mootdx 实战：3 行代码拉取通达信 K 线与财务数据

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

用 Python 拿 A 股数据，要么自己啃通达信私有协议，要么在几个单点工具里拼凑。mootdx 是一个通达信数据读取的 Python 封装：在线行情、离线 K 线、财务报表三类数据一次打包，返回的都是 pandas DataFrame，拉完就能直接进分析管线。

为什么值得选 mootdx

通达信是国内券商软件的通行数据源，数据权威且实时，但原生接口对 Python 开发者并不友好：连接握手、二进制解析、服务器分片，哪一环都会踩坑。mootdx 基于 tdxpy 把这些底层细节全部收走，你只需要传股票代码和参数。相比直接调 pytdx 的裸 API，它最省心的地方是体验一致性：工厂方法统一入口、内置服务器探测列表、空结果自动重试，不用每次重新踩同样的坑。

架构速览：一类数据源一个入口

代码按数据源划分：mootdx/quotes.py 负责在线行情（K 线、指数、分钟线），mootdx/reader.py 读取本机通达信安装目录下的离线文件，mootdx/affair.py 管财务数据的下载与解析；服务器探测和测速逻辑集中在 mootdx/server.py，底层还有一批 utils 提供缓存、频率换算等公共能力。整体分层很薄，读源码没有负担。

• 工厂方法统一入口：Quotes.factory(market='std')一行拿到客户端，std（股票）/ext（扩展市场）自动切换底层实现。
• 最快服务器自动探测：bestip=True会并发 ping 内置服务器列表，结果写入本地配置，免去手动试 IP。
• 空结果自动重试：基于 tenacity 检测返回的 DataFrame 是否为空，自动重连再试，省去手写重试循环。
• pandas 原生输出：所有接口的返回都是 DataFrame，无需手动拆包。

核心能力拆解：线上、离线、财务三件套

拉在线 K 线：给个代码就能跑

最常用的入口是bars，frequency控制周期（9 是日 K，8 是 1 分钟，0 是 5 分钟），offset控制条数。客户端参数里multithread开启多线程批量请求，heartbeat保持长连接不被掐断：

from mootdx.quotes import Quotes # 多线程请求 + 心跳保活 client = Quotes.factory(market='std', multithread=True, heartbeat=True) # 拉取 600036 最近 100 根日 K 线 df = client.bars(symbol='600036', frequency=9, offset=100) print(df[['open', 'high', 'low', 'close', 'vol']].tail())

读本地历史：vipdoc 目录就是数据仓库

如果你已经装了通达信客户端，历史数据其实早就躺在安装目录的vipdoc文件夹里，Reader 会按代码和市场自动拼出文件路径，不用关心sz000001.day这类命名规则：

from mootdx.reader import Reader # tdxdir 指向你的通达信安装目录 reader = Reader.factory(market='std', tdxdir='C:/new_tdx') daily = reader.daily(symbol='600036') # 日 K 线 minute = reader.minute(symbol='600036') # 分钟线 fzline = reader.fzline(symbol='600036') # 5 分钟线

拿财务报表：列目录、下载、解析三步

财务数据以 zip 压缩包形式挂在远程服务器上，files()先看目录，fetch()下载，parse()直接解析成表：

from mootdx.affair import Affair files = Affair.files() # 查看可下载的报表文件列表 Affair.fetch(downdir='tmp', filename='gpcw20231231.zip') # 下载单个报表 df = Affair.parse(downdir='tmp', filename='gpcw20231231.zip') # 解析为 DataFrame print(len(df), '条记录')

一个场景跑通：给日线策略备数据

如果你要搭一条"拉数据 → 算指标 → 落盘"的小流程来验证回测管线，线上 K 线加移动平均就够了。下面这段代码完整走完这个链路：

from mootdx.quotes import Quotes client = Quotes.factory(market='std', multithread=True, heartbeat=True) code = '600036' # 拉最近 800 根日 K（单次请求上限约 800 条，历史更长可用 start 分页） df = client.bars(symbol=code, frequency=9, offset=800).reset_index() # 常用技术指标 df['MA5'] = df['close'].rolling(5).mean() df['MA20'] = df['close'].rolling(20).mean() df['ret'] = df['close'].pct_change() # 落盘成 CSV，编码用 utf-8-sig 方便 Excel 打开 df.to_csv(f'{code}_daily.csv', index=False, encoding='utf-8-sig') print(df[['datetime', 'close', 'MA5', 'MA20', 'ret']].tail())

预期输出：当前目录下生成一份{code}_daily.csv，包含日期、开高低收、成交量额和新增的 MA5 / MA20 / ret 三列；控制台打印最后 5 个交易日的收盘价与指标值，ret列首行为空（pct_change 的正常行为）。整段代码不依赖本地安装的通达信，有网就能跑。

调优、生态与延伸

稳定性三条经验

💡 第一次跑先加bestip=True测速，把最快服务器固化进本地配置；长驻进程务必开heartbeat=True，断线后库检测到空结果会自动重连；拉长历史时用start/offset分批，源码里get_k_data就是按 800 条一批切的。

与 pandas 和缓存的配合

所有接口返回 DataFrame，可以直接to_csv/to_excel，CLI 的-o参数也支持 CSV、HDF5、Excel 输出。反复拉同一批代码时，用 mootdx/utils/pandas_cache.py 里的pd_cache装饰器把结果存成本地 pkl 并设置过期时间，能省掉大量重复请求；手里有通达信导出的 txt 文件，mootdx/tools/tdx2csv.py 可以批量转成标准 CSV。

进一步学习

• docs/quick.md：快速上手，三大接口加 CLI 用法十分钟能过完；
• tests/：真实调用示例与断言，适合对照验证接口行为；
• docs/api/：行情、离线、财务接口的完整参数文档。

如果你做量化策略或金融数据分析，数据源正好落在通达信上，mootdx 能帮你把协议层的麻烦一次性省掉。建议先跑通上面bars的示例拿到第一份 DataFrame，再用bestip测一次服务器速度，然后决定要不要把它接进你的数据管线。

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