企业官网建设流程全解析

先说我为什么碰这个事。之前做本地回测，每天导通达信的历史数据都要手动操作一遍：打开软件、切到K线图、右键导出、再选路径。数据一多还容易漏一天。后来想通了一个事——通达信本来就是把行情数据存在电脑上的，直接读它自己的原始文件不是更省事吗？研究了一个下午，把日线、分钟线和板块文件的格式全部摸清楚了，用Python的struct模块按字节解析，几十万条记录几秒钟就能全部载入内存。这篇文章把文件格式、完整解析源码和我在实际使用中踩过的坑一次性讲清楚，适合想在Python里直接使用通达信本地数据的开发者和量化分析入门者。

1. 先弄清楚通达信本地数据放在哪里、长什么样

1.1 vipdoc目录：sh、sz、bj三个子目录的秘密

通达信安装目录下有个vipdoc文件夹，这是它存放行情数据的地方。打开后你通常能看到sh、sz、bj三个子目录，分别对应上海、深圳、北京三个市场。每个子目录里都是按股票代码命名的数据文件，比如sh600000.day就是浦发银行的日线数据，sz000001.day就是平安银行的日线数据。

这类文件虽然后缀有的是.day、.lc5、.lc1，但本质都是二进制文件，不是文本。文件名里的市场前缀加代码组合起来就能唯一定位一只股票，所以在写解析程序时，我一般直接把它当成一个完整的标识符用，不用再单独去判断市场和代码。

值得留意的是，.day文件是日线数据，.lc5是5分钟线数据，.lc1是1分钟线数据。通达信安装目录里还可能有其他后缀的dat文件，比如公式缓存、自选股缓存之类的，但行情文件核心就是这三种。标题里提到的"dat"通常是对这类二进制行情文件的统称，真正需要解析的重点就是它们。

1.2 day、lc5、lc1三种文件的二进制字段布局

通达信的日线文件结构很规整，每条记录固定32字节，依次存储日期、开盘价、最高价、最低价、收盘价、成交额、成交量和保留字段。价格部分为了省空间，存的是整数，实际价格要除以100。

分钟线的记录长度同样是32字节，但多了一个时间字段，布局略有不同：日期、时间、开盘价、最高价、最低价、收盘价、成交额、成交量。这个时间字段的格式是HHMM，比如930代表早上9点30分，1459代表下午14点59分。

很多网上资料会把字段类型写成long，但用Python的struct模块时要注意，通达信这些整数基本都是4字节，对应格式串里的I，不是8字节的Q，这一点搞错了解析出来的数据就是一团乱码。

1.3 blocknew目录：blk板块文件其实是文本

除了行情文件，通达信的自选板块、行业板块默认放在安装目录下的T0002\blocknew目录里，后缀是.blk。它和上面的二进制行情文件不同，本质是文本文件，每行记录一个股票，大概是这样的形式：

600000,1,浦发银行 000001,0,平安银行 830799,2,艾融软件

中间用逗号分隔，第一列是股票代码，第二列是市场标志，第三列是股票名称。市场标志里，0通常代表深圳，1代表上海，2代表北京。但也有部分版本会用竖线|或者制表符分隔，解析时最好做兼容处理。

我遇到过一些老版本通达信，blk文件路径是在T0002\block而不是blocknew，甚至有的自定义板块文件名会带特殊字符。所以写解析代码时，路径别写死，最好做成参数或者自动探测。

2. 用struct逐字节切开二进制行情文件：核心源码

2.1 为什么是struct而不是pandas的read_csv

这类行情文件是固定长度的二进制格式，不是普通文本。Python里处理二进制最顺手的标准库就是struct，它能把一段bytes按照指定格式拆成对应的Python类型。比如<IIIIIfII就表示按小端字节序、依次读取5个无符号整数、1个单精度浮点数、2个无符号整数，共32字节。

pandas.read_csv之类的函数读不了这种文件，因为里面根本没有换行符和分隔符。你当然可以手动读32字节然后切片再转换，但struct.unpack一次就能拆完，代码简洁，性能也好。解析几万个记录只需要几十毫秒。

2.2 日线.day文件解析源码

下面这段是我实际使用的日线解析代码，逻辑很直白：读取文件大小，除以32算出总记录数，然后循环读取并解包。

import struct from pathlib import Path def _unpack_day_record(data): """解包一条32字节的日线记录""" fields = struct.unpack('<IIIIIfII', data) return { 'date': fields[0], # YYYYMMDD 'open': fields[1] / 100.0, # 开盘价 'high': fields[2] / 100.0, # 最高价 'low': fields[3] / 100.0, # 最低价 'close': fields[4] / 100.0, # 收盘价 'amount': fields[5], # 成交额 'volume': fields[6], # 成交量 } def parse_day_file(file_path): """解析通达信日线文件，返回记录列表""" path = Path(file_path) total = path.stat().st_size // 32 records = [] with open(path, 'rb') as f: for _ in range(total): data = f.read(32) if len(data) < 32: break records.append(_unpack_day_record(data)) return records

如果你已经打开了通达信的日线文件，直接调用parse_day_file('C:/new_tdx/vipdoc/sh/sh600000.day')就能拿到浦发银行的历史日线列表。每条记录是一个字典，日期、开高低收、成交额、成交量一目了然。

2.3 分钟线.lc5/lc1解析源码

分钟线解析方式和日线几乎一样，唯一区别是多了个时间字段。这里我单独写一个解包函数，保持代码结构清晰。

def _unpack_minute_record(data): """解包一条32字节的分钟线记录""" fields = struct.unpack('<IIIIIIfI', data) return { 'date': fields[0], # YYYYMMDD 'time': fields[1], # HHMM，如930、1459 'open': fields[2] / 100.0, 'high': fields[3] / 100.0, 'low': fields[4] / 100.0, 'close': fields[5] / 100.0, 'amount': fields[6], 'volume': fields[7], } def parse_minute_file(file_path): """解析通达信分钟线文件，.lc5和.lc1通用""" path = Path(file_path) total = path.stat().st_size // 32 records = [] with open(path, 'rb') as f: for _ in range(total): data = f.read(32) if len(data) < 32: break records.append(_unpack_minute_record(data)) return records

这个函数的后缀是.lc5还是.lc1都不影响，底层记录长度和结构一致。如果你想做盘中监控或者短线分析，这个解析器可以直接用。顺便提醒一句，分钟线文件通常比日线大很多，5分钟线一年的记录量大概在5000条左右，1分钟线一年记录量能到25000条，但即使这样，解析速度依然很快。

2.4 只读最后N条：文件偏移定位技巧

实际分析中经常只需要最近一段数据，比如最近20个交易日。这时完全没必要把整个文件读一遍再截断，可以直接用seek跳到目标偏移量再读，速度更快，内存占用也更少。

def parse_day_tail(file_path, n=20): """只解析日线文件最后n条记录""" path = Path(file_path) total = path.stat().st_size // 32 start = max(total - n, 0) records = [] with open(path, 'rb') as f: f.seek(start * 32) for _ in range(total - start): data = f.read(32) if len(data) < 32: break records.append(_unpack_day_record(data)) return records

如果某个股票的数据文件特别大，这个函数的优势就体现出来了。比如读取上证指数从1990年至今的日线，全量解析可能需要几百万条记录，但只取最后20条，几乎瞬间完成。这种按偏移量读取的思路在实时行情轮询场景下尤其好用。

3. 把blk板块文件读成结构化列表：编码与分隔符兼容

3.1 一个小坑：blk文件是GBK编码

首先得接受一个事实：通达信是国产老牌软件，它的文本文件默认用GBK编码，不是UTF-8。如果你直接用open默认编码读取blk文件，大概率会遇到UnicodeDecodeError。正确做法是显式指定编码，并且加errors参数兜底，防止某个股票名称里有生僻字导致整个解析失败。

def parse_blk_file(file_path): """解析通达信blk板块文件""" path = Path(file_path) text = path.read_text(encoding='gbk', errors='ignore') ...

这里用errors='ignore'处理个别无法解码的字符，虽然会丢掉极少数字符，但比整个程序崩溃强。如果你需要100%准确地保留股票名称，可以换成errors='replace'，坏字符显示成占位符，至少能知道这里有问题。

3.2 兼容逗号、竖线、空格三种分隔符

不同版本的通达信，甚至不同板块文件，分隔符并不完全统一。有的用逗号，有的用竖线，还有的用制表符。我见过最头疼的是一个自定义板块文件里混用了两种分隔符。所以在解析前做一个标准化：把竖线和制表符统一替换成逗号，然后再按逗号切分。

def parse_blk_file(file_path): path = Path(file_path) text = path.read_text(encoding='gbk', errors='ignore') stocks = [] for line in text.splitlines(): line = line.strip() if not line or line.startswith('#') or line.startswith('['): continue # 统一分隔符 line = line.replace('|', ',').replace('\t', ',') parts = [p.strip() for p in line.split(',')] if len(parts) < 2: continue code = parts[0] market = int(parts[1]) if parts[1].isdigit() else 0 name = parts[2] if len(parts) > 2 else '' stocks.append({'code': code, 'market': market, 'name': name}) return stocks

有些板块文件顶部会有[Info]之类的配置段，以中括号开头，解析时直接跳过。同时，有的blk文件一行里只有股票代码没有名称，所以name字段要做容错处理。

3.3 市场标志归一化与代码补零

从blk文件里读出来的代码有可能缺前导零，比如1或者000001两种情况都存在。为了后续查询方便，最好统一补足到6位。市场标志理论上0、1、2对应深、沪、京，但有些数据源会不写或者写别的东西，我一般会对数位做一次校验，如果异常就返回0。

def normalize_code(code, market): code = code.strip() if len(code) < 6: code = code.zfill(6) return code, int(market) if str(market).isdigit() else 0

这样拼查询路径的时候就很方便：市场标志为0时拼sz，为1时拼sh，为2时拼bj。如果用户给的股票代码本身就是6位数字，这个函数不会做任何多余操作，兼容性很好。

4. 解析结果喂给pandas：算指标、画K线、导出CSV

4.1 记录列表转DataFrame的推荐姿势

拿到记录列表后，很多人第一步就是转成pandas的DataFrame。这里有几个细节值得注意：日期列要转成真正的日期类型，分钟线数据要做时间索引合并，然后按索引排序避免乱序。

import pandas as pd def to_dataframe(records, kind='day'): df = pd.DataFrame(records) if kind == 'minute': # 日期和时间拼成一个datetime列 time_str = df['time'].astype(str).str.zfill(4) dt_str = df['date'].astype(str) + time_str df['datetime'] = pd.to_datetime(dt_str, format='%Y%m%d%H%M') df = df.set_index('datetime').drop(columns=['date', 'time']) else: df['date'] = pd.to_datetime(df['date'].astype(str), format='%Y%m%d') df = df.set_index('date') return df.sort_index()

to_datetime的format参数一定要写明确，不要偷懒不写，因为通达信的日期格式是YYYYMMDD这种纯数字串，不指定格式时pandas会猜错。分钟线的时间要补零，因为930会被解析成数字，直接转字符串会变成930而不是0930。

4.2 一行代码算MA5/MA20和涨跌幅

数据变成DataFrame后，算技术指标就非常简单了。均线、涨跌幅、成交量变化率全是pandas的内置操作。

def add_indicators(df): df = df.copy() df['ma5'] = df['close'].rolling(5).mean() df['ma20'] = df['close'].rolling(20).mean() df['pct_change'] = df['close'].pct_change() * 100 return df

我经常用这个函数验证某只股票在某个时间段的趋势变化。比如读取浦发银行最近120个交易日的日线，加上MA5和MA20，马上就能判断短期均线是金叉还是死叉。注意pct_change()计算的是相邻两天的涨跌幅比例，乘100是为了显示成百分数，方便阅读。

4.3 导出CSV与matplotlib展示注意中文字体

把结果导成CSV供Excel或者其他程序使用，是刚需。导出时我推荐用utf-8-sig编码，这样Excel直接打开不会出现中文乱码。

df_with_indicator = add_indicators(df) df_with_indicator.to_csv('sh600000_day.csv', encoding='utf-8-sig')

画图时有个老生常谈的坑：matplotlib默认字体不支持中文，图例和标题会显示成方块。解决办法是设置中文字体，在代码开头加两行配置：

import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei', 'Microsoft YaHei'] plt.rcParams['axes.unicode_minus'] = False

然后直接调用plot方法就能画出收盘价和均线的走势图，标题也能正常显示中文。如果你需要更专业的K线图，可以装一个mplfinance库，把DataFrame传进去，几十行代码就能画出一张带均线、成交量的K线图。

5. 我在实际解析过程中踩过的坑（排查思路版）

5.1 行情文件不更新：先看文件大小和修改时间

用解析器拿到数据后，我第一件事是核对数据完整性。有次我发现某只股票的日线数据停在了一个月前，怎么解析都只有那几条数据。我的排查思路是：先用Path.stat()看一下文件大小和修改时间。

def file_brief(file_path): stat = Path(file_path).stat() return { 'size': stat.st_size, 'records': stat.st_size // 32, 'modified': stat.st_mtime, }

如果修改时间停在很久以前，而通达信软件里能看到最新行情，那说明软件没有把完整数据写入本地文件。一般情况下，通达信默认只下载最近一段时间的日线，老历史数据需要手动在软件里执行"盘后数据下载"。所以遇到数据缺失，先别怀疑解析器，优先确认文件本身是否完整。

5.2 数据都是未复权：做回测前必须想清楚

通达信本地day文件记录的是原始成交价，不包含复权因子。如果个股在历史上有过分红送股，那么除权日前后用原始价格计算的收益率会出现假摔或者假涨。比如一只股票10送10，除权日价格会从20元直接跳到10元，如果你用原始数据算收益，会得到-50%的错误结果。

要处理这个问题，最稳妥的方式是在通达信软件里用"数据维护工具"导出前复权数据，或者单独获取除权除息信息做复权计算。本地直接解析出的未复权数据适合做行情展示、价格归档，做策略回测前一定得先处理复权，这是我在实测中踩过最深的一个坑。

5.3 当日最后一条记录可能是"半成品"

在交易时间段内运行解析程序，读到的最后一条记录往往不是完整的日线，而是当天截至目前的盘中快照。收盘价会随着行情波动持续变化，直到15点后才定格。我做过一个实时展示程序，盘中每5分钟刷一次最近20条日线，结果最后一条的收盘价一直在变，导致均线也跟着抖动。

一个简单粗暴的规避方法是：在收盘后再做最终计算；如果必须在盘中运行，就把最后一条记录标记为"未完成"，或者干脆丢弃。不要拿半成品数据做任何判断，否则容易得出错误结论。

5.4 通达信版本升级导致目录结构变化

通达信不同版本的目录结构并不完全一致，有时候是T0002\blocknew，有时候是T0002\block，还有的版本在T0002下面找不到blk文件，反而是在用户自定义目录里。我的处理方式是用Python启动时自动探测一下目录，而不是硬编码路径。

def find_blocknew_dir(tdx_root): candidates = [ Path(tdx_root) / 'T0002' / 'blocknew', Path(tdx_root) / 'T0002' / 'block', Path(tdx_root) / 'T0002' / 'block_self', ] for d in candidates: if d.exists(): return d return None

这样一来，通达信升级后最多改一个根目录路径，代码其他部分不用动。

5.5 板块文件出现UnicodeDecodeError的解决办法

读取blk文件报编码错误是我见过最多的问题。原因很直接：文件是GBK编码，但Python在Windows上默认的读取编码可能是本地代码页，在其他系统上可能是UTF-8。解决办法我已经写进解析函数里了，就是显式用encoding='gbk'并加errors='ignore'。

如果你遇到的是另一种乱码情况——文件能读出来，但中文名全部变成"锟斤拷"之类的怪异字符，那说明文件的真实编码不是GBK而是UTF-8。这时候可以把编码参数改成utf-8再试一次。我建议封装一个自动尝试的函数，先用GBK读，失败了再换UTF-8，这样不管碰到什么版本的通达信都能兼容。

我在实际项目里的习惯是，把日线解析和板块解析封装成两个独立的模块，parse_day_file负责把二进制文件变成Python对象，parse_blk_file负责把板块文件变成结构化的股票列表。这样无论是做全市场扫描还是单股票分析，代码都能直接复用。另外有一点始终要记住：通达信本地文件只是行情数据的载体，解析出来之后，数据的准确性和完整性仍然需要你自己负责核对，尤其是涉及历史回测和量化交易的时候，多验证几次永远值得。