PyWenCai：同花顺问财数据获取工具

PyWenCai 是一个专为从同花顺问财平台获取股票市场数据设计的 Python 库。它借助同花顺强大的金融数据分析能力，提供了丰富的 API，支持获取各类股市指标、个股详情、行业分析等数据，对量化交易研究和金融市场分析而言价值重大。

声明

1. PyWenCai 是开源社区开发的工具，并非同花顺官方提供。
2. 此工具仅为效率工具，旨在方便通过 Python 获取问财数据，用于量化研究和学习，其原理与登录网页获取数据的方式一致。
3. 建议低频使用，坚决反对高频调用，因为高频调用可能会被问财屏蔽，使用时请自行评估技术和法律风险。
4. 项目代码遵循 MIT 开源协议，但不赞成商用，商用前请自行评估法律风险。
5. 感谢问财提供免费接口和数据分享。

环境依赖

由于程序中需要执行 JS 代码，所以请先确保已安装 Node.js，且版本需为 v16+。若尚未安装，请自行进行安装。

安装

pip install pywencai

由于问财接口策略时常发生变化，为保证正常使用，请安装最新版本。遇到问题时，优先尝试升级来解决。

如何获取 cookie

⚠️ 注意：鉴于问财登录策略的调整，目前使用时必填 cookie 参数。以下是获取 cookie 参数的方法，即复制请求头中的 Cookie 字段值：

Demo

import pywencai

res = pywencai.get(query='退市股票', sort_key='退市@退市日期', sort_order='asc', cookie='xxx')
print(res)

API

get(**kwargs)

该方法用于根据问财语句查询结果。

参数

query

必填参数，用于指定查询问句。

老版本的 question 参数在 1.0 版本以后会被弃用，请统一使用 query 参数。

sort_key

非必填参数，用于指定用于排序的字段，其值为返回结果的列名。

sort_order

非必填参数，用于指定排序规则，可取值为 asc（升序）或 desc（降序）。

page

非必填参数，用于指定查询的页号，默认为 1。

perpage

非必填参数，用于指定每页的数据条数，默认值为 100。由于问财做了数据限制，最大值为 100，指定大于 100 的数值无效。

loop

非必填参数，默认值为 False，可设置为 True 或具体数值。当设置为 True 时，程序会一直循环到最后一页，返回全部数据；当设置为具体数值 n 时，循环请求 n 页，返回 n 页合并数据。

query_type

非必填参数，默认为 stock。当查询类型不是股票时需要传递该参数，具体取值及含义如下表：

取值	含义
stock	股票
zhishu	指数
fund	基金
hkstock	港股
usstock	美股
threeboard	新三板
conbond	可转债
insurance	保险
futures	期货
lccp	理财
foreign_exchange	外汇

retry

非必填参数，默认为 10，表示请求失败后的重试次数。

sleep

非必填参数，默认为 0，表示循环请求时每次请求的间隔秒数。

log

非必填参数，默认为 False，用于设置是否在控制台打印日志。

pro

非必填参数，默认为 False，付费版需传 True。

必须传入 cookie 参数才能使用付费版。

pywencai.get(question='近3个月每日市盈率', pro=True, cookie='xxxx')

cookie

必填参数，默认为 None。

request_params

非必填参数，默认为 {}，可用于设置额外的 request 参数。

pywencai.get(query='昨日涨幅', sort_order='asc', loop=True, log=True, request_params={ 'proxies': proxies })

具体参数可参看：https://requests.readthedocs.io/en/latest/api/#requests.request

no_detail

非必填参数，默认为 False。当设置为 True 时，查询一些详情类问题不再返回字典，而是返回 None，这样可以保证查询结果类型始终为 pd.DataFrame 或 None。

find

非必填参数，默认为 None，可传入一个数组，例如 ['600519', '000010']，数组内对应的标的会排列在 DataFrame 的最前面。

【注意】 1、该参数仅在结果为 DataFrame 时有效。2、配置该参数后，loop 参数会失效，结果只会返回前 100 条。

user_agent

非必填参数，默认为 None，可自行传入 user_agent，而不使用随机生成的 user_agent。

返回值

当查询的是列表时，该方法返回一个 pandas 的 Dataframe；当查询的是详情时，该方法返回一个字典，字典中可能包含若干个文本和 Dataframe。

应用案例和最佳实践

查询历史数据

若要获取某支股票的历史收盘价格，可采用如下方法：

from datetime import timedelta
from pywencai import WenCaiAPI

def get_history_price(stock_code, end_date):
    api = WenCaiAPI()
    start_date = end_date - timedelta(days=365)
    query = f'代码={stock_code} and 日期 BETWEEN {start_date.strftime("%Y%m%d")} AND {end_date.strftime("%Y%m%d")}'
    result = api.get_data(query)
    return result[['日期', '收盘价']]

# 使用示例
history_prices = get_history_price('000001', datetime.now())
print(history_prices)

财务指标分析

PyWenCai 支持复杂的财务数据查询，例如：

query = '市净率<1 and ROE>10'
financial_data = api.get_data(query)

上述查询将返回所有市净率小于 1 但净资产收益率大于 10% 的公司列表。

典型生态项目

• 量化交易系统：将 PyWenCai 与策略算法相结合，可开发自动化交易系统。
• 金融数据分析：利用 PyWenCai 获取大规模市场数据，进行深入分析和可视化展示。
• 风险管理模型：依据市场动态，调整投资组合的风险控制机制。

PyWenCai 作为连接开发者与同花顺强大数据资源的桥梁，推动了金融科技领域的发展。无论你是专业投资者还是数据分析师，都能从中获益。