Python读取通达信一分钟K线数据（.lc1文件）

在金融数据分析中，通达信软件提供的数据文件（如1分钟K线数据文件 .lc1）是非常宝贵的资源。本文将详细介绍如何使用Python读取和解析这些文件，并将解析结果输出为CSV文件，以便进行进一步的数据分析和处理。

1. lc1文件位置

通达信1分钟K线数据文件（.lc1文件）通常存储在通达信软件的安装目录下的vipdoc文件夹中。具体路径如下：
上海证券交易所的1分钟K线数据：
路径：[安装目录]\vipdoc\sh\minline
示例：C:\new_tdx\vipdoc\sh\minline
深圳证券交易所的1分钟K线数据：
路径：[安装目录]\vipdoc\sz\minline
示例：C:\new_tdx\vipdoc\sz\minline
每个股票的1分钟K线数据文件名称格式为[市场代码][股票代码].lc1，例如，上证股票代码为600000的1分钟K线数据文件为sh600000.lc1，深证股票代码为000001的1分钟K线数据文件为sz000001.lc1。

2. lc1文件内容的构成

通达信的1分钟K线数据文件（.lc1文件）是一种二进制文件，每条记录包含32字节的数据。每条记录的格式如下：

• 年月日（2字节，整数）
• 时间（2字节，整数）
• 开盘价（4字节，浮点数）
• 最高价（4字节，浮点数）
• 最低价（4字节，浮点数）
• 收盘价（4字节，浮点数）
• 成交额（4字节，整数）
• 成交量（4字节，浮点数），需要除以100
• 保留字段（4字节，整数）

3. Python代码识别lc1文件

以下是一个完整的Python脚本，用于读取和解析通达信的1分钟K线数据文件（.lc1文件）：

import struct
from datetime import datetime

    # 打开lc1文件
    with open(file_path, "rb") as ofile:
        data = ofile.read()

    # 初始化一个列表来存储解析后的数据
    kline_data = []

    # 每条记录的长度为32字节
    record_size = 32
    # 计算记录数量
    record_count = len(data) // record_size

    cols = ["date", "time", "open", "high", "low", "close", "amount", "vol"]

    # 遍历每条记录
    for i in range(record_count):
        # 计算记录的起始位置
        start = i * record_size
        # 解析记录
        record = data[start : start + record_size]
        # 使用struct模块解析二进制数据
        unpacked_data = struct.unpack("hhfffffii", record)

        # 解析后的数据格式为：
        # (年月日, 时间, 开盘价, 最高价, 最低价, 收盘价, 成交额, 成交量, 保留字段)
        year = str(int(unpacked_data[0] / 2048) + datetime.now().year + 10)
        month = str(int(unpacked_data[0] % 2048 / 100)).zfill(2)
        day = str(unpacked_data[0] % 2048 % 100).zfill(2)
        hour = str(int(unpacked_data[1] / 60)).zfill(2)
        minute = str(unpacked_data[1] % 60).zfill(2)
        second = "00"
        _open = round(unpacked_data[2], 2)
        _high = round(unpacked_data[3], 2)
        _low = round(unpacked_data[4], 2)
        _close = round(unpacked_data[5], 2)
        _amt = unpacked_data[6]
        _vol = unpacked_data[7] / 100.0

        # 将解析后的数据添加到列表中
        kline_data.append(
            {
                cols[0]: f"{year}-{month}-{day}",
                cols[1]: f"{hour}:{minute}:{second}",
                cols[2]: _open,
                cols[3]: _high,
                cols[4]: _low,
                cols[5]: _close,
                cols[6]: _amt,
                cols[7]: _vol,
            }
        )

    return kline_data, cols

4. 将识别结果输出为csv文件

解析完lc1文件后，我们可以将结果输出为csv文件，以便进行进一步的数据分析和处理。以下是一个将解析结果写入csv文件的函数：

def write_to_csv(kline_data, cols, csv_file_path):
	import csv
    # 打开CSV文件并写入数据
    with open(csv_file_path, "w", newline="") as csvfile:
        writer = csv.DictWriter(csvfile, fieldnames=cols)
        writer.writeheader()
        for kline in kline_data:
            writer.writerow(kline)

5. 最终结果展示

运行上述代码后，你将得到一个包含1分钟K线数据的csv文件。以下是一个示例输出（002354）：

date,time,open,high,low,close,amount,vol
2025-01-17,09:31:00,6.26,6.3,6.13,6.18,99160632.0,159158.0
2025-01-17,09:32:00,6.19,6.23,6.12,6.23,41464664.0,67194.0
2025-01-17,09:33:00,6.22,6.22,6.18,6.21,35951556.0,57976.0
2025-01-17,09:34:00,6.21,6.26,6.21,6.26,21300972.0,34142.0
2025-01-17,09:35:00,6.26,6.26,6.2,6.2,19937316.0,31974.0
...