在金融数据分析中，通达信软件提供的数据文件（如日线数据文件 .day）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、day文件位置

通达信日线数据文件（.day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：

上海证券交易所的日线数据：

路径：[安装目录]\vipdoc\sh\lday

示例：C:\new_tdx\vipdoc\sh\lday

深圳证券交易所的日线数据：

路径：[安装目录]\vipdoc\sz\lday

示例：C:\new_tdx\vipdoc\sz\lday

每个股票的日线数据文件名称格式为[市场代码][股票代码].day，例如，上证股票代码为600000的日线数据文件为sh600000.day，深证股票代码为000001的日线数据文件为sz000001.day

2、day文件内容的构成

通达信的日线数据文件（.day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：

日期（4字节，整数），格式YYYYMMDD

开盘价（4字节，浮点数），需要除以100

最高价（4字节，浮点数），需要除以100

最低价（4字节，浮点数），需要除以100

收盘价（4字节，浮点数），需要除以100

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day文件

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

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：
    tuple: 包含两个元素，第一个元素是解析后的数据列表，第二个元素是列名列表。
    """
    # 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()

    # 计算文件中记录的数量
    num_records = len(buf) // 32
    # 初始化数据列表和列名列表
    items = []
    cols = ["date", "open", "high", "low", "close", "amount", "vol"]

    # 遍历每条记录
    for i in range(num_records):
        # 计算当前记录的起始和结束位置
        b = i * 32
        e = b + 32
        # 解析当前记录的数据
        a = struct.unpack("IIIIIfII", buf[b:e])

        # 将整数日期转换为字符串格式
        date_int = a[0]
        date_str = datetime.strptime(str(date_int), "%Y%m%d").strftime("%Y-%m-%d")

        # 解析开盘价、最高价、最低价、收盘价等数据，并四舍五入保留两位小数
        _open = round(a[1] / 100.0, 2)
        _high = round(a[2] / 100.0, 2)
        _low = round(a[3] / 100.0, 2)
        _close = round(a[4] / 100.0, 2)
        _amount = a[5]
        _vol = a[6] / 100.0

        # 构建当前记录的数据字典
        item = {
            cols[0]: date_str,  # 日期
            cols[1]: str(_open),  # 开盘价
            cols[2]: str(_high),  # 最高价
            cols[3]: str(_low),  # 最低价
            cols[4]: str(_close),  # 收盘价
            cols[5]: str(_amount),  # 成交额
            cols[6]: str(_vol),  # 成交量
        }
        # 将当前记录的数据字典添加到数据列表中
        items.append(item)

    # 返回解析后的数据列表和列名列表
    return items, cols

4、将识别结果输出为csv文件

解析完day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，你将得到一个包含日线数据的csv文件。以下是一个示例输出（002354）：

date,open,high,low,close,amount,vol
2025-01-13,5.7,5.96,5.43,5.6,1488412032.0,2638310.33
2025-01-14,5.7,6.16,5.61,6.15,2165473792.0,3654233.28
2025-01-15,6.2,6.77,6.12,6.55,2810684416.0,4333975.68
2025-01-16,6.68,6.69,6.2,6.47,2689251840.0,4163141.44
2025-01-17,6.26,6.3,5.98,6.01,1717530240.0,2810773.76
...