，如果需要转化为pandas Dataframe接口，可以使用 api.to_df 进行转化如：

data = api.get_security_bars(9, 0, ‘000001’, 0, 10) #返回普通list
data = api.to_df(api.get_security_bars(9, 0, ‘000001’, 0, 10)) # 返回DataFrame

可以使用的api方法有下列的几个。

api方法列表
参数一般性约定
一般来说，股票代码和文件名称使用字符串类型，其它参数都使用数值类型

1 : 获取股票行情
可以获取多只股票的行情信息

需要传入一个列表，每个列表由一个市场代码，一个股票代码构成的元祖构成 [ (市场代码1，股票代码1)，(市场代码2，股票代码2) … (市场代码n，股票代码n) ]

如：

api.get_security_quotes([(0, ‘000001’), (1, ‘600300’)])

注意点：非股票品种代码，有些获取的价格不是实际价格，比如可转债获取价格为实际价格*10。这是可能是TDX为了防止浮点数错误，报价在传输和存储时实际都保存为整数，然后根据品种进行处理的结果。@solensolen

2 : 获取k线
category->
K线种类
0 5分钟K线 1 15分钟K线 2 30分钟K线 3 1小时K线 4 日K线
5 周K线
6 月K线
7 1分钟
8 1分钟K线 9 日K线
10 季K线
11 年K线
market -> 市场代码 0:深圳，1:上海
stockcode -> 证券代码;
start -> 指定的范围开始位置;
count -> 用户要请求的 K 线数目，最大值为 800
如：

api.get_security_bars(9,0, ‘000001’, 4, 3)

3 : 获取市场股票数量
0 - 深圳， 1 - 上海

api.get_security_count(0)

4 : 获取股票列表
参数：市场代码, 起始位置如： 0,0 或 1,100

api.get_security_list(1, 0)

5 : 获取指数k线
category->
K线种类
0 5分钟K线 1 15分钟K线 2 30分钟K线 3 1小时K线 4 日K线
5 周K线
6 月K线
7 1分钟
8 1分钟K线 9 日K线
10 季K线
11 年K线
market -> 市场代码 0:深圳，1:上海
stockcode -> 证券代码;
start -> 指定的范围开始位置;
count -> 用户要请求的 K 线数目，最大值为 800
如：

api.get_index_bars(9,1, ‘000001’, 1, 2)

6 : 查询分时行情
参数：市场代码，股票代码，如： 0,000001 或 1,600300

api.get_minute_time_data(1, ‘600300’)

7 : 查询历史分时行情
参数：市场代码，股票代码，时间如： 0,000001,20161209 或 1,600300,20161209

api.get_history_minute_time_data(TDXParams.MARKET_SH, ‘600300’, 20161209)

注意，在引入 TDXParams 之后，（from pytdx.params import TDXParams）我们可以使用 TDXParams.MARKET_SH , TDXParams.MARKET_SZ 常量来代替 1 和 0 作为参数

8 : 查询分笔成交
参数：市场代码，股票代码，起始位置，数量如： 0,000001,0,10

api.get_transaction_data(TDXParams.MARKET_SZ, ‘000001’, 0, 30)

9 : 查询历史分笔成交
参数：市场代码，股票代码，起始位置，日期数量如： 0,000001,0,10,20170209

api.get_history_transaction_data(TDXParams.MARKET_SZ, ‘000001’, 0, 10, 20170209)

10 : 查询公司信息目录
参数：市场代码，股票代码，如： 0,000001 或 1,600300

api.get_company_info_category(TDXParams.MARKET_SZ, ‘000001’)

11 : 读取公司信息详情
参数：市场代码，股票代码, 文件名, 起始位置，数量, 如：0,000001,000001.txt,2054363,9221

api.get_company_info_content(0, ‘000001’, ‘000001.txt’, 0, 100)

注意这里的起始位置，数量参考上面接口的返回结果。

12 : 读取除权除息信息
参数：市场代码，股票代码，如： 0,000001 或 1,600300

api.get_xdxr_info(1, ‘600300’)

13 : 读取财务信息
参数：市场代码，股票代码，如： 0,000001 或 1,600300

api.get_finance_info(0, ‘000001’)

14 : 读取k线信息
参数：市场代码，开始时间，结束时间

get_k_data(‘000001’,’2017-07-03’,’2017-07-10’)

参考 https://github.com/rainx/pytdx/issues/5

15 ：读取板块信息
参数：板块文件名称，可以取的值限于

板块相关参数

BLOCK_SZ = “block_zs.dat”
BLOCK_FG = “block_fg.dat”
BLOCK_GN = “block_gn.dat”
BLOCK_DEFAULT = “block.dat”

api.get_and_parse_block_info(“block.dat”)

或者用我们定义好的params

api.get_and_parse_block_info(TDXParams.BLOCK_SZ)

多线程支持
由于Python的特性，一般情况下，不太建议使用多线程代码，如果需要并发访问，建议使用多进程来实现，如果要使用多线程版本，请在初始化时设置multithread参数为True

api = TdxHq_API(multithread=True)

心跳包
由于长时间不与服务器交互，服务器将关闭连接，所以我们实现了心跳包的机制，可以通过

api = TdxHq_API(heartbeat=True)

设置心跳包，程序会启动一个心跳包发送线程，在空闲状态下隔一段时间发送一个心跳包，注意，打开heartbeat=True选项的同时会自动打开multithread=True

抛出异常
我们的错误处理有两套机制，根据TdxHq_API 构造函数里的 raise_exception 参数来确定，如果

默认情况

api = TdxHq_API(raise_exception=False)

如果在调用connect 的时候，失败会返回false, 调用普通接口时候，如果出错的情况返回None

如果

api = TdxHq_API(raise_exception=True)

如果在调用connect 的时候，失败会抛出TdxConnectionError异常, 调用普通接口时候，如果出错的情况抛出TdxFunctionCallError异常

重连机制
在调用函数的时候，如果服务器连接断开或者其它的异常情况下，为了保证在偶发的连接断开下自动重连并重新请求数据。关于重试的周期和次数，我们通过一个自定义的类实现，你可以实现自己的重试策略

如果开启的话，需要

api = TdxHq_API(auto_retry=True)

下面是我们默认的重试策略

class DefaultRetryStrategy(RetryStrategy):
“””
默认的重试策略，您可以通过写自己的重试策略替代本策略, 改策略主要实现gen方法，该方法是一个生成器，
返回下次重试的间隔时间, 单位为秒，我们会使用 time.sleep在这里同步等待之后进行重新connect,然后再重新发起
源请求，直到gen结束。
“””
@classmethod
def gen(cls):
# 默认重试4次 … 时间间隔如下
for time_interval in [0.1, 0.5, 1, 2]:
yield time_interval

你可以实现自己的重试机制并替换默认的，如永远重复, 间隔1秒一次（慎用）

class MyRetryStrategy(RetryStrategy):
@classmethod
def gen(cls):
while True:
yield 1

然后覆盖默认的

api.retry_strategy = MyRetryStrategy()

调试模式
如果您需要调试本代码，监控传输过程中的数据包传输情况，可以使用调试模式，使用方法是设定环境变量 TDX_DEBUG 为 1 如

TDX_DEBUG=1 hqget -f 1

行情服务器列表
为了方便连接服务器，我把一些常用的服务器列表整理到到 hosts.py 文件中. 在程序中可以通过

from pytdx.config.hosts import hq_hosts

获取列表, 列表里的数据参考了 https://github.com/rainx/pytdx/issues/3

获取流量统计信息
In [12]: api.get_traffic_stats()
Out[12]:
{‘first_pkg_send_time’: datetime.datetime(2017, 9, 13, 13, 42, 3, 596519),
‘recv_bytes_per_second’: 116.0,
‘recv_pkg_bytes’: 2759,
‘recv_pkg_num’: 18,
‘send_bytes_per_second’: 15.0,
‘send_pkg_bytes’: 368,
‘send_pkg_num’: 9,
‘total_seconds’: 23.716146}

扩展行情接口API
首先需要引入

from pytdx.exhq import TdxExHq_API

然后，创建对象

api = TdxExHq_API()

之后，通常是如下的格式

if api.connect(‘61.152.107.141’, 7727):
# … same codes…
api.disconnect()

当然，我们也支持with 语法,可以省略disconnect()语句

with api.connect(‘61.152.107.141’, 7727):
# some codes

api方法列表
参数一般性约定
一般来说，股票代码和文件名称使用字符串类型，其它参数都使用数值类型

1: 获取市场代码
可以获取该api服务器可以使用的市场列表，类别等信息

api.get_markets()

返回结果 api.to_df(api.get_markets()) 一般某个服务器返回的类型比较固定，该结果可以缓存到本地或者内存中。

2017-07-31 21:22:06,067 - PYTDX - INFO - 获取市场代码
market category name short_name
0 1 1 临时股 TP
1 4 12 郑州商品期权 OZ
2 5 12 大连商品期权 OD
3 6 12 上海商品期权 OS
4 8 12 上海个股期权 QQ
5 27 5 香港指数 FH
6 28 3 郑州商品 QZ
7 29 3 大连商品 QD
8 30 3 上海期货 QS
9 31 2 香港主板 KH
10 32 2 香港权证 KR
11 33 8 开放式基金 FU
12 34 9 货币型基金 FB
13 35 8 招商理财产品 LC
14 36 9 招商货币产品 LB
15 37 11 国际指数 FW
16 38 10 国内宏观指标 HG
17 40 11 中国概念股 CH
18 41 11 美股知名公司 MG
19 43 1 B股转H股 HB
20 44 1 股份转让 SB
21 47 3 股指期货 CZ
22 48 2 香港创业板 KG
23 49 2 香港信托基金 KT
24 54 6 国债预发行 GY
25 60 3 主力期货合约 MA
26 62 5 中证指数 ZZ
27 71 2 港股通 GH

2: 查询代码列表
参数，起始位置，获取数量

api.get_instrument_info(0, 100)

Demo: get_list_demo

3: 查询市场中商品数量
api.get_instrument_count()

4: 查询五档行情
参数市场ID，证券代码

市场ID可以通过 get_markets 获得
api.get_instrument_quote(47, “IF1709”)

5: 查询分时行情
参数市场ID，证券代码

市场ID可以通过 get_markets 获得
api.get_minute_time_data(47, “IF1709”)

6: 查询历史分时行情
参数市场ID，证券代码，日期

市场ID可以通过 get_markets 获得
日期格式 YYYYMMDD 如 20170811
api.get_history_minute_time_data(31, “00020”, 20170811)

7: 查询k线数据
参数： K线周期，市场ID，证券代码，起始位置，数量

K线周期参考 TDXParams
市场ID可以通过 get_markets 获得
api.get_instrument_bars(TDXParams.KLINE_TYPE_DAILY, 8, “10000843”, 0, 100)

8: 查询分笔成交
参数：市场ID，证券代码

市场ID可以通过 get_markets 获得
api.get_transaction_data(31, “00020”)

注意，这个接口最多返回1800条记录, 如果有超过1800条记录的请求，我们有一个start 参数作为便宜量，可以取出超过1800条记录

如期货的数据：这个接口可以取出1800条之前的记录，数量也是1800条

api.get_history_transaction_data(47, “IFL0”, 20170810, start=1800)

9: 查询历史分笔成交
参数：市场ID，证券代码, 日期

市场ID可以通过 get_markets 获得
日期格式 YYYYMMDD 如 20170810
api.get_history_transaction_data(31, “00020”, 20170810)

api = TdxExHq_API(multithread=True)

心跳包
由于长时间不与服务器交互，服务器将关闭连接，所以我们实现了心跳包的机制，可以通过

api = TdxExHq_API(heartbeat=True)

设置心跳包，程序会启动一个心跳包发送线程，在空闲状态下隔一段时间发送一个心跳包，注意，打开heartbeat=True选项的同时会自动打开multithread=True

抛出异常和重连机制
参考标准行情 pytdx.hq 对应的章节

读取本地数据：
Reader接口
读取通达信的日K线
通过下面的接口，我们可以解析通达信的日K线文件，该文件可以通过读取通达信的软件本地目录导出的数据获取，也可以从通达信的官网上下载，如果您安装了通达信的终端，可以在安装目录下找到 vipdoc 子目录。

比如我的通达信客户端安装在 c:\new_tdx 下，

即

c:\new_tdx\vipdoc\sz\lday\ 下是深圳的日k线数据
c:\new_tdx\vipdoc\sh\lday\ 下是上海的日k线数据
该目录下每个股票为一个文件，如 sz000001.day 为深圳的日k行情，

读取行情的接口非常简单

from pytdx.reader import TdxDailyBarReader, TdxFileNotFoundException
reader = TdxDailyBarReader()
df = reader.get_df(“/Users/rainx/tmp/vipdoc/sz/lday/sz000001.day”)

df 是pandas 的DateFrame格式，输出为：

         open   high    low  close        amount     volume

date
1991-12-23 27.70 27.90 27.60 27.80 3.530600e+06 127000
1991-12-24 27.90 29.30 27.00 29.05 3.050250e+06 105000
1991-12-25 29.15 30.00 29.10 29.30 6.648170e+06 226900
1991-12-26 29.30 29.30 28.00 28.00 5.370400e+06 191800
1991-12-27 28.00 28.50 28.00 28.45 5.988725e+06 210500
… … … … … … …
2017-06-22 9.15 9.40 9.14 9.25 1.325211e+09 142695815
2017-06-23 9.23 9.27 9.16 9.25 5.383036e+08 58400441
2017-06-26 9.26 9.40 9.26 9.30 6.637629e+08 71076995

[6031 rows x 6 columns]

可以通过pandas将它保存为csv 等文件, 如:

df.to_csv(“/tmp/000001.csv”)

读取扩展行情的日线（如期货，期权，现货等）
In [1]: from pytdx.reader import TdxExHqDailyBarReader

In [2]: reader = TdxExHqDailyBarReader()

In [3]: df = reader.get_df(“/Users/rainx/Downloads/lday/29#A1801.day”)

In [4]: df
Out[4]:
open high low close amount volume jiesuan
date
2017-08-07 3830.0 3936.0 3826.0 3925.0 167038 224516 3881.0
2017-08-08 3926.0 3990.0 3921.0 3951.0 188460 256984 3958.0
2017-08-09 3951.0 3997.0 3951.0 3982.0 194150 157330 3976.0
2017-08-10 3978.0 4015.0 3970.0 3995.0 206944 174878 3993.0
2017-08-11 3997.0 4017.0 3927.0 3954.0 202010 258036 3971.0

读取通达信的分钟K线（目前支持1，5分钟k线）
分钟线有两种格式，第一种是.1 .5 为后缀的

from pytdx.reader import TdxMinBarReader, TdxFileNotFoundException
reader = TdxMinBarReader()
df = reader.get_df(“/Users/rainx/Downloads/sh000001.5”)

In [2]: df
Out[2]:
open high low close amount
date
2015-07-09 09:35:00 3432.45 3454.14 3374.32 3423.61 6.189348e+10
2015-07-09 09:40:00 3420.56 3424.16 3395.07 3396.33 2.341652e+10

                    volume

date
2015-07-09 09:35:00 618934736
2015-07-09 09:40:00 234165181

还有一种为 .lc1 .lc5 后缀的

from pytdx.reader import TdxLCMinBarReader, TdxFileNotFoundException

reader = TdxLCMinBarReader()
df = reader.get_df(“/Users/rainx/Downloads/sz000001.lc5”)
print(df)

open high low close amount
date
2017-07-26 09:35:00 10.920000 10.990000 10.860000 10.940000 118572536.0
2017-07-26 09:40:00 10.929999 10.990000 10.910000 10.969999 43107384.0
2017-07-26 09:45:00 10.969999 11.050000 10.969999 11.050000 40586544.0
2017-07-26 09:50:00 11.050000 11.130000 11.010000 11.120000 100486624.0
2017-07-26 09:55:00 11.110000 11.179999 11.099999 11.179999 78094816.0
….
….
…

读取板块信息文件
文件位置参考： http://blog.sina.com.cn/s/blog_623d2d280102vt8y.md

样例代码：

默认扁平格式

df = BlockReader().get_df(“/Users/rainx/tmp/block_zs.dat”)
print(df)

blockname block_type code_index code
0 沪深300 2 0 000001
1 沪深300 2 1 000002
2 沪深300 2 2 000008
3 沪深300 2 3 000009

分组格式

df2 = BlockReader().get_df(“/Users/rainx/tmp/block_zs.dat”, BlockReader_TYPE_GROUP)
print(df2)

blockname block_type stock_count
0 重点沪指 2 0
1 沪深300 2 300
2 深证成指 2 40
3 中小板指 2 100

code_list
0
1 000001,000002,000008,000009,000060,000063,0000…
2 000001,000002,000063,000069,000100,000157,0001…
3 002001,002004,002007,002008,002010,002013,0020…

读取通达信的自定义板块信息文件夹
在通达信客户端备份自定义板块数据，设置–>数据维护工具–>数据备份，备份后会生出类似TdxBak_20171011/blocknew的文件夹，然后使用如下代码读取：

默认扁平格式

df = CustomerBlockReader().get_df(‘C:/Users/fit/Desktop/TdxBak_20171011/blocknew’)
print(df)

blockname block_type  code_index     code

0 领袖 LX 1 1600516
1 领袖 LX 2 0300678
2 领袖 LX 3 0300675
3 领袖 LX 4 1600230
4 领袖 LX 5 0002497
5 领袖 LX 6 0002460
6 领袖 LX 7 0000807
7 领袖 LX 8 1600874

#分组格式
df = CustomerBlockReader().get_df(‘C:/Users/fit/Desktop/TdxBak_20171011/blocknew’, BlockReader_TYPE_GROUP)
print(df)

blockname block_type stock_count
0 领袖 LX 20
1 核心 HX 20
2 潜力 QL 11

                                        code_list

0 1600516,0300678,0300675,1600230,0002497,000246…
1 1603501,0300597,0002467,0300081,0002194,000086…
2 1600686,0300648,1600476,0300036,1603066,030062…

历史专业财务数据
参考
@datochan https://github.com/rainx/pytdx/issues/133
通达信专业财务函数文档
pytdx.crawler
crawler其实本来想叫做或者，专门来处理http 协议的数据的下载和解析，分为两个阶段，下载阶段我们会使用urllib来下载数据，数据可以下载到临时文件（不传入参数）或者下载到指定的位置（提供参数），也支持指定chunk的分段下载进度的提示（使用传入处理函数），下面是一个reporthook函数的例子downloaderfetcherpath_to_downloadpath_to_downloadreporthook

def demo_reporthook(downloaded, total_size):
print(“Downloaded {}, Total is {}”.format(downloaded, total_size))

获取历史专业财务数据列表 pytdx.crawler.HistoryFinancialListCrawler
实现了历史财务数据列表的读取，使用方式

from pytdx.crawler.history_financial_crawler import HistoryFinancialListCrawler
crawler = HistoryFinancialListCrawler()
list_data = crawler.fetch_and_parse()
print(pd.DataFrame(data=list_data))

结果

In [8]: print(pd.DataFrame(data=list_data))
filename filesize hash
0 gpcw20171231.zip 49250 0370b2703a0e23b4f9d87587f4a844cf
1 gpcw20170930.zip 2535402 780bc7c649cdce35567a44dc3700f4ce
2 gpcw20170630.zip 2739127 5fef91471e01ebf9b5d3628a87d1e73d
3 gpcw20170331.zip 2325626 a9bcebff37dd1d647f3159596bc2f312
4 gpcw20161231.zip 2749415 3fb3018c235f6c9d7a1448bdbe72281a
5 gpcw20160930.zip 2262567 8b629231ee9fad7e7c86f1e683cfb489
.. … … …

75 gpcw19971231.zip 434680 316ce733f2a4f6b21c7865f94eee01c8
76 gpcw19970630.zip 196525 6eb5d8e5f43f7b19d756f0a2d91371f5
77 gpcw19961231.zip 363568 bfd59d42f9b6651861e84c483edb499b
78 gpcw19960630.zip 122145 18023e9f84565323874e8e1dbdfb2adb

[79 rows x 3 columns]

其中，字段为具体的财务数据文件地址，后面的分别是哈希值和文件大小，在同步到本地时，可以作为是否需要更新本地数据的参考filename

获取历史专业财务数据内容 pytdx.crawler.HistoryFinancialCrawler
获取历史专业财务数据内容

使用上面返回的字段作为参数即可filename

from pytdx.crawler.base_crawler import demo_reporthook
from pytdx.crawler.history_financial_crawler import HistoryFinancialCrawler

datacrawler = HistoryFinancialCrawler()
pd.set_option(‘display.max_columns’, None)
result = datacrawler.fetch_and_parse(reporthook=demo_reporthook, filename=’gpcw19971231.zip’, path_to_download=”/tmp/tmpfile.zip”)
print(datacrawler.to_df(data=result))

通过reader 读取数据
如果您自己管理文件的下载或者本地已经有对应的数据文件，可以使用我们的来读取本地数据，使用方法和其它的Reader是类似的，我们的reader同时支持和解压后的文件HistoryFinancialReader.zip.dat

from pytdx.reader import HistoryFinancialReader

print(HistoryFinancialReader().get_df(‘/tmp/tmpfile.zip’))

print(HistoryFinancialReader().get_df(‘/tmp/gpcw20170930.dat’))

通过命令行工具读取并保存到csv文件hq_reader
–>rainx@JingdeMacBook-Pro:/tmp$ hqreader -d hf -o /tmp/gpcw20170930.csv /tmp/gpcw20170930.dat
写入到文件 : /tmp/gpcw20170930.csv

原文链接：https://pytdx-docs.readthedocs.io/zh-cn/latest/pytdx_exhq/