Python 爬取同花顺股票数据及技术指标提取
在量化分析、AI 预测和个人投资工具开发中，使用 Python 获取股票数据已成为标配。同花顺（iFinD）作为国内主流金融平台，提供丰富的股票行情、历史 K 线和技术指标数据。推荐使用开源库如 Akshare 或 Tushare，这些库本质上是封装好的爬虫接口，支持同花顺等数据源，免费且高效。
本教程基于当前最新实践：
- 首选库：Akshare（免费开源，支持实时/历史数据，数据来源包括同花顺、东方财富等）。
- 备选：Tushare（需注册 Token，免费版有限额，付费版更稳定）。
- 技术指标提取：使用 pandas_ta 或 TA-Lib 计算 MA（移动平均）、RSI（相对强弱指数）、MACD 等。
- 注意事项：
- 数据仅供学习/研究，商业使用需获得平台授权。
- Akshare/Tushare 依赖网络，可能有调用限制。
- 环境：Python 3.10+，安装库：
pip install akshare pandas pandas_ta matplotlib（TA-Lib 如需安装：pip install TA-Lib，但 pandas_ta 更简单）。
步骤 1：安装与准备
pip install akshare pandas pandas_ta matplotlib requests
- Akshare：获取股票数据。
- Pandas：数据处理。
- Pandas_ta：技术指标计算（内置 200+ 指标）。
- Matplotlib：可视化。
步骤 2：爬取同花顺股票数据
Akshare 支持从同花顺等来源获取：
- 历史 K 线：
stock_zh_a_hist。 - 实时数据：
stock_zh_a_spot_em或stock_bid_ask_em。 - 示例股票：600519.SH（贵州茅台）。
示例代码：获取历史 K 线数据
import akshare as ak
import pandas as pd
# 获取贵州茅台历史日 K 线（从 2025-01-01 到当前）
stock_code = "600519" # 股票代码（沪市加 .SH，深市加 .SZ）
df = ak.stock_zh_a_hist(
symbol=stock_code,
period="daily", # daily/weekly/monthly
start_date="20250101", # YYYYMMDD
end_date="20260120", # 今天日期
adjust="qfq" # qfq: 前复权；hfq: 后复权；"": 不复权
)
# 保存为 CSV
df.to_csv(f"{stock_code}_history.csv", index=False)
print(df.head()) # 查看前 5 行
输出示例（大致结构）：
| 日期 | 开盘 | 收盘 | 最高 | 最低 | 成交量 | 成交额 | 振幅 | 涨跌幅 | 涨跌额 | 换手率 |
|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 2025-01-02 | 1500.0 | 1520.5 | 1530.0 | 1490.0 | 100000 | 1.52e+08 | 2.67% | 1.37% | 20.5 |
- 解释：Akshare 从同花顺/东方财富等爬取数据，支持复权调整。数据包括开盘、收盘、成交量等。
如果用 Tushare（备选，需要 Token）：
import tushare as ts
ts.set_token('your_token') # 从 tushare.pro 注册获取
pro = ts.pro_api()
df = pro.daily(ts_code=f"{stock_code}.SH", start_date='20250101', end_date='20260120')
print(df.head())
实时数据示例：
# 实时分笔数据（tick 数据，从同花顺源）
tick_df = ak.stock_zh_a_tick_tx(symbol=stock_code, adjust="")
print(tick_df.head()) # 时间、价格、成交量等
步骤 3：技术指标提取
获取数据后，使用 pandas_ta 计算常见指标：
- MA（移动平均线）：简单/指数移动平均。
- RSI（相对强弱指数）：超买/超卖信号。
- MACD（移动平均收敛散度）：趋势反转。
- Bollinger Bands（布林带）：波动率。
示例代码：提取并可视化技术指标
import pandas_ta as ta
import matplotlib.pyplot as plt
# 假设 df 是从 Akshare 获取的历史数据（需确保有 'open', 'high', 'low', 'close', 'volume' 列）
df = df.rename(columns={'开盘':'open','收盘':'close','最高':'high','最低':'low','成交量':'volume'}) # 英文列名
df['date'] = pd.to_datetime(df['日期']) # 日期列
df.set_index('date', inplace=True) # 设置索引
# 计算指标
df['ma5'] = ta.sma(df['close'], length=5) # 5 日简单移动平均
df['ma20'] = ta.sma(df['close'], length=20) # 20 日简单移动平均
df['rsi'] = ta.rsi(df['close'], length=14) # 14 日 RSI
macd = ta.macd(df['close'], fast=12, slow=26, signal=9) # MACD
df = pd.concat([df, macd], axis=1) # 添加 MACD 列
print(df[['close','ma5','ma20','rsi','MACD_12_26_9']].tail()) # 查看最后 5 行
# 可视化
fig, (ax1, ax2, ax3) = plt.subplots(3, 1, figsize=(12, 8), sharex=True)
# K 线 + MA
ax1.plot(df.index, df['close'], label='Close', color='blue')
ax1.plot(df.index, df['ma5'], label='MA5', color='orange')
ax1.plot(df.index, df['ma20'], label='MA20', color='green')
ax1.set_title('Stock Price with MA')
ax1.legend()
# RSI
ax2.plot(df.index, df['rsi'], label='RSI', color='purple')
ax2.axhline(70, color='red', linestyle='--') # 超买线
ax2.axhline(30, color='green', linestyle='--') # 超卖线
ax2.set_title('RSI')
ax2.legend()
# MACD
ax3.plot(df.index, df['MACD_12_26_9'], label='MACD', color='blue')
ax3.plot(df.index, df['MACDs_12_26_9'], label='Signal', color='red')
ax3.bar(df.index, df['MACDh_12_26_9'], label='Histogram', color='gray', alpha=0.5)
ax3.set_title('MACD')
ax3.legend()
plt.tight_layout()
plt.show()
输出解释：
- MA：金叉（MA5 上穿 MA20）买信号，死叉卖信号。
- RSI：>70 超买（卖出），<30 超卖（买入）。
- MACD：MACD 上穿 Signal 买，下穿卖；柱状图正负表示强度。
- 图表：上层股价 + MA，中层 RSI，下层 MACD。
步骤 4：高级扩展 & 注意事项
- 更多指标：pandas_ta 支持 Bollinger (
ta.bbands)、Stochastic (ta.stoch) 等。文档：pandas-ta.readthedocs.io。 - 实时监控：用 Akshare 的
stock_zh_a_spot_em循环获取，每分钟刷新。 - 批量股票：循环多个代码，或用 Akshare 的
stock_rank_cxg_ths获取同花顺概念股列表。 - 潜在问题：
- 反爬：Akshare 可能被封 IP，用代理或间隔调用（time.sleep(1)）。
- 数据准确：验证与官网一致；Tushare 付费版更可靠。
- 法律：仅个人使用，避免高频爬取导致封号。
- 替代方案：如果 Akshare 失效，用 requests + BeautifulSoup 直接爬同花顺页面（e.g., https://stockpage.10jqka.com.cn/600519/），但需分析 JS 渲染（用 Selenium）。
- 可视化进阶：可用 Plotly 交互图（pip install plotly），或 Streamlit 做 Web 仪表盘。
