用Python搞了个基金查询机器人，还可以拓展！

一、说点东西

老早就想搞个基金监控机器人了，方便自己查看自己关注基金的各种指数涨跌情况，及时进行止损或者止盈，从今天开始，我们先建楼基，手把手带大家实现一个基金查询机器人，目前主要可以查询基金指定日期段数据和查看基金净值走势图，后面慢慢新增功能。

二、开始动手动脑

2.1 环境准备

• Linux、Mac、Windows 都可以
• python 3.7及以上
• 相关第三方包：pandas（数据处理）、requests（爬取数据）、re（文本内容解析）、akshare（获取基金股票数据）、matplotlib（数据可视化）、dataframe-image（dataframe表格转成图片）

2.2 获取指定日期段基金数据

基金数据可以从一些金融相关的网站获取到，比如天天基金网、新浪基金网等，可以自己写爬虫程序获取网站数据，也可以使用现成的工具包获取数据。

这里我们同时介绍下两种方法：

2.2.1 回顾下akshare获取基金数据

目前akshare不支持获取指定日期范围内的基金净值数据，但是可以一次获取到基金历史净值数据，调用函数fund_em_open_fund_info获取基金历史数据，然后自己根据日期选取时间断进行分析。

import akshare as ak
fund_data = ak.fund_em_open_fund_info(fund='005827', indicator='单位净值走势')

print(fund_data)

自己调用现成数据接口

本质上akshare也是从一些金融相关的网站获取到数据，我们也可以自己写代码进行获取，通过浏览器我们很快能搜索到基金数据接口，来自东方财富的天天基金网。

f'http://fund.eastmoney.com/f10/F10DataApi.aspx?type=lsjz&code={code}&page={page}&sdate={start_date}&edate={end_date}&per={per}'

code - 基金代码
page - 基金数据页码
start_date - 数据开始日期
end_date - 数据结束日期
per - 每页展现数据量，最多40

根据指定参数，浏览器会返回指定参数，一段js赋值代码，包括了 基金数据（content）、总记录条数（records）、总页数（pages）、当前页数（curpage）。

格式非常规整，我们可以直接通过正则提取数据，

'''
获取单页面 基金数据
'''
def get_html(code, start_date, end_date, page=1, per=40):
    url = f'http://fund.eastmoney.com/f10/F10DataApi.aspx?type=lsjz&code={code}&page={page}&sdate={start_date}&edate={end_date}&per={per}'
    # print(url)
    rsp = requests.get(url)
    html = rsp.text
    
    return html

通过返回的数据可以发现，基金数据部分是一个由table标签包裹的html代码，那我们可以直接使用pandas的read_html来解析数据。

# 从html中解析出数据表部分 并解析成df
def parses_table(html):
    # 获取基金数据表
    pattern = 'content:"<table(.*)</table>",'
    table = re.search(pattern, html).group(1)
    table = '<table' + table + '</table>'
    fund_data = pd.read_html(table)[0]
    return fund_data

前面有提到，基金数据接口返回数据每页最多展示40条，所以要想获取所有数据，我们可能需要遍历每一页，那么我们还需要通过正则将总页数pages获取到，然后遍历调用get_html和parses_table函数解析出所有数据。

# 获取指定日期内 累计净值 等数据
def get_fund_data(code, start_date, end_date):
    first_page = get_html(code, start_date, end_date)
    # 获取总页数
    pattern = 'pages:(.*),'
    pages = re.search(pattern, first_page).group(1)
    # 转成int数据
    try:
        pages = int(pages)
    except Exception as e:
        r = f'【错误信息】{e}'
        # print(r)
        return r 
    
    # 存放每页获取到的基金数据 dataframe格式 便于后面合并
    fund_df_list = []
    
    # 循环便利所有页面
    for i in range(pages): 
        if i == 0:
            fund_data = parses_table(first_page)
        else:
            page_html = get_html(code, start_date, end_date, page=i+1)
            fund_data = parses_table(page_html)
        fund_df_list.append(fund_data)
    
    # 将每页的数据合并到一起
    fund_df = pd.concat(fund_df_list)
    
    return fund_df

上面两种方法都可以获取到基金净值数据，最后我选择了akshare方式获取，设置一个定时任务，每天三点更新自己关注的基金所有数据，存储到本地，后面要查询的时候直接读取本地文件查询即可。

• 定时任务：每天早上3点获取所有关注的基金历史数据，存储到本地

# 定时任务：每天早上3点获取所有关注的基金历史数据，存储到本地
def get_all():
    try:
        # 从文件读取 自己关注的基金代码列表
        with open('./FD/funds.txt') as f:
            funds = [i.strip() for i in f.readlines()]
        # 遍历 一个个更新数据
        for fund in funds:
            fund_df = ak.fund_em_open_fund_info(fund, indicator='单位净值走势')
            fund_df = fund_df.sort_values(by=['净值日期'], ascending=False)
            fund_df.to_csv(f"./FD/DATA/F{fund}_data.csv", index=False)
            # print(f"./FD/DATA/F{fund}_data.csv")
            time.sleep(random.randint(1,5))
        return '基金数据更新完成'
    except Exception as e:
        r = f"【错误信息】{e}"
        return r

• 获取指定基金 指定日期段 净值数据

# 获取指定基金 指定日期段 净值数据
def get_fund_data(fund, start_d, end_d):
    fund_df = pd.read_csv(f'./FD/DATA/{fund}_data.csv')
    result_df = fund_df.query(f"'{start_d}'<=净值日期<='{end_d}'")
    return result_df

2.3 返回数据呈现方式

目前先简单点，设置规则如下：

• 1）如果数据量小于等于30条，就返回原始数据图

原始数据图就是直接将获取到的数据转成图片的方式发送给用户，这里我们使用dataframe-image这个第三方包，使用非常简单，pip安装后，直接调用export函数即可快速将datafrmae数据转成图片。

# 将dtaframe表格转变成图片
def df_to_img(fund_df, fund, start_d, end_d):
    if fund_df.shape[0] <=1:
        dfi.export(fund_df, f'./FD/IMG/{fund}_{start_d}_{end_d}_data.png')
        return 
    
    # 格式化表格 凸显最大最小值
    fund_df = fund_df.style.highlight_max(subset=['单位净值'], color='red')\
             .highlight_min(subset=['单位净值'], color='green')\
             .format({'日增长率': '{:}%'})
    
    dfi.export(fund_df, f'./FD/IMG/{fund}_{start_d}_{end_d}_data.png')

为了图片数据更好看，我们还使用了df.style设置数据表格样式（单位净值最大值、最小值高亮和日增长率添加百分号）。

• 2）如果数据量大于30条，就返回原始数据趋势图

原始数据趋势图就是将数据可视化下，然后返回给用户，这里我们选择绘制数据的走（趋）势图，使用matplotlib进行绘制。

# 绘制基金单位净值走势图
def draw_fund_line(fund_df, fund, start_d, end_d):
    plt.rcParams['figure.figsize'] = (8.0, 4.0) # 设置figure_size尺寸
    plt.rcParams['savefig.dpi'] = 300 #保存图片分辨率

    # 不显示右、上边框
    ax=plt.gca() 
    ax.spines['right'].set_color('none')
    ax.spines['top'].set_color('none')

    # 设置坐标网格
    plt.grid(axis="y", color='gray')  

    # 计算最大值 最小值坐标 并标注到图中
    fund_max = fund_df.loc[fund_df['单位净值'].idxmax()]
    fund_min = fund_df.loc[fund_df['单位净值'].idxmin()]

    ax.annotate(f'({fund_max[0]},{fund_max[1]})', xy=(fund_max[0], fund_max[1]), color='red')
    ax.annotate(f'({fund_min[0]},{fund_min[1]})', xy=(fund_min[0], fund_min[1]), color='green')

    # 画图
    plt.plot(fund_df['净值日期'],fund_df['单位净值'], color="c")
    plt.title('基金单位净值走势图')
    plt.xticks(rotation=30)
    plt.xlabel('净值日期')
    plt.ylabel('单位净值')
    plt.savefig(f'./FD/IMG/{fund}_{start_d}_{end_d}_data.png')

这里使用的是折线图，有一些对图片样式的设置，比如：大小、边框、最大/小值标注，但依然不是很美观，后面继续优化。

• 完整调用

# 返回数据
def response_data(fund, start_d, end_d):
    # 本地查看 查询结果是否已存在
    imgs = os.listdir('./FD/IMG/')
    if f'{fund}_{start_d}_{end_d}_data.png' in imgs:
        return f'./FD/IMG/{fund}_{start_d}_{end_d}_data.png'
    
    # 获取数据
    fund_df = get_fund_data(fund, start_d, end_d)
    
    # 如果数据量小于等于30条，就返回原始数据图
    if fund_df.shape[0]<= 30:
        df_to_img(fund_df, fund, start_d, end_d)
    else:
        # 否则返回数据趋势图
        fund_df = fund_df.sort_values(by=['净值日期'])
        draw_fund_line(fund_df, fund, start_d, end_d)

    return f'./FD/IMG/{fund}_{start_d}_{end_d}_data.png'

2.4 对接钉钉机器人设置守护程序

钉钉群机器人主要用来汇报每天自动汇报基金数据更新情况，后面还可以加基金涨跌检测情况等。

企业机器人主要用来做基金数据查询自动回复功能，也可以拓展主动发消息给用户，后面研究研究。

2.5 遇到问题及解决方法

2.5.1 Linux上datafrmae-image转图片出错

最开始是提示没有chrom，然后按网上教程安装了google chrom。

参考：https://segmentfault.com/a/1190000022425145

安装后，运行代码提示SyntaxError: not a PNG file。

看错误提示以为是Pillow和matplotlib的问题，修改到了和本地一样的版本也不行。

最后看了源码，发现可以转换方法除了使用chrom，还可以用matplotlib，修改后，确实可以正常生成图片了，但是没有格式！！！

最后改回默认table_conversion，仔细看，发现有提示以下内容，大概意思linux下不能直接使用root用户权限允许谷歌chrome，最简单的方法就是创建一个普通用户。

[0209/162730.350381:ERROR:zygote_host_impl_linux.cc(90)] Running as root without --no-sandbox is not supported. See https://crbug.com/638180

在root权限下，新建一个用户od，并将/root目录权限授予给它，然后输入su指令切换到新用户下。

useradd od
chown -R od /root
su od

再次运行确实能解决图片生成和数据格式问题，但是有新问题：表头中文无法显示。。。

百般搜索，看源码调试、看项目仓库问题都没解决，最后，最后我突然想到，我本地可以，两个包的版本又是一样，应该不是代码问题，会不会是因为linux里没有安装中文字体，所以无法显示中文？

root用户权限下，先创建一个目录，存放中文字体，创建好后，可以直接利用宝塔将本地的SimHei字体上传到对应目录即可。

mkdir -p /usr/share/fonts/my_fonts

可以通过下面指令查看中文字体是否安装成功，

fc-list :lang=zh

再次运行代码，生成的图片就正常啦～开心！

2.5.2 matplotlib图片中文显示问题

2.5.3 钉钉机器人无法直接传输图片

钉钉机器人目前只支持传输：普通文本、markdown文本、连接、actionCard消息和feedCard消息类型。

如果我想要将生成的基金数据图发送给用户，最好的方法是和之前一样，先将图片转成链接，然后通过markdown形式传输。

如果系统仅个人使用，数据量不大，我们不必选择网络上现有的图床工具（这样我们还要写接口对接代码），可以直接开放个http端口去共享我们的图片，本身企业机器人就使用到了flask，所以我们可以更简单的实现这个功能。

app = Flask(__name__, static_folder='xxx/FD/IMG', static_url_path='/static')

在初始化flask app时，指定静态文件所在目录和静态文件路由后缀即可，这样，我们就可以通过：http://服务器IP地址:端口号/static/图片文件名，访问到对应图片了。

然后将图片链接嵌入到markdown中，即可正常返回给用户了。

2.6 最终效果图

• 指定查询

查看某基金某个时间段内的基金净值数据。（30条以内数据，表格展示；大于30条，趋势图展示）

查询格式： F基金代码 起始日期 结束日期，如：F005827 2021-12-03 2022-02-10

效果图

• 普通查询

查看某基金近10天内净值和日增长率数据+趋势图

查询格式： F基金代码，如：F005827

最近10天内，只有两个交易日

三、后言后语

这项目说大不大，说小也不小，百行代码，本机测试还是很顺畅的，主要是迁移到Linux上后出现一些问题，从最开始的python版本问题（安装了一个3.7.9），到datafrmae-image问题，延展出来的Linux安装谷歌、设置新用户、分配权限，以及源码测试学习。

遇到问题、解决问题的过程确实花费了我很长时间，一度还让我很苦恼，但是，这个过程也让我觉得很有益，是一个不断积累、不断练习、不断巩固的过程，解决问题后更会为自己欢呼。

目前基金监测机器人还比较简陋，甚至都没有监测功能（目前只支持数据查询和更新），但是这个楼基很稳、很深，后面添加其他功能会简单、便捷许多，欢迎大家评论区留言，说说你想为这个机器人添加的功能。

关于Python学习指南

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

包括：Python激活码+安装包、Python web开发，Python爬虫，Python数据分析，人工智能、自动化办公等学习教程。带你从零基础系统性的学好Python！

👉Python所有方向的学习路线👈

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。（全套教程文末领取）

👉Python学习视频600合集👈

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

温馨提示：篇幅有限，已打包文件夹，获取方式在：文末

👉Python70个实战练手案例&源码👈

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉Python大厂面试资料👈

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

👉Python副业兼职路线&方法👈

学好 Python 不论是就业还是做副业赚钱都不错，但要学会兼职接单还是要有一个学习规划。

👉 这份完整版的Python全套学习资料已经上传，朋友们如果需要可以扫描下方优快云官方认证二维码或者点击链接免费领取【保证100%免费】