Pywencai

PyWenCai（同花顺问财数据查询）

通过Python使用中文自然语言从同花顺问财查询A股及其他市场数据。

⚠️ 需要Cookie：必须提供问财网站的有效Cookie。获取方法见下文。

环境要求

• Python 3.7+
• Node.js v16+（pywencai 内部执行 JS 代码）
• pip package manager

安装

pip install pywencai --upgrade

如何获取Cookie

若存在环境变量 WENCAI_COOKIE，可直接使用；若调用失败，则按如下步骤重新获取：

1. 在浏览器中打开 https://www.iwencai.com 并登录。
2. 按F12打开开发者工具 → 切换到Network标签。
3. 在问财页面执行任意查询。
4. 找到发往iwencai.com的请求，从请求头中复制Cookie值。
5. 将该字符串作为cookie参数使用。

Cookie管理

优先使用环境变量或文件管理Cookie，避免硬编码：

import os
import pywencai

# 方法1：从环境变量读取Cookie（推荐）
cookie = os.environ.get('WENCAI_COOKIE', '')

# 方法2：从文件读取Cookie
def load_cookie(path='~/.wencai_cookie'):
    path = os.path.expanduser(path)
    if os.path.exists(path):
        with open(path) as f:
            return f.read().strip()
    return ''

# 方法3：封装查询函数，统一管理Cookie和错误处理
def query(q, **kwargs):
    cookie = load_cookie()
    try:
        return pywencai.get(
            query=q, cookie=cookie,
            no_detail=True, retry=3, sleep=1,
            **kwargs
        )
    except Exception as e:
        print(f"查询失败: {e}")
        return None

# 使用
df = query('今日涨停的股票')

基本用法

import pywencai

# 查询今日涨幅前10的股票，需要有效cookie
res = pywencai.get(query='今日涨幅前10', cookie='your_cookie_here')
print(res)

API参考：pywencai.get(**kwargs)

必选参数

• query — 中文自然语言查询字符串，如 '今日涨停股票'、'市盈率小于20的股票'
• cookie — 从问财网站获取的Cookie字符串（必需）

可选参数

• sort_key — 排序字段名，如 '退市@退市日期'
• sort_order — 排序方向：'asc'（升序）或 'desc'（降序）
• page — 页码（默认：1）
• perpage — 每页结果数（默认和最大：100）
• loop — 设为True获取所有页；或设为整数n获取前n页
• query_type — 查询类别（默认：'stock'），可选值：

• retry — 失败重试次数（默认：10）
• sleep — 分页请求间延迟秒数（默认：0）
• log — 设为True在控制台打印日志
• pro — 设为True使用付费版（需要对应的cookie）
• no_detail — 设为True始终返回DataFrame或None（不返回dict）
• find — 优先返回的股票代码列表，如 ['600519', '000010']
• request_params — 传递给requests的额外参数，如 {'proxies': proxies}

返回值

• 列表类查询 → 返回 pandas.DataFrame
• 详情类查询 → 返回 dict（可能包含文本和DataFrame）

使用示例

按市场类型查询

import pywencai

# A股股票（默认）
res = pywencai.get(query='今日涨停的股票', cookie=cookie)

# 指数数据
res = pywencai.get(query='上证指数近5日涨跌幅', query_type='zhishu', cookie=cookie)

# 基金数据
res = pywencai.get(query='近一年收益率最高的前20只基金', query_type='fund', cookie=cookie)

# 可转债数据
res = pywencai.get(query='可转债溢价率小于10%', query_type='conbond', cookie=cookie)

# 港股数据
res = pywencai.get(query='港股市值最大的前20只股票', query_type='hkstock', cookie=cookie)

基本面选股

# 估值筛选
res = pywencai.get(query='市盈率小于20的股票', cookie=cookie)
res = pywencai.get(query='市盈率小于10且市净率小于1的股票', cookie=cookie)

# 财务指标
res = pywencai.get(query='ROE大于15%且营收同比增长率大于20%的股票', cookie=cookie)

# 多条件综合筛选
res = pywencai.get(query='市盈率小于20且营收同比增长大于30%且机构持仓比例大于10%的股票', cookie=cookie)
res = pywencai.get(query='今日站上20日均线且市盈率小于30且ROE大于10%的股票', cookie=cookie)

技术面与资金流

# 技术信号
res = pywencai.get(query='今日MACD金叉的股票', cookie=cookie)
res = pywencai.get(query='KDJ的J值小于0的股票', cookie=cookie)
res = pywencai.get(query='今日成交量是5日均量2倍以上且涨幅大于5%的股票', cookie=cookie)

# 资金流向
res = pywencai.get(query='今日主力资金净流入前20的股票', cookie=cookie)
res = pywencai.get(query='北向资金持股比例最高的前20只股票', cookie=cookie)

排序、分页与代理

# 按指定字段排序
res = pywencai.get(
    query='退市股票',
    sort_key='退市@退市日期',
    sort_order='asc',
    cookie=cookie
)

# 自动分页获取全部数据（使用代理）
proxies = {'http': 'http://proxy:8080', 'https': 'http://proxy:8080'}
res = pywencai.get(
    query='昨日涨幅',
    loop=True,
    log=True,
    cookie=cookie,
    request_params={'proxies': proxies}
)

历史数据查询

# 指定日期
res = pywencai.get(query='2024年1月2日涨幅前10的股票', cookie=cookie)

# 日期范围
res = pywencai.get(query='2024年上半年涨幅最大的前20只股票', cookie=cookie)

完整示例：多策略自动化选股并导出

import pywencai
import pandas as pd
import time

cookie = os.environ.get('WENCAI_COOKIE', '')

# 定义多个筛选策略
strategies = {
    "低估值高分红": "市盈率小于15且股息率大于3%的股票",
    "高成长": "营收同比增长大于30%且净利润同比增长大于30%的股票",
    "技术突破": "今日放量突破20日均线且涨幅大于3%的股票",
    "机构关注": "近一个月机构调研次数大于3次的股票",
    "北向资金": "北向资金今日净买入前20的股票",
}

results = {}
for name, query in strategies.items():
    try:
        res = pywencai.get(query=query, cookie=cookie, no_detail=True)
        if res is not None and not res.empty:
            results[name] = res
            print(f"策略 [{name}] 选出 {len(res)} 只股票")
        else:
            print(f"策略 [{name}] 无结果")
    except Exception as e:
        print(f"策略 [{name}] 查询失败: {e}")
    time.sleep(2)  # 每次查询间隔2秒，避免被封禁

# 保存结果到Excel（每个策略一个工作表）
if results:
    with pd.ExcelWriter("选股结果.xlsx") as writer:
        for name, df in results.items():
            df.to_excel(writer, sheet_name=name, index=False)
    print("筛选结果已保存到 选股结果.xlsx")

使用技巧

• 适度使用 — 高频调用可能被问财服务器封禁，建议每次查询间隔 ≥ 2秒。
• 始终使用最新版本：pip install pywencai --upgrade
• 查询字符串使用中文自然语言 — 像在问财网站搜索一样编写查询。
• 当loop=True且设置了find时，loop被忽略，仅返回前100条结果。
• 使用付费数据时，设置pro=True并提供有效cookie。

常见错误处理

规则

• 使用此 Skill 前，确认用户需要的是问财自然语言数据查询，而非纯行情 API（如 baostock）或回测框架（如 backtrader/rqalpha）。
• 示例中的 cookie 参数应统一使用环境变量 WENCAI_COOKIE 或 Cookie 文件管理方式，不要硬编码 Cookie 字符串。
• 始终设置 no_detail=True 以确保返回 DataFrame（除非用户明确需要详情 dict）。
• 批量查询时必须设置 sleep 参数（建议 ≥ 2秒），避免被服务器封禁。
• 查询字符串应使用中文自然语言，与问财网站搜索框的输入方式一致。