通达信day文件读取

通达信日线数据读取
https://blog.csdn.net/lh2273341049/article/details/145273996
https://gitcode.csdn.net/662b4a9cc46af926427792e8.html

优化后的代码如下：

# -*- coding: utf-8 -*-
"""
Created on Wed Mar  5 13:28:29 2025
@author: CHENGJUN
"""

import struct
from datetime import datetime

def read_day_file(file_path):
    """
    读取日线文件并解析数据。

    参数：
    file_path (str): 日线文件的路径。

    返回值：
    list: 解析后的数据列表，每个元素是一个字典，包含日期、开盘价、最高价、最低价、收盘价、成交额和成交量。
    """
    # 列名列表
    cols = ["date", "open", "high", "low", "close", "amount", "vol"]

    # 使用with语句打开文件，确保文件在读取后正确关闭
    with open(file_path, "rb") as ofile:
        # 读取文件内容
        buf = ofile.read()

    # 使用struct.iter_unpack直接迭代解析二进制数据
    items = [
        {
            cols[0]: datetime.strptime(str(record[0]), "%Y%m%d").strftime("%Y-%m-%d"),  # 日期
            cols[1]: str(record[1] / 100.0),  # 开盘价（保留原始精度）
            cols[2]: str(record[2] / 100.0),  # 最高价（保留原始精度）
            cols[3]: str(record[3] / 100.0),  # 最低价（保留原始精度）
            cols[4]: str(record[4] / 100.0),  # 收盘价（保留原始精度）
            cols[5]: str(record[5]),  # 成交额
            cols[6]: str(record[6] / 100.0),  # 成交量
        }
        for record in struct.iter_unpack("IIIIIfII", buf)
    ]

    # 返回解析后的数据列表
    return items


file_path = r'D:\Program Files\PinganSecu\vipdoc\bj\lday\bj430478.day'
content = read_day_file(file_path)
df = pd.DataFrame(content)

Out[0]:

           date   open   high    low  close       amount       vol
0    2023-02-23  20.88  21.48  18.88  19.24  168815264.0  82974.55
1    2023-02-24  19.23   23.4  18.88   21.6  112295192.0  52750.44
2    2023-02-27   20.8  21.98  20.15  21.59   75569800.0  36256.99
3    2023-02-28  21.83   24.8   21.6  23.29   91042352.0  39566.13
4    2023-03-01   22.5  22.76  21.25   21.4   69207920.0  31653.66
..          ...    ...    ...    ...    ...          ...       ...
403  2024-10-24   20.0  21.23  19.35  19.62  145768048.0  71753.47
404  2024-10-25   19.4  20.81   18.5  18.68  148836016.0  75489.12
405  2024-10-28  18.43  19.35  17.82  19.09   81902760.0  44060.45
406  2024-10-29  19.09   20.5   18.9   20.5  132313736.0  66834.72
407  2024-10-30  20.16  21.17  19.51  20.32  111359736.0  54632.45

[408 rows x 7 columns]