企业官网建设流程全解析

3步搞定A股实时监控脚本：用 pysnowball 雪球数据接口快速上手

【免费下载链接】pysnowball雪球股票数据接口 python edition项目地址: https://gitcode.com/gh_mirrors/py/pysnowball

每天开盘前，你是不是也要手动打开好几个页面：先看自选股涨跌，再翻一遍持仓基金净值，最后还要核对几只重点股票的成交量？我最初也是这么干的，直到我把这套流程写成一个脚本，用 pysnowball（雪球股票数据接口的 Python 版）一次性拉回所有数据。这篇文章就把这套"从配置到跑通"的完整路径拆给你看，全程只需要三件套：装库、配 token、写调用。

自己爬网页 VS 现成数据接口

在动手之前，先回答一个绕不开的问题：为什么不自建爬虫抓行情？我自己踩过坑，把两种方案的关键差异整理成一张表：

一句话总结：爬虫是把时间花在"怎么拿到数据"上，而用 pysnowball 是把时间花在"用数据做什么"上。下面是它的实际能力清单，代码在仓库的pysnowball/目录下按模块划分，__init__.py里统一导出了全部函数：

• 实时行情：quotec、quote_detail、pankou、kline（日/周/月/60分/30分/1分）
• 财务数据：income、balance、cash_flow、indicator、business三大报表加核心指标
• 资金流向：capital_flow当日分时、capital_history历史日线、capital_assort成交分布
• 基金数据：fund_info、fund_nav_history、fund_growth、fund_asset等 9 个接口
• F10 专题：top_holders十大股东、bonus分红、main_indicator主要指标等

首次配置三步走：安装、token、连通性验证

第一步：安装并导入

安装命令和普通 Python 库没有区别：

pip install pysnowball

然后以ball为别名导入，后面所有接口都从这个命名空间调用：

import pysnowball as ball

第二步：配置雪球 token

这是整个上手过程中唯一容易卡住的环节。原理很简单：pysnowball 底层请求雪球接口时，需要携带你登录雪球的 Cookie 凭证，核心是两个值——xq_a_token和u。获取方式：浏览器登录雪球网页版，按 F12 打开开发者工具，在 Network 面板任意请求的 Cookie 里就能找到它们。

拿到后调用set_token写入环境变量（pysnowball/token.py的实现就是把值存进XUEQIUTOKEN）：

ball.set_token("xq_a_token=你的token值;u=你的用户id")

注意两点：一是这个 token 有有效期，过期后脚本会报错，届时重新抓取即可；二是不要把它写进公开仓库，建议放进本地配置文件。

第三步：用一次性接口验证连通性

有个小技巧值得先记住：行情快照quotec走的是fetch_without_token（见pysnowball/utls.py），不校验 token，很适合拿来当"网没网、库装没装好"的冒烟测试：

# 上证指数快照，无需token即可返回 print(ball.quotec("SH000001"))

这一步能跑通，说明环境没问题。接下来需要 token 的接口就都能放心使用了。

实战一：把雪球自选股拉成一张涨跌表

很多人不知道watch_list可以直接读取你雪球账号下的自选股列表，配合quotec批量取行情，十几行代码就是一个"今日自选监控"：

import pysnowball as ball # 1. 读取自选股列表（返回的分组信息里，category=1 是股票分组） watch = ball.watch_list()['data']['stocks'] my_group = [g for g in watch if g['id'] == -1][0] # id=-1 代表"全部"分组 # 2. 取该分组下的股票代码 stocks = ball.watch_stock(my_group['id'])['data']['stocks'] symbols = ",".join(s['symbol'] for s in stocks) # 逗号拼接，一次批量请求 # 3. 批量获取行情，只保留关心的字段 quotes = ball.quotec(symbols)['data'] for q in quotes: print(f"{q['name']:<8} 现价 {q['current']:>8.2f} 涨跌幅 {q['percent']:>6.2f}% 成交量 {q['volume']}")

这段代码的讲解价值在于：自选列表和行情是两个独立接口，先取名单、再批量取价，中间用逗号把代码拼成一个字符串，一次请求搞定全部股票，比逐个调用高效得多。

实战二：把基金净值走势变成可视化报告

股票看完，再看基金。基金类接口走的是蛋卷数据源（utls.py中的fetch_danjuan_fund），不需要 token，非常省心。下面这段代码抓取一只基金的近期净值，并顺手算出区间收益：

import pysnowball as ball from datetime import datetime def fund_snapshot(fund_code, pages=3): # 1. 基金基本信息：名称、最新净值、各周期涨跌幅都在 fund_derived 里 info = ball.fund_info(fund_code)['data'] derived = info['fund_derived'] print(f"基金：{info['fd_name']} 最新净值：{derived['unit_nav']}") print(f"近1月 {derived['nav_grl1m']}% 近3月 {derived['nav_grl3m']}% 近1年 {derived['nav_grl1y']}%") # 2. 分页拉取历史净值（默认每页10条，这里取3页共30天） history = [] for page in range(1, pages + 1): data = ball.fund_nav_history(fund_code, page=page, size=10) history.extend(data['data']['items']) # 3. 转成日期-净值序列并计算区间收益率 series = sorted( (datetime.fromtimestamp(int(i['nav_date']) / 1000), float(i['unit_nav'])) for i in history if i.get('unit_nav') ) start_d, start_v = series[0] end_d, end_v = series[-1] print(f"区间 {start_d:%Y-%m-%d} ~ {end_d:%Y-%m-%d}") print(f"累计收益 {(end_v / start_v - 1) * 100:.2f}%") fund_snapshot("008975")

这段代码的关键点有三个：分页参数page/size控制拉取量；时间戳毫秒转日期需要// 1000；排序保证净值按时间递增，收益率计算才不出错。fund_nav_history的完整参数说明可以在仓库的APIs/fund_nav_history.md文档里找到。

进阶：批量场景下的限流与报错排查清单

脚本跑通之后，如果你开始批量拉全市场数据，会遇到两类问题：请求太频繁被限流、token 过期导致报错。这里给出一份可照抄的排查清单：

报错 1：未设置TOKEN

pysnowball/cons.py里定义了这个错误信息，触发原因是set_token没调用或环境变量丢失。检查代码里是否在导入后立即设置了 token，且拼写与 Cookie 中的字段名完全一致。

报错 2：接口返回异常或非 200

utls.py的fetch在非 200 状态时会直接抛出异常。最常见的原因是 token 失效——重新登录雪球抓取最新 Cookie 即可。其次检查网络代理是否拦截了stock.xueqiu.com域名。

报错 3：请求频繁被限流

批量场景建议自己加一层限流器，控制每分钟请求数，避免触发风控：

import time from collections import deque class RateLimiter: def __init__(self, max_per_minute=30): self.max = max_per_minute self.stamps = deque() def wait(self): now = time.time() while self.stamps and now - self.stamps[0] > 60: self.stamps.popleft() if len(self.stamps) >= self.max: sleep = 60 - (now - self.stamps[0]) + 1 time.sleep(max(sleep, 0)) self.stamps.append(time.time()) # 用法：每次调用前 limiter.wait() limiter = RateLimiter(max_per_minute=30) for code in stock_list: limiter.wait() data = ball.quote_detail(code)

另外，重试机制也很实用：遇到偶发网络抖动，包一层带退避的重试即可，不必每次手动重跑。

把脚本变成你的每日开盘前习惯

回头看，这套流程的全部价值就是把"手动刷新十几个页面"压缩成了"运行一个脚本"：自选股行情、持仓基金净值、区间收益一次性输出。pysnowball 值得一试的理由很实在——安装一条命令、配置一个 token、调用就是一个个函数，数据从行情到财务到资金流全覆盖，足够支撑个人量化研究和投资跟踪的大部分需求。

想进一步探索，仓库里还有几份现成的接口文档可以直接查阅：基金类接口见APIs/目录下的fund_*.md，K 线返回结构见APIs/realtime_kline.md，全部函数签名以pysnowball/__init__.py的导出为准。如果你也想加入量化交流，可以扫描项目根目录下的wx.png二维码（搜索"宽客笔记"）找到组织。

现在就动手吧：git clone https://gitcode.com/gh_mirrors/py/pysnowball，装上依赖、配好 token，把上面两个实战脚本改成你自己的自选列表，明天开盘前，让数据替你打工。

【免费下载链接】pysnowball雪球股票数据接口 python edition项目地址: https://gitcode.com/gh_mirrors/py/pysnowball