300 行代码实现全行业股票数据免费下载方案

　　做股票数据分析、策略回测或者量化研究的朋友应该都懂，想要把研究做扎实，第一步也是最关键的一步，就是拿到高质量、全行业的股票数据。但我接触过很多刚入门的朋友，也自己踩过不少坑，总结下来无非就是三个最头疼的问题：要么数据东一块西一块，分类整理起来头大；要么下载太频繁，IP 直接被封，之前做的全白费；要么全靠手动整理数据，耗时间还容易出错。

　　今天我就把这套基于 Baostock 免费接口搭建的全流程自动化方案毫无保留的分享出来，完全不用花一分钱，还专门针对 “封 IP” 这个痛点做了优化。整套方案靠 main.py 和 read_stock.py 两个脚本配合，从下载行业总表、拆分数据，到自动创建各行业目录，再到批量下载股票数据，全程不用手动干预。而且我把代码里的关键技巧都做了简化，哪怕你是刚接触 Python 的编程新手，照着教程改改配置项就能直接用，再也不用为数据和 IP 封禁的问题发愁！

　　下面是我编写程序的部分截图：

　　做程序的几个Python文件

　　代码运行截图（正在下载股票数据）

　　以行业代码分类的目录

　　工业编号为C39的已下载股票数据（20250101-20251231）

一、核心逻辑：一套“分工明确”的股票数据下载架构

　　这套方案的核心思路是“先分类、再下载”，通过两个Python脚本的协同配合，将复杂的批量下载任务拆解为4个简单步骤，既保证了数据的条理性，又降低了IP被封禁的风险。整体架构如下：

main.py：负责“源头数据获取”——下载全市场行业板块总数据，为后续分类提供基础；数据拆分：将总数据拆分为“行业分类索引”和“各行业股票代码列表”两部分；目录与文件初始化：自动创建各行业专属目录，将对应股票代码存储为CSV文件；read_stock.py：负责“精细化下载”——基于各行业的股票代码列表，批量下载K线数据并按行业分类存储。

　　整个流程无需手动干预，从数据获取到分类存储一气呵成，完美解决了“数据混乱”“下载中断”“IP被封”三大痛点。下面我们按步骤详细拆解实现过程。

二、选择csv股票数据存储结构的原因

　　前期的文章中，分析过股票存储结构的四种方式，但就近期测试结果来看，最终还是选择了csv股票数据存储结构。对于我们这些股票数据分析的新手来说，Parquet固然有比较多的节省存储空间、快速访问的优势，数据无法实现快捷直视，对于新手来说还是有些难以控制。

1、零成本适配免费方案

　　做量化研究的新手，最忌讳一上来就被 “环境配置、付费工具” 劝退，而 CSV 刚好完美适配 Baostock 免费接口的使用场景。CSV 是纯文本格式，不需要安装 MySQL、MongoDB 这类数据库软件，可直接用记事本或者excel打开查看，数据变化情况可直观查看，另外用excel可以直接对数据做分析、曲线生成，便于数据分析结果后曲线变化的跟踪比对。

2、轻量灵活，完美适配防封策略的 “断点续传” 核心需求

　　每只股票的数据单独存为一个 CSV 文件中，数据下载从哪里断开的可以再接着下载，不必因为其他数据因无法查看问题，而只能重新下载，减少了重复发起数据请求的量，大幅度降低了封IP的风险。

3、新手友好，排查问题 + 数据复用的成本极低

　　因csv文件可直接用excel、记事本打开，遇到数据字段变化、数据不清晰、无法正常理解等问题时，可有针对的直接查看源文件，规避了很多不必要的麻烦。

4、扩展性强，新手入门→进阶研究都能适配

　　csv数据本身具有方便查阅的优势，同时csv文件可以很方便的与其他数据库对接（诸如导入的方式），数据结构不发生变化就能快速的进阶到数据库管理。

三、快速实现对行业数据总表的下载与拆分

　　要实现全行业股票数据的分类下载，首先需要获取“股票代码-行业分类”的对应关系，这一步就由main.py来完成，它主要由三个功能实现对行业数据总表的下载与拆分工作：

3.1 baostock库的登录与登出功能

　　Pythonimport baostock as bs

　　lg = bs.login()##---其他代码bs.logout()

　　baostock 是一个免费的证券数据接口库，用于获取沪深 A 股的历史行情、财务数据等。它基于客户端 - 服务器（C/S）模式工作，login()和logout()是管理客户端与 baostock 服务器会话连接的核心函数。

3.2 数据下载

　　数据下载功能中的关键代码如下：

　　Pythonrs = bs.query_stock_industry()

　　if rs.error_code != '0':

　　print(f"? 行业板块数据获取失败：{rs.error_msg}")

　　return pd.DataFrame()

　　# 读取分页数据

　　data_list: List[List[str]] = []

　　while (rs.error_code == '0') & rs.next():

　　row_data = rs.get_row_data()

　　data_list.append(rs.get_row_data())

　　#time.sleep(REQUEST_DELAY) # 逐行延迟，防高频

　　流程说明：

　　（1）这块代码中首先通过query_stock_industry()函数，得到数据集rs；

　　（2）建立了分页数据的数据列表data_list

　　（3）rs从头到尾不断读取数据，并将读取到的每条记录，通过append函数添加到data_list列表中。

3.3总表数据拆分和数据存储功能（1）总表数据拆分

　　一般从baostock下载下来行业数据主要由四个字段组成：

　　UpdateDate：数据更新日期

　　Code:股票代码

　　Code_name：股票名称

　　Industry：工业名称（含工业代码）

　　这样保存的代码不符合常规数据查询的要求，因此在这里对这个表结构进行调整，最后形成了如下三个字段结构：

　　序号：排列编号值，自动生成

　　工业编号：由工业名称（Industry）中的前三个字符生成

　　工业名称：由工业名称（Industry）中的三个字符以后的字符生成

　　具体实现逻辑如下：

从industryClassification字段中提取工业编号（如C27、K70）和行业名称（如医药制造业、房地产业）；去重后保存为“总表.csv”，存储路径为E:\py\stock-Baostock\行业分类数据\总表.csv；这个表的作用是后续遍历创建目录的依据，比如看到工业编号C27，就知道对应医药制造业，创建C27文件夹。（2）总表和行业分类表的存储

　　Python# 2. 创建总表和行业分页

　　total_table, industry_pages = create_tables(df)

　　# 3. 保存到文件

　　output_excel = '行业板块分类数据.xlsx'

　　output_csv_folder = '行业分类数据'

　　save_to_files(total_table, industry_pages, output_excel, output_csv_folder)

　　这里面有两个核心代码：

　　create_tables()函数是将从读取的数据，建立总表和行业分类表

总表的建立和存储要求前面以有陈述，这里不在赘述；行业分类表的创建主要是将每个行业生成独立的CSV文件，文件名格式为“工业编号+行业名称.csv”（如C27医药制造业.csv）该CSV文件中会包含该工业分类下的所有股票，而这些股票生成的各类数据页存储在该目录下，为方便后期各类股票归类、提取等操作提供方便。拆分后的好处的是：后续下载时只需遍历每个行业的CSV文件，无需再次处理总表，既提高了效率，又便于维护——如果某个行业的数据需要重新下载，只需操作对应的文件即可，无需动整个数据集。四、创建行业分目录，规范存储股票代码列表

　　数据拆分完成后，下一步就是创建各行业的专属目录，并将拆分后的股票代码列表存入对应目录。这一步的核心目标是“分类存储、便于检索”，避免后续下载的股票数据混乱。

4.1 目录创建逻辑：基于总表自动生成

　　这部分功能主要在read_stock.py的read_GenTable和read_IndustryTable函数中实现，核心逻辑是“读取总表→遍历工业编号→创建对应目录”：

（1）读取总表：编码兼容+异常捕获

　　Pythondef read_GenTable(folder_path):# 检查文件夹是否存在if not os.path.exists(folder_path):print(f"错误：文件夹 '{folder_path}' 不存在！")return Nonefile_path = os.path.join(folder_path, "总表.csv")df = Nonetry:df = pd.read_csv(file_path, encoding='utf-8-sig')print(f"成功读取文件：{file_path}，数据行数：{len(df)}")except UnicodeDecodeError:df = pd.read_csv(file_path, encoding='gbk') # 注意：原代码是gkb，此处修正为gbkexcept Exception as e:print(f"读取文件 {file_path} 失败：{str(e)}")return df

　　这里有一个关键的“避坑技巧”——编码兼容处理：

Windows系统下生成的CSV文件可能是gbk编码，而Python默认用utf-8读取，直接读取会出现“解码错误”；代码中用try-except捕获UnicodeDecodeError，当utf-8-sig解码失败时，自动切换为gbk编码，确保总表能成功读取；同时捕获其他异常（如文件损坏、路径错误），并打印错误信息，便于排查问题。（2）遍历工业编号，创建行业目录

　　Pythondef read_IndustryTable(df):# 1.校验输入类型是否为空if not isinstance(df, pd.DataFrame):print(f"错误：传入的不是DataFrame，而是{type(df)}类型")return None# 2.校验[工业编号]列是否存在if "工业编号" not in df.columns:print("错误：DataFrame中未找到「工业编号」列")return None# 提取[工业编号]（去重+过滤空值）industry_num_series = df["工业编号"]industry_list = industry_num_series.dropna().tolist()# 3.遍历编号，拼接路径并创建目录for industry_num in industry_list:industry_num_str = str(industry_num).strip()if industry_num_str == "未分类":continue # 跳过未分类的行业industry_folder = os.path.join(FOLDER_PATH, industry_num_str)if not os.path.exists(industry_folder):os.makedirs(industry_folder) # 不存在则创建目录print(f"? 创建行业目录：{industry_folder}")else:print(f"?? 行业目录已存在：{industry_folder}")

　　这段代码的核心是“按工业编号创建目录”，有几个细节值得关注：

输入校验：先判断传入的是否为DataFrame，再检查是否有“工业编号”列，避免因数据格式错误导致程序崩溃；数据清洗：用dropna()过滤空值，避免遍历到NaN值导致目录创建失败；用strip()去除编号前后的空格，避免创建“ C27 ”（带空格）这样的无效目录；跳过“未分类”：总表中存在“未分类”的条目，这些股票没有明确行业归属，直接跳过，避免创建无用目录；幂等性设计：创建目录前先判断是否存在，不存在才创建，避免重复创建导致的错误，即使程序中途中断，重新运行也不会有问题。4.2 存储股票代码列表：规范命名+结构统一

　　目录创建完成后，将拆分后的各行业股票代码列表存入对应目录，文件名格式为“工业编号+行业名称.csv”（如C27医药制造业.csv），文件内容包含code（股票代码）和code_name（股票名称）两列。

　　这样设计的好处是：

文件名直观：一眼就能知道文件对应的行业，便于手动查找和维护；结构统一：所有行业文件的列名一致，后续遍历下载时无需修改代码，提高通用性；数据精简：只保留股票代码和名称，避免冗余字段占用存储空间，提高读取效率。五、批量下载股票数据，按行业分类存储

　　这是整个方案的核心执行步骤，基于第二步创建的行业目录和股票代码列表，通过read_stock.py的get_single_stock_data函数批量下载股票K线数据，并存储到对应行业目录中。

5.1 单只股票数据下载：字段丰富+数据清洗

　　Pythondef get_single_stock_data(stock_code, start_date, end_date):"""读取单只股票的K线数据（默认日线）"""# 初始化Baostock连接lg = bs.login()print(f"登录结果：{lg.error_msg}")# 定义需要获取的字段（14个核心指标）fields = "date,code,open,high,low,close,volume,amount,pctChg,turn,peTTM,pbMRQ,psTTM,pcfNcfTTM"# 调用接口获取历史K线数据rs = bs.query_history_k_data_plus(code=stock_code, # 股票代码fields=fields, # 要获取的字段start_date=start_date, # 开始日期end_date=end_date, # 结束日期frequency="d", # 频率：d=日线，w=周线，m=月线adjustflag="3" # 复权类型：3=不复权（0=后复权，1=前复权）)# 解析数据到列表data_list = []while (rs.error_code == '0') & rs.next():data_list.append(rs.get_row_data())# 关闭Baostock连接（必须执行）bs.logout()# 转换为DataFrame并处理数据类型if data_list:df = pd.DataFrame(data_list, columns=rs.fields)# 将数值型字段转为float（默认是字符串）numeric_fields = ["open", "high", "low", "close", "volume", "amount", "pctChg", "turn", "peTTM", "pbMRQ", "psTTM", "pcfNcfTTM"]for col in numeric_fields:df[col] = pd.to_numeric(df[col], errors='coerce') # 无法转换的设为NaNprint(f"成功获取 {stock_code} 数据，共 {len(df)} 条")return dfelse:print(f"未获取到 {stock_code} 数据，错误信息：{rs.error_msg}")return None

　　这个函数是下载股票数据的核心，包含了“连接-请求-解析-清洗-返回”的完整流程，亮点如下：

（1）字段丰富，满足多样化需求

　　一次性获取14个核心指标，覆盖了技术分析和基本面分析的关键数据：

价格类：开盘价（open）、最高价（high）、最低价（low）、收盘价（close）；交易量类：成交量（volume）、成交额（amount）；波动类：涨跌幅（pctChg）、换手率（turn）；估值类：滚动市盈率（peTTM）、市净率（pbMRQ）、滚动市销率（psTTM）、滚动市现率（pcfNcfTTM）。

　　用户可以根据需求增删字段，比如需要MACD、KDJ等技术指标，可以在fields参数中添加对应的字段名（Baostock接口支持的字段可参考官方文档）。

（2）数据类型清洗：避免后续分析出错

　　Baostock接口返回的数据默认是字符串类型，直接用于分析会导致“字符串无法运算”的错误。代码中通过pd.to_numeric将12个数值型字段转为float类型，同时设置errors='coerce'——遇到无法转换的值（如异常字符、空值）时，自动转为NaN，既保证了数据类型的统一性，又避免了程序崩溃。

（3）连接管理：登录后必登出，避免资源占用

　　每下载一只股票，都会执行“登录→请求→登出”的流程，而不是长期保持登录状态。这样做的原因是：

Baostock的连接有超时限制，长期保持登录可能会被强制断开；频繁登录/登出虽然看似繁琐，但能模拟人工操作，降低被判定为爬虫的风险；避免因程序中途中断导致连接未关闭，占用接口资源。5.2 批量下载逻辑：遍历行业+逐股下载

　　Python# 4.遍历查找*.csv文件（行业股票列表）for filename in os.listdir(industry_folder):# 过滤条件：文件名以行业编号开头（如K70房地产业.csv），避免读取sh.600015.csv这类文件if not filename.startswith(industry_num_str):print(f"?? 跳过非行业列表文件：{filename}")continueif not filename.lower().endswith(".csv"):continuefile_full_path = os.path.join(industry_folder, filename)print(f"\n 正在处理行业文件：{file_full_path}")# 读取csv文件（行业股票列表）try:df_industry = pd.read_csv(normalized_path, encoding='utf-8-sig')print(f"成功读取文件：{normalized_path}，数据行数：{len(df_industry)}")# 提取[code]一列的列值stock_code = df_industry["code"]# 去除空值（避免列表中有NaN）stock_code = stock_code.dropna().tolist()for code in stock_code:# 调用函数获取数据stock_df = get_single_stock_data(code, START_DATE, END_DATE)# 保存数据到当前行业目录stock_df.to_csv(f"{industry_folder}/{code}.csv", index=False, encoding="utf-8-sig")# 延时：2-5秒随机延时time.sleep(random.uniform(2, 5))except UnicodeDecodeError:df_industry = pd.read_csv(normalized_path, encoding='gbk')except Exception as e:print(f"读取文件 {normalized_path} 失败：{str(e)}")

　　这段代码实现了“遍历行业→读取股票列表→逐股下载→保存”的自动化流程，核心细节如下：

（1）文件过滤：避免读取错误文件

　　行业目录中除了“行业股票列表.csv”（如C27医药制造业.csv），后续还会存储下载的股票数据文件（如sh.600007.csv）。为了避免误读这些文件，代码加入了双重过滤：

前缀过滤：filename.startswith(industry_num_str)——只读取以行业编号开头的文件（如C27开头的文件）；后缀过滤：filename.lower().endswith(".csv")——只读取CSV文件，避免读取文件夹或其他格式文件。

　　这一设计确保了程序只会处理“任务清单”文件，不会被其他文件干扰。

（2）逐股下载+按行业保存提取股票代码：从行业股票列表文件中提取code列，去除空值后转为列表；逐股调用下载函数：遍历股票代码列表，调用get_single_stock_data下载单只股票数据；保存路径规范：下载的股票数据文件以“股票代码.csv”命名（如sh.600007.csv），直接保存到对应行业目录中。

　　这样最终的目录结构会非常清晰：

　　Plain Text行业分类数据/├─ C27/│ ├─ C27医药制造业.csv（股票代码列表）│ ├─ sh.600007.csv（单只股票数据）│ ├─ sz.000002.csv（单只股票数据）│ └─ ...├─ K70/│ ├─ K70房地产业.csv（股票代码列表）│ ├─ sh.600009.csv（单只股票数据）│ └─ ...└─ 总表.csv（行业分类索引）

　　后续分析时，只需进入对应行业目录，就能获取该行业所有股票的数据，无需手动筛选，效率极高。

六、关键技术：防封IP+优化技巧，确保下载连续稳定

　　批量下载股票数据时，最担心的就是“IP被封”导致下载中断，这套方案通过多重技术手段，最大限度降低封禁风险，同时保证下载效率。

6.1 核心防封技术：随机延时，模拟人工操作

　　这是方案中最关键的防封手段，代码中主要有两处延时设计：

（1）登录后延时（[main.py](main.py)）

　　Pythontime.sleep(REQUEST_DELAY) # REQUEST_DELAY=0.2秒

　　登录是单次请求，延时0.2秒主要是为了避免“瞬间登录+瞬间请求”的高频行为，让请求节奏更平缓。

（2）逐股下载延时（[read_stock.py](read_stock.py)）

　　Pythontime.sleep(random.uniform(2, 5))

　　这是最核心的延时设计，为什么选择“2-5秒随机延时”而不是固定延时？

固定延时的弊端：如果设置固定3秒延时，容易被接口识别为“机器规律请求”，增加封禁风险；随机延时的优势：2-5秒的随机区间，模拟了人工操作的不确定性——人下载数据时，每只股票的查看时间不可能完全一致，随机延时能最大程度降低被判定为爬虫的概率；延时时长选择：2-5秒是经过实践验证的安全区间——太短（如1秒以内）仍有高频风险，太长（如10秒以上）会导致下载效率极低（全市场4000多只股票，按平均3秒/只计算，约3.5小时完成，效率尚可）。6.2 其他优化技巧：细节决定成败

　　除了延时技术，这套方案还包含多个“小技巧”，这些细节看似不起眼，却能大幅提升程序的稳定性和容错性。

（1）编码兼容：解决Windows系统解码错误

　　Windows系统默认的CSV编码是gbk，而Mac/Linux系统是utf-8，为了兼容不同系统，代码中所有读取CSV的地方都加入了编码容错：

　　Pythontry:df = pd.read_csv(file_path, encoding='utf-8-sig')except UnicodeDecodeError:df = pd.read_csv(file_path, encoding='gbk')

　　utf-8-sig编码能兼容带BOM的UTF-8文件，gbk编码适配Windows系统，双重保障确保文件能成功读取，避免因编码问题导致程序中断。

（2）数据校验：过滤无效股票代码

　　代码中对股票代码进行了多重校验，避免因无效代码导致请求失败：

去除空值：stock_code = stock_code.dropna().tolist()——过滤列表中的NaN值；格式隐含校验：Baostock接口要求股票代码必须是9位（如sh.600000、sz.000002），如果代码格式错误（如缺少前缀、长度不对），get_single_stock_data函数会返回错误信息并跳过该股票，不会影响后续下载。（3）异常捕获：避免单点失败导致整体中断

　　程序中加入了多层try-except异常捕获：

读取文件异常：捕获解码错误、文件损坏、路径错误等，打印错误信息后跳过该文件，继续处理下一个行业；数据获取异常：如果某只股票数据获取失败（如代码无效、接口临时不可用），函数返回None，后续可通过判断stock_df is not None再保存，避免NoneType错误导致程序崩溃。（4）幂等性设计：支持断点续传

　　程序的多个环节都考虑了“幂等性”——即重复执行不会产生错误或冗余数据：

目录创建：先判断是否存在，不存在才创建；数据保存：股票数据文件以代码命名，若已存在，重新运行会覆盖原有文件（如需保留历史数据，可修改文件名格式，如sh.600007_2025.csv）；去重处理：总表数据和行业股票列表都进行了去重，避免重复下载同一股票。

　　这意味着，即使程序中途因网络中断、IP临时限制等原因停止，重新运行后会从上次中断的地方继续下载，无需从头开始，大幅节省时间。

（5）路径标准化：兼容不同系统

　　代码中使用os.path.join和os.path.normpath处理路径：

　　Pythonindustry_folder = os.path.join(FOLDER_PATH, industry_num_str)normalized_path = os.path.normpath(file_full_path)

os.path.join：自动适配不同系统的路径分隔符（Windows用\，Mac/Linux用/），避免手动拼接路径导致的错误；os.path.normpath：标准化路径字符串，处理路径中的..、重复分隔符等，确保路径格式统一。6.3 额外防封建议：进阶优化

　　如果需要下载的数据量极大（如全市场+多年历史数据），还可以加入以下进阶技巧，进一步降低封禁风险：

（1）增加重试机制

　　对get_single_stock_data函数加入重试逻辑，当接口返回临时错误（如502、504）时，自动重试2-3次：

　　Pythonfrom retrying import retry@retry(stop_max_attempt_number=3, wait_random_min=2000, wait_random_max=5000)def get_single_stock_data(stock_code, start_date, end_date):# 原有逻辑不变

　　需要先安装retrying库（pip install retrying），重试间隔2-5秒，避免瞬间重复请求。

（2）限制单日下载数量

　　Baostock作为免费接口，可能对单日请求次数有隐性限制，建议单日下载股票数量不超过1000只，分多天完成，降低封禁风险。

（3）更换IP代理（进阶）

　　如果IP被临时封禁，可以使用IP代理池切换IP，继续下载。但需注意：免费代理IP稳定性较差，付费代理更可靠，且使用时需遵守Baostock的用户协议。

七、总结：一套免费、高效、稳定的股票数据解决方案

　　这套基于Baostock接口的股票数据下载方案，通过“总表下载→分类拆分→目录创建→批量下载”的结构化流程，实现了全行业股票数据的自动化获取，核心优势如下：

免费无门槛：Baostock接口完全免费，无需注册付费账号，只需安装依赖即可使用；分类清晰：按行业创建目录，股票数据按行业存储，后续分析无需手动筛选；防封可靠：随机延时+多重优化技巧，最大限度降低IP封禁风险，支持断点续传；灵活适配：支持自定义日期范围、字段选择、保存路径，满足不同分析需求；新手友好：代码结构清晰，配置项简单，加入详细打印信息，便于排查问题。

　　无论是量化交易新手、股票数据分析爱好者，还是需要批量获取数据进行策略回测的研究者，这套方案都能快速满足需求。按照本文的步骤，只需修改少量配置项，就能轻松下载全行业股票数据，为后续的分析工作打下坚实基础。

　　最后提醒：Baostock接口的稳定性依赖于社区维护，使用时请遵守接口的使用规范，不要过度高频请求，共同维护免费资源的可用性。如果在使用过程中遇到问题（如编码错误、股票代码格式错误、IP被封），可以查看程序打印的错误信息，针对性排查——大部分问题都能通过调整编码、检查股票代码格式或暂停下载一段时间解决。