如何用Python通过txt文件保存股票代码？

基本读写操作

Python内置的文件操作函数足以应对保存股票代码的需求。写入时，使用open()函数以写入模式打开文件，调用write()方法将股票代码逐行写入。读取时，以只读模式打开，通过readlines()或迭代逐行获取代码。

# 写入股票代码到txt文件

stock_codes = ['600519', '000001', '601318']

with open('stocks.txt', 'w') as f:

    for code in stock_codes:

        f.write(code + '\n')

# 读取股票代码

with open('stocks.txt', 'r') as f:

    codes = [line.strip() for line in f if line.strip()]

print(codes)

这种方式的优势在于简单直接，无需额外安装库。txt文件可以轻松地用文本编辑器查看和修改。但股票代码较多或需要频繁更新时，手动维护文件内容并不高效。

追加与去重

实际应用中，往往需要不断添加新的股票代码。以追加模式'a'打开文件，可以避免覆盖原有内容。为避免重复代码，可以在写入前读取现有代码，用集合去重后再写入。

# 追加新代码并去重

def add_stock(code_to_add):

    with open('stocks.txt', 'r') as f:

        existing = {line.strip() for line in f}

    if code_to_add not in existing:

        with open('stocks.txt', 'a') as f:

            f.write(code_to_add + '\n')

        print(f'Added {code_to_add}')

    else:

        print(f'{code_to_add} already exists')

add_stock('000002')

add_stock('600519')  # 已存在

去重操作在每次添加时都读取整个文件，对于大量数据可能效率不高。若需要频繁添加且数据量巨大，可以考虑使用数据库或专门的存储格式，比如JSON、CSV，或者直接使用Python的shelve模块。

批量处理与格式化

股票代码有时需要特定格式，如统一为6位数字，不足补零。写入前可对代码进行格式化。批量写入时，使用循环或列表推导式可以简化代码。

# 格式化并批量写入

raw_codes = ['600519', '1', '300750']  # '1'应格式化'000001'

formatted = [code.zfill(6) for code in raw_codes]

with open('stocks.txt', 'w') as f:

    f.writelines([code + '\n' for code in formatted])

需要注意，股票代码在不同市场可能长度不同，如美股代码为字母，港股为5位数字。保存时，根据需求选择合适的验证规则，避免无效代码进入文件。

使用第三方库和工具

对于股票数据获取和存储，常与pandas、yfinance等库配合。pandas可以直接从txt读取至DataFrame，但需要明确分隔符。例如，用逗号分隔代码和名称。

import pandas as pd

# 假设txt内容：代码,名称

df = pd.read_csv('stocks.txt', header=None, names=['code', 'name'])

print(df.head())

写入DataFrame到txt：

df.to_csv('stocks.txt', index=False, sep=',', header=False)

这种结构化存储更利于后续数据处理，比如过滤、排序。

处理相关交易数据

股票交易中，不仅保存代码，还需关联价格、持仓等。txt文件适合简单列表，如每日监控的股票池。但若需要频繁更新价格，保存为其它格式更优。

# 保存股票代码及最新价格

data = {'600519': 1800.0, '000001': 12.5}

with open('prices.txt', 'w') as f:

    for code, price in data.items():

        f.write(f'{code},{price}\n')

这种格式可被Excel打开，也便于pandas读取。

错误与异常处理

文件操作可能遇到权限问题、磁盘满等异常。在代码中加入try-except可以保证程序稳定。

try:

    with open('stocks.txt', 'a') as f:

        f.write('600001\n')

except IOError as e:

    print(f'写入失败: {e}')

处理不存在的文件时，读取会引发FileNotFoundError，可以先行判断文件是否存在，或捕获异常。

实际案例：管理股票池

假设每日监控一批股票，需要将观察列表存储在txt中，每周更新。

import os

file_name = 'watchlist.txt'

# 若文件不存在，初始化

if not os.path.exists(file_name):

    with open(file_name, 'w') as f:

        f.write('600519\n000001\n')

# 添加新股票，去除旧股票

def update_watchlist(new_codes):

    # 读取现有

    with open(file_name, 'r') as f:

        current = [line.strip() for line in f if line.strip()]

    # 合并并去重

    updated = list(set(current) | set(new_codes))

    # 写入

    with open(file_name, 'w') as f:

        for code in updated:

            f.write(code + '\n')

    return updated

new_codes = ['601318', '000002']

print(update_watchlist(new_codes))

此案例展示了如何应对动态变化。

高级选项：使用Python内置的shelve

对于需要保存股票代码及其属性的用户，shelve提供了类似字典的持久化，但不依赖数据库。

import shelve

with shelve.open('stocks_data') as db:

    db['codes'] = ['600519', '000001']

    db['prices'] = {'600519': 1800.0}

# 读取

with shelve.open('stocks_data') as db:

    codes = db['codes']

    print(codes)

shelve保存为三个文件，更适合结构化数据。

保存路径与目录

在项目中，文件路径可能不在当前工作目录。使用绝对路径或构建路径。

from pathlib import Path

# 指定目录

path = Path('data') / 'stocks.txt'

path.parent.mkdir(exist_ok=True)  # 创建目录

with open(path, 'w') as f:

    f.write('600519\n')

性能与大数据量

若股票代码数量达上万，每次写入都打开文件会较慢。一次性写入所有数据是更好的选择。

codes_large = [f'{i:06d}' for i in range(100000)]  # 模拟10万个代码

with open('large_stocks.txt', 'w') as f:

    f.write('\n'.join(codes_large))

用join一次性构建字符串，比逐行write快得多。但内存占用可能高，可分批写入。

使用txt保存股票代码是一种轻量级的持久化方案。关键在于读写操作的正确性、去重逻辑、以及格式化。若需与行情数据联动，可结合pandas和结构化文本。合理使用路径和异常处理，能让程序更具健壮性。最终，选择哪种方式取决于项目的复杂度和性能要求。