rustdx

受 pytdx 启发的 A 股数据获取工具，包含：

1. 一个 Rust 通用库 rustdx；
2. 一个命令行工具 rustdx-cmd。

rustdx 库使用

rustdx 是一个功能完整的 A 股数据获取库，完全对标 pytdx 的核心功能。

功能特性

安装

[dependencies]
rustdx-complete = "0.5.0"

使用示例

获取股票实时行情

use rustdx::tcp::{Tcp, Tdx};
use rustdx::tcp::stock::SecurityQuotes;

fn main() -> Result<(), Box<dyn std::error::Error>> {
    let mut tcp = Tcp::new()?;

    // 获取多只股票的实时行情
    let mut quotes = SecurityQuotes::new(vec![
        (0, "000001"),  // 平安银行（深市）
        (1, "600000"),  // 浦发银行（沪市）
    ]);

    quotes.recv_parsed(&mut tcp)?;

    for quote in quotes.result() {
        println!("{}: {} - 当前价: {}", quote.code, quote.name, quote.price);
    }

    Ok(())
}

获取指数行情

use rustdx::tcp::{Tcp, Tdx};
use rustdx::tcp::stock::SecurityQuotes;

let mut tcp = Tcp::new()?;

// 获取主要指数行情
let mut quotes = SecurityQuotes::new(vec![
    (1, "000001"),  // 上证指数
    (0, "399001"),  // 深证成指
    (1, "000300"),  // 沪深300
]);

quotes.recv_parsed(&mut tcp)?;

for quote in quotes.result() {
    println!("{}: {} (涨跌: {}%)", quote.code, quote.price, quote.change_percent);
}

获取日线数据

use rustdx::tcp::{Tcp, Tdx};
use rustdx::tcp::stock::Kline;

let mut tcp = Tcp::new()?;
let mut kline = Kline::new(1, "600000", 9, 0, 10); // 沪市、浦发银行、日线、从0开始获取10条

kline.recv_parsed(&mut tcp)?;

for bar in kline.result() {
    println!("{} : 开({}) 高({}) 低({}) 收({})",
        bar.dt, bar.open, bar.high, bar.low, bar.close);
}

获取财务信息

use rustdx::tcp::{Tcp, Tdx};
use rustdx::tcp::stock::FinanceInfo;

let mut tcp = Tcp::new()?;
let mut finance = FinanceInfo::new(0, "000001"); // 深市、平安银行

finance.recv_parsed(&mut tcp)?;

let info = &finance.result()[0];
println!("股票代码: {}", info.code);
println!("总股本: {:.0} 股", info.zongguben);
println!("净资产: {:.0} 元", info.jingzichan);
println!("净利润: {:.0} 元", info.jinglirun);

获取分时数据

use rustdx::tcp::{Tcp, Tdx};
use rustdx::tcp::stock::MinuteTime;

let mut tcp = Tcp::new()?;
let mut minute = MinuteTime::new(0, "000001", 0); // 深市、平安银行、从第0条开始

minute.recv_parsed(&mut tcp)?;

for data in minute.result().iter().take(10) { // 只打印前10条
    println!("{} : 价格={} 成交量={}", data.time, data.price, data.vol);
}

获取逐笔成交

use rustdx::tcp::{Tcp, Tdx};
use rustdx::tcp::stock::Transaction;

let mut tcp = Tcp::new()?;
let mut transaction = Transaction::new(0, "000001", 0); // 深市、平安银行、从第0条开始

transaction.recv_parsed(&mut tcp)?;

for data in transaction.result().iter().take(5) { // 只打印前5笔
    println!("{} : 价格={} 成交量={} 买卖方向={}",
        data.time, data.price, data.vol, data.buyorsell);
}

市场代码说明

• 0 = 深市（深圳证券交易所）
• 1 = 沪市（上海证券交易所）

超时设置

默认 TCP 超时时间为 5 秒。如果网络环境较差，可以调整 src/tcp/mod.rs 中的 TIMEOUT 常量。

完整示例程序

项目 examples/ 目录下提供了完整的使用示例：

• test_security_quotes.rs - 股票和指数行情
• test_kline.rs - K线数据
• test_finance_info.rs - 财务信息
• test_minute_time.rs - 分时数据
• test_transaction.rs - 逐笔成交
• test_security_list.rs - 股票列表

运行示例：

cargo run --example test_security_quotes

命令行工具（统计数据基于笔者的单核 CPU Ubuntu 系统 release build，以实际速度为准）：

1. 解析所有最新股票列表的历史 A 股数据（包含复权数据）不到 30s ，解析后的 csv 大小 1G 多；
2. 将解析后的 csv 数据插入到 ClickHouse （20s，表 268 M） 或 MongoDB （7 分钟，表超过 700 M）；
3. 东财日线增量更新（包括复权），2s 更新完。

关于复权：

1. 使用涨跌幅复权算法，无需修改（重算）历史复权信息；
2. 只计算收盘价前复权，其他价格复权只需基于收盘价和相对价格即可计算出来（这在 ClickHouse 中很快）。

具体文档待补充。

rustdx-cmd

安装

使用以下一种方式即可：

1. 下载 已编译的 release 版本

2. cargo install：

cargo install rustdx-cmd

3. cargo build：

$ git clone https://github.com/zjp-CN/rustdx.git
$ cd rustdx
$ cargo build -p rustdx-cmd --release # 编译（二进制在 target/release 下）
$ cargo install --path rustdx-cmd     # 安装（二进制在全局 .cargo/bin 下）

子命令

• day：解析通达信 day 文件，具体查看帮助 rustdx day --help、rustdx day -h o -h l。
• east：获取东方财富当日 A 股数据，具体查看帮助 rustdx east --help。

完整使用例子

准备好 day 文件、gbbq 文件和 ClickHouse 数据库：

p.s. 请勿使用本项目 assets/ 中的 gbbq 文件，因为那对你来说是过时的。

注意：

此工具的主要目的就是快速补齐历史日线数据，但没有校验交易日数据连续或者清空数据库的功能。

因没有每天记录日线导致日线不完整（或者其他原因导致数据有问题），请重新解析和存储所有历史数据。

重新存储数据之前，使用以下 sql 命令（以 ClickHouse 为例）删除历史数据：

TRUNCATE TABLE rustdx.factor;

如果发现历史数据不正确，请提交 issue。

# 解析所有最新股票的历史日线数据，且计算复权数据
$ rustdx day /vdb/tmp/tdx/sh/ /vdb/tmp/tdx/sz/ -l official -g ../assets/gbbq -t rustdx.factor
# 写入 ClickHouse 数据库
$ clickhouse-client --query "INSERT INTO rustdx.factor FORMAT CSVWithNames" < stocks.csv

# 有了历史日线数据之后，每个交易日收盘之后，更新当天数据
$ rustdx east -p factor.csv -t rustdx.factor
# 写入 ClickHouse 数据库
$ clickhouse-client --query "INSERT INTO rustdx.factor FORMAT CSVWithNames" < eastmoney.csv

其中 factor.csv 来自数据库中，前一天的复权数据，ClickHouse 的导出命令：

SELECT
    yesterday() AS date,
    code,
    last_value(close) AS close,
    last_value(factor) AS factor
FROM rustdx.factor
GROUP BY code
INTO OUTFILE 'factor.csv'
FORMAT CSVWithNames;

或者：

# 解析所有最新股票的历史日线数据，且计算复权数据，写入 ClickHouse 数据库
$ rustdx day /vdb/tmp/tdx/sh/ /vdb/tmp/tdx/sz/ -l official -g ../assets/gbbq -o clickhouse -t rustdx.factor

# 有了历史日线数据之后，每个交易日收盘之后，更新当天数据
$ rustdx east -p clickhouse -o clickhouse -t rustdx.factor

CHANGELOG

更新记录

使用示例

计算任何周期的涨跌幅

SELECT
    code,
    toYYYYMM(date) AS m, -- 这里以月周期为例
    ((LAST_VALUE(factor) / FIRST_VALUE(factor)) * FIRST_VALUE(close)) / FIRST_VALUE(preclose) AS mgrowth
FROM rustdx.factor -- 命令行参数中所写入的表名，假设你按照我上面给的命令行示例运行，那么原始数据在这个表
GROUP BY code, m   -- 按照月聚合
ORDER BY code ASC, m DESC;

为什么 mgrowth 是那样计算，见 涨跌幅复权与前复权。

计算前复权价格

注意，上面计算涨幅时没有计算前复权价格，但大部分情况下必须知道前复权价格来计算价格相关的指标。

那么可以每日数据成功入库之后，运行一次以下脚本，注意：

• 这基于最新价来计算所有股票的所有历史前复权价格（在我的单核机器上需要 11 秒）
• 每次运行脚本会把之前的计算结果清空
• 前复权的结果在 rustdx.qfq 这个表（只有股票代码和价格）

-- 计算前复权价格
DROP TABLE IF EXISTS rustdx.qfq_x; -- 临时表
CREATE TABLE rustdx.qfq_x (
    code FixedString(6),
    x    Float64,
    PRIMARY KEY(code)
) ENGINE = MergeTree  AS 
WITH
qfq AS (
    SELECT code, LAST_VALUE(close) / LAST_VALUE(factor) AS qfq_multi
    FROM rustdx.factor
    GROUP BY code
    ORDER BY code
)
SELECT * FROM qfq;

DROP TABLE IF EXISTS rustdx.qfq; -- 前复权价格
CREATE TABLE rustdx.qfq (
    date  Date,
    code  FixedString(6),
    close Float64,
    open  Float64,
    high  Float64,
    low   Float64,
    PRIMARY KEY(date, code)
) ENGINE = MergeTree AS
WITH
qfq_x AS (SELECT * FROM rustdx.qfq_x),
fct AS (
    SELECT date, code, open/close AS open, high/close AS high, low/close AS low, factor
    FROM rustdx.factor
),
raw AS (
    SELECT *
    FROM fct
    LEFT JOIN qfq_x ON qfq_x.code = fct.code
)
SELECT date, code, factor*x AS close, open*close AS open, high*close AS high, low*close AS low
FROM raw
ORDER BY date, code