在浏览器中打开 https://www.iwencai.com/ 并登录。
按F12打开开发者工具 → 切换到Network标签。
在问财页面执行任意查询。
找到发往iwencai.com的请求，从请求头中复制Cookie值。
将该字符串作为cookie参数使用。

基本用法

import pywencai

# 查询今日涨幅前10的股票，需要有效cookie
res = pywencai.get(query='今日涨幅前10', cookie='your_cookie_here')
print(res)

API参考：`pywencai.get(**kwargs)`

必选参数

query — 中文自然语言查询字符串，如 '今日涨停股票'、'市盈率小于20的股票'
cookie — 从问财网站获取的Cookie字符串（必需）

可选参数

sort_key — 排序字段名，如 '退市@退市日期'
sort_order — 排序方向：'asc'（升序）或 'desc'（降序）
page — 页码（默认：1）
perpage — 每页结果数（默认和最大：100）
loop — 设为True获取所有页；或设为整数n获取前n页
query_type — 查询类别（默认：'stock'），可选值：
- stock — A股股票
- zhishu — 指数
- fund — 基金
- hkstock — 港股
- usstock — 美股
- threeboard — 新三板
- conbond — 可转债
- insurance — 保险
- futures — 期货
- lccp — 理财产品
retry — 失败重试次数（默认：10）
sleep — 分页请求间延迟秒数（默认：0）
log — 设为True在控制台打印日志
pro — 设为True使用付费版（需要对应的cookie）
no_detail — 设为True始终返回DataFrame或None（不返回dict）
find — 优先返回的股票代码列表，如 ['600519', '000010']
request_params — 传递给requests的额外参数，如 {'proxies': proxies}

返回值

列表类查询 → 返回 pandas.DataFrame
详情类查询 → 返回 dict（可能包含文本和DataFrame）

使用示例

查询市盈率低于20的股票

import pywencai

# 使用自然语言查询低市盈率股票
res = pywencai.get(query='市盈率小于20的股票', cookie='xxx')
print(res)

获取退市股票按日期排序

import pywencai

# 查询退市股票，按退市日期升序排列
res = pywencai.get(
    query='退市股票',
    sort_key='退市@退市日期',  # 指定排序字段
    sort_order='asc',          # 升序
    cookie='xxx'
)
print(res)

使用代理分页获取全部数据

import pywencai

# 配置HTTP代理
proxies = {'http': 'http://proxy:8080', 'https': 'http://proxy:8080'}

# loop=True自动分页获取所有数据；log=True打印请求日志
res = pywencai.get(
    query='昨日涨幅',
    sort_order='asc',          # 升序
    loop=True,                 # 自动获取所有页面
    log=True,                  # 打印日志信息
    cookie='xxx',
    request_params={'proxies': proxies}  # 传入代理配置
)
print(res)

查询指数数据

import pywencai

# 设置query_type='zhishu'查询指数数据
res = pywencai.get(
    query='上证指数近5日涨跌幅',
    query_type='zhishu',       # 设置查询类型为指数
    cookie='xxx'
)
print(res)

查询可转债数据

import pywencai

# 设置query_type='conbond'查询可转债数据
res = pywencai.get(
    query='可转债溢价率小于10%',
    query_type='conbond',      # 设置查询类型为可转债
    cookie='xxx'
)
print(res)

使用技巧

适度使用 — 高频调用可能被问财服务器封禁。
始终使用最新版本：pip install pywencai --upgrade
查询字符串使用中文自然语言 — 像在问财网站搜索一样编写查询。
当loop=True且设置了find时，loop被忽略，仅返回前100条结果。
使用付费数据时，设置pro=True并提供有效cookie。

进阶示例

查询涨停股详情

import pywencai

# 查询今日涨停股票，获取详细信息
res = pywencai.get(
    query='今日涨停的股票',
    cookie='xxx'
)
# 返回DataFrame：包含股票代码、名称、涨停时间、封单金额等
print(res)

查询连板股

import pywencai

# 查询连续涨停天数大于2天的股票
res = pywencai.get(
    query='连续涨停天数大于2天的股票',
    cookie='xxx'
)
print(res)

查询财务数据

import pywencai

# 查询ROE大于15%且营收同比增长大于20%的股票
res = pywencai.get(
    query='ROE大于15%且营收同比增长率大于20%的股票',
    cookie='xxx'
)
print(res)

# 查询市盈率小于10且市净率小于1的股票（低估值筛选）
res = pywencai.get(
    query='市盈率小于10且市净率小于1的股票',
    cookie='xxx'
)
print(res)

查询技术指标数据

import pywencai

# 查询今日MACD金叉的股票
res = pywencai.get(
    query='今日MACD金叉的股票',
    cookie='xxx'
)
print(res)

# 查询KDJ超卖信号的股票
res = pywencai.get(
    query='KDJ的J值小于0的股票',
    cookie='xxx'
)
print(res)

# 查询放量突破的股票
res = pywencai.get(
    query='今日成交量是5日均量2倍以上且涨幅大于5%的股票',
    cookie='xxx'
)
print(res)

查询资金流向数据

import pywencai

# 查询今日主力资金净流入前20的股票
res = pywencai.get(
    query='今日主力资金净流入前20的股票',
    cookie='xxx'
)
print(res)

# 查询北向资金持股比例最高的股票
res = pywencai.get(
    query='北向资金持股比例最高的前20只股票',
    cookie='xxx'
)
print(res)

查询基金数据

import pywencai

# 查询近一年收益率最高的前20只基金
res = pywencai.get(
    query='近一年收益率最高的前20只基金',
    query_type='fund',     # 设置查询类型为基金
    cookie='xxx'
)
print(res)

查询港股数据

import pywencai

# 查询港股市值最大的股票
res = pywencai.get(
    query='港股市值最大的前20只股票',
    query_type='hkstock',  # 设置查询类型为港股
    cookie='xxx'
)
print(res)

多条件选股

import pywencai

# 复杂多条件筛选：低估值+高成长+机构持仓
res = pywencai.get(
    query='市盈率小于20且营收同比增长大于30%且机构持仓比例大于10%的股票',
    cookie='xxx'
)
print(res)

# 技术面+基本面综合筛选
res = pywencai.get(
    query='今日站上20日均线且市盈率小于30且ROE大于10%的股票',
    cookie='xxx'
)
print(res)

获取历史数据

import pywencai

# 查询指定日期的数据
res = pywencai.get(
    query='2024年1月2日涨幅前10的股票',
    cookie='xxx'
)
print(res)

# 查询日期范围内的涨幅
res = pywencai.get(
    query='2024年上半年涨幅最大的前20只股票',
    cookie='xxx'
)
print(res)

完整示例：自动化选股并导出

import pywencai
import pandas as pd
import time

cookie = 'your_cookie_here'

# 定义多个筛选策略
strategies = {
    "低估值高分红": "市盈率小于15且股息率大于3%的股票",
    "高成长": "营收同比增长大于30%且净利润同比增长大于30%的股票",
    "技术突破": "今日放量突破20日均线且涨幅大于3%的股票",
    "机构关注": "近一个月机构调研次数大于3次的股票",
    "北向资金": "北向资金今日净买入前20的股票",
}

results = {}
for name, query in strategies.items():
    try:
        res = pywencai.get(query=query, cookie=cookie, no_detail=True)
        if res is not None and not res.empty:
            results[name] = res
            print(f"Strategy [{name}] selected {len(res)} stocks")
        else:
            print(f"Strategy [{name}] returned no results")
    except Exception as e:
        print(f"Strategy [{name}] query failed: {e}")
    time.sleep(2)  # 每次查询间隔2秒，避免被封禁

# 保存结果到Excel（每个策略一个工作表）
if results:
    with pd.ExcelWriter("选股结果.xlsx") as writer:
        for name, df in results.items():
            df.to_excel(writer, sheet_name=name, index=False)
    print("筛选结果已保存到 选股结果.xlsx")

常见错误处理

错误	原因	解决方法
`Cookie expired`	Cookie过期	重新登录问财网站获取新Cookie
返回`None`	查询无结果或被限流	检查查询语句，降低调用频率
`Node.js not found`	未安装Node.js	安装Node.js v16+
`JSONDecodeError`	服务端返回异常	增加`retry`参数，稍后重试
返回dict而非DataFrame	查询为详情类	设置`no_detail=True`强制返回DataFrame

Cookie管理最佳实践

import os
import pywencai

# 方法1：从环境变量读取Cookie（推荐）
cookie = os.environ.get('WENCAI_COOKIE', '')

# 方法2：从文件读取Cookie
def load_cookie(path='~/.wencai_cookie'):
    path = os.path.expanduser(path)
    if os.path.exists(path):
        with open(path) as f:
            return f.read().strip()
    return ''

# 方法3：封装查询函数，统一管理Cookie和错误处理
def query(q, **kwargs):
    cookie = load_cookie()
    try:
        return pywencai.get(
            query=q, cookie=cookie,
            no_detail=True, retry=3, sleep=1,
            **kwargs
        )
    except Exception as e:
        print(f"查询失败: {e}")
        return None

# 使用
df = query('今日涨停的股票')

进阶示例：定时监控与告警

import pywencai
import time
import datetime

cookie = 'your_cookie_here'

# 监控条件列表
alerts = [
    {'名称': '大盘跳水', '查询': '上证指数今日跌幅大于2%', '类型': 'zhishu'},
    {'名称': '涨停潮', '查询': '今日涨停股票数量', '类型': 'stock'},
    {'名称': '北向大额流出', '查询': '北向资金今日净卖出大于50亿', '类型': 'stock'},
]

def check_alerts():
    now = datetime.datetime.now().strftime('%H:%M')
    for alert in alerts:
        try:
            res = pywencai.get(
                query=alert['查询'],
                query_type=alert.get('类型', 'stock'),
                cookie=cookie, no_detail=True
            )
            if res is not None and not res.empty:
                print(f"[{now}] 告警触发 [{alert['名称']}]: {len(res)} 条结果")
        except Exception as e:
            print(f"[{now}] 查询失败 [{alert['名称']}]: {e}")
        time.sleep(2)

# 交易时间内每5分钟检查一次
while True:
    now = datetime.datetime.now()
    if 9 <= now.hour < 15:
        check_alerts()
    time.sleep(300)

🤖 AI Agent 高阶使用指南

对于 AI Agent，在使用该量化/数据工具时应遵循以下高阶策略和最佳实践，以确保任务的高效完成：

1. 数据校验与错误处理

在获取数据或执行操作后，AI 应当主动检查返回的结果格式是否符合预期，以及是否存在缺失值（NaN）或空数据。

示例策略：在通过 API 获取数据框（DataFrame）后，使用 if df.empty: 进行校验；捕获 Exception 以防网络或接口错误导致进程崩溃。

2. 多步组合分析

AI 经常需要进行宏观经济分析或跨市场对比。应善于将当前接口与其他数据源或工具组合使用。

示例策略：先获取板块或指数的宏观数据，再筛选成分股，最后对具体标的进行深入的财务或技术面分析，形成完整的决策链条。

3. 构建动态监控与日志

对于交易和策略类任务，AI 可以定期拉取数据并建立监控机制。

示例策略：使用循环或定时任务检查特定标的的异动（如涨跌停、放量），并在发现满足条件的信号时输出结构化日志或触发预警。

社区与支持

由 大佬量化 维护 — 量化交易教学与策略研发团队。

微信客服: bossquant1 · Bilibili · 搜索 大佬量化 — 微信公众号 / Bilibili / 抖音

pywencai

PyWenCai（同花顺问财数据查询）

环境要求

安装

如何获取Cookie