pywencai

核心功能

PyWenCai 是连接 Python 与同花顺问财平台的非官方 SDK，允许用户通过中文自然语言查询多市场金融数据。核心能力包括：

• 自然语言转数据查询：输入"市盈率小于20的股票""今日MACD金叉"等口语化描述，自动解析为结构化数据
• 多市场覆盖：A股（stock）、港股（hkstock）、美股（usstock）、指数（zhishu）、基金（fund）、可转债（conbond）、期货（futures）等10+资产类别
• 批量与分页获取：支持loop=True自动分页抓取全量数据，单页最大100条
• 灵活筛选排序：通过sort_key/sort_order自定义排序，find参数优先返回指定代码

显著优点

1. 零门槛中文交互：无需学习SQL或专业API语法，降低量化入门门槛
2. 数据维度丰富：涵盖行情、财务指标（ROE/PE/PB）、技术指标（MACD/KDJ）、资金流向（主力/北向）、特殊事件（涨停/连板/退市）等
3. 输出标准化：直接返回 pandas DataFrame，无缝衔接数据分析流程
4. 代理与重试机制：支持request_params传入代理配置，retry参数自动失败重试

潜在局限与风险

| 问题 | 说明 |

|------|------|

| **Cookie依赖** | 必须手动从浏览器提取并定期更新，无程序化认证流程 |

| **非官方接口** | 逆向工程实现，存在服务变更导致失效的风险 |

| **频率限制** | 高频调用可能触发封禁，文档建议调用间隔≥2秒 |

| **Node.js运行时** | 内部依赖Node.js执行JS代码，增加部署复杂度 |

| **付费功能隔离** | 专业版数据需单独Cookie和`pro=True`参数，无明确计费说明 |

适用人群

• 个人量化投资者：快速验证选股因子、搭建策略回测前的标的池筛选
• 财经自媒体/分析师：批量获取结构化数据进行可视化内容生产
• 教学场景：向非技术背景用户演示"自然语言+金融数据"的交互范式

常规风险提示

• 合规风险：工具本身不违规，但获取的数据应用于实盘交易需自行承担决策责任
• 数据时效性：未明确标注数据延迟（推测为T+0或T+1行情），高频交易场景需验证
• Cookie安全：Cookie文件包含登录态，存储于环境变量或明文文件存在泄露风险，建议配合密钥管理服务

核心用法

PyWenCai 是一款基于 Python 的轻量级金融数据查询工具，其核心能力在于将中文自然语言查询转换为结构化的市场数据输出。用户只需以日常语言描述需求（如"今日涨幅前10的股票""市盈率小于20且ROE大于15%的股票"），即可通过同花顺问财平台获取A股、港股、美股、基金、指数、可转债等全品类金融数据。

该 Skill 采用 pywencai.get() 单函数设计，通过 query 参数接收自然语言查询，cookie 参数完成身份认证，配合 query_type 指定市场类别、loop 实现自动分页、sort_key 与 sort_order 完成结果排序，形成完整的数据获取链路。返回值默认以 pandas DataFrame 呈现，便于后续分析与可视化处理。

显著优点

自然语言零门槛：彻底打破传统量化工具的技术壁垒，无需学习 SQL 或专用 API 语法，业务人员可直接用中文描述选股逻辑，大幅降低金融数据分析的准入门槛。

多市场全覆盖：单一接口支持股票、基金、指数、可转债、期货等十余类资产，涵盖技术面（MACD、KDJ、成交量）、基本面（PE、PB、ROE）、资金面（主力流向、北向资金）等多维度数据，满足跨市场对比与组合分析需求。

生态兼容性强：原生输出 pandas DataFrame，无缝对接 Python 数据分析生态（NumPy、Matplotlib、scikit-learn 等），支持 Excel 导出、数据库存储、机器学习训练等下游场景。

灵活的分页与代理支持：内置 loop 自动分页机制和 request_params 代理配置，便于批量获取大规模数据及企业级网络环境部署。

潜在缺点与局限性

强依赖外部 Cookie：核心功能完全依赖同花顺问财网站的有效 Cookie，存在过期失效风险，需人工定期维护，无法实现纯自动化无人值守运行。

无官方 SLA 保障：数据来源于第三方平台抓取，非官方授权 API，存在服务稳定性、数据延迟、接口变更等不可控风险，不适合生产环境高频调用。

Node.js 运行时依赖：底层通过执行 JavaScript 代码实现功能，强制要求 Node.js v16+ 环境，增加了部署复杂度。

来源可信度有限：核心依赖包 pywencai 为个人开发者维护项目（GitHub: zsrl），缺乏企业级安全审计与长期维护承诺，存在供应链安全隐患。

适合的目标群体

• 量化投资初学者：希望快速验证选股策略、学习量化分析流程，但暂无编程或数据库基础的个人投资者
• 财务与行业研究人员：需要批量获取特定财务指标、进行行业对比分析的研究岗位人员
• 中小型私募与资管团队：作为快速原型工具，用于策略回测前的数据获取与初步筛选
• 金融科技产品经理：验证数据需求、设计数据产品功能原型的敏捷开发场景

使用风险

性能风险：高频调用易触发问财服务器限流或封禁，建议单次查询间隔不低于 2 秒，批量任务需配置 sleep 参数；loop=True 大规模分页时存在内存溢出与请求超时风险。

依赖风险：pywencai 包版本迭代可能引入破坏性变更，建议锁定精确版本号；Node.js 版本不兼容将导致功能完全失效。

合规与数据安全：Cookie 属于敏感凭证，硬编码存在泄露风险，必须采用环境变量或加密文件管理；金融数据使用需遵守同花顺平台服务条款，禁止用于商业化数据分发。

供应链风险：个人开发者维护的上游包存在维护中断、恶意代码注入等潜在威胁，建议定期审查依赖更新并评估替代方案。