Python 获取 A 股实时行情：HTTP 200 到手后，先验 symbol、last_price 和 timestamp 再入库

摘要你用 Python 接入了 A 股实时行情接口第一次请求返回 HTTP 200 和code0价格看起来正常。但接口返回成功不等于数据可用——data可能是空数组、symbol 可能跟请求不一致、last_price可能是无法解析的字符串、timestamp 语义可能跟你想的不一样。本文给出一套首次接入后的字段校验流程先看懂返回结构再逐字段检查 symbol、价格和 timestamp最后用 raw_snapshot 留痕。附带 Python 伪代码、业务侧留痕字段表和 7 个失败分支。读完你会拿到一张可直接集成到取数脚本里的检查清单。一、这篇文章解决什么不解决什么适合谁看你会用 Python 调一个 A 股实时行情接口拿到了 HTTP 200 和code0但你不确定这个价格能直接展示吗symbol 跟请求时一致吗timestamp 是哪个时刻出错时有没有留下足够信息供事后排查解决什么告诉你接口返回成功后应该按什么顺序检查哪些字段。只解决一件事怎样判断一次行情查询的结果是否真的“可用”。读完你能拿走什么一张字段检查顺序先看返回结构再查 symbol再验价格再读 timestamp最后留 raw_snapshot。一张业务侧留痕字段表8 个字段供你直接加到自己的取数脚本里。一段 Python 伪代码演示从data数组中匹配 symbol、解析last_price、检查 timestamp 的完整流程。7 个失败分支每个失败场景的处理方式。不解决什么不讨论投资、选股、策略有效性。不比较数据源优劣。不承诺数据永远正确。二、为什么 HTTP 200 和 code0 仍然不能直接入库HTTP 200 只代表“服务端收到了请求并给出了响应”。code0只代表服务端处理了你的请求。它们不承诺以下任何一件事data数组一定非空。无效 symbol 可能返回code0、messagesuccess、data[]——如果你只看 code会以为一切正常。返回的 symbol 跟你请求的 symbol 逐字符一致。last_price是可解析的数值而不是空字符串或无法解析的占位符。timestamp 的精度和语义跟你以为的一致。请求失败时返回的信息能被你的代码正确识别。接口返回成功是传输层和业务层的初步确认。数据是否可用是业务侧必须独立完成的判断。下面按顺序逐层检查。三、先看返回结构code、message、data 数组第一步不是查具体字段而是确认整个响应体的结构是否符合预期。一个典型的 ticker 返回结构是顶层code、message、data其中data是数组。你的校验逻辑第一步就是确认这三件事code是否为 0、data是否为 list、data是否非空。空数组是独立失败分支不能只看 code 就跳过。如果code非 0或者data不是 list或者data为空——直接进入失败分支不要继续往下查 symbol 和价格。错误 Key 会返回 HTTP 401 和结构化错误信息这属于鉴权失败不应重试。四、查 symbol返回的代码跟你请求的一样吗为什么先查它你请求了600519返回的 symbol 可能是600519.SH也可能完全不同。symbol 不一致后面所有检查都白做——你在检查一个不是你想要的品种的数据。怎么查从data数组中按 symbol 找到匹配的 item。如果找不到属于 symbol 不匹配失败分支。找到后拿出请求参数里的 symbol 和响应 item 里的 symbol逐字符比对。如果文档没明确约定自动补后缀的行为任何静默修正都应视为需要确认的异常。检查项通过标准失败处理data 非空且为数组isinstance(data, list)且len(data) 0阻断记录空数据symbol 存在于 data 中能从 data 数组中匹配到请求的 symbol阻断记录 symbol 不匹配symbol 一致性request_symbol response_symbol阻断记录差异五、验 last_price用 Decimal别用 float为什么它比 timestamp 更优先价格是行情的核心。如果last_price不可解析timestamp 再精确也没用。last_price等价格/数量类字段应按字符串处理客户端使用Decimal(str(value))解析。直接拿 float 处理精度损失会在后续计算中累积。怎么查用Decimal解析检查is_finite()。解析失败或非有限值时阻断入库不默认为 0。把 NaN 或 Infinity 写进数据库比空值更难排查。检查项通过标准失败处理价格可解析性非空字符串Decimal 解析成功且is_finite()阻断记录原始值不补默认值六、读 timestamp13 位毫秒不代表低延迟为什么它不是“能转成数字就行”ticker 的 timestamp 是 13 位毫秒时间戳。但这个精度只代表字段格式——不要把时间戳精度写成低延迟或数据新鲜度承诺。高精度时间戳只能说明源头记录得有多细不能说明数据多快到达你的脚本。更关键的是语义这个 timestamp 是交易所生成行情的时刻还是服务端处理完数据的时刻文档是否说明了生成位置如果没有说明至少标注“语义待确认”不直接参与跨市场排序。怎么查先确认类型为 int 且非 bool再确认单位13 位为毫秒。如果文档没有说明时间戳的生成位置标注“语义待确认”。检查项通过标准失败处理timestamp 可解释性类型为 int 非 bool13 位毫秒标注“语义待确认”保留原始值七、分支处理空 data、无效 symbol、非交易时段、权限错误前三个字段都通过了。但空 data 怎么处理非交易时段的数据能用吗权限错误要不要重试空 data 分支无效 symbol 可能返回code0、messagesuccess、data[]。这是合法返回不是异常——但它意味着你请求的品种没有数据。你的代码必须把空数组作为独立失败分支处理不能只看 code。非交易时段分支如果数据源提供 market_state 或 status 字段则纳入校验——非交易时段的价格应标注状态不触发误报。如果数据源不提供这类字段你的业务侧需要结合交易日历、交易时段和空数据分支自行判断当前时间是否在交易时段内空 data 是因为非交易时段还是 symbol 无效权限错误分支错误 Key 返回 HTTP 401 和结构化错误信息。鉴权失败不应重试。检查项通过标准失败处理空 data 处理区分“非交易时段”和“无效 symbol”按错误类型分支处理权限错误HTTP 401结构化错误信息阻断不重试八、raw_snapshot 怎么留痕前面全部通过数据入库。三个月后你复查某个回测结果怀疑某天价格有问题。如果你只存了处理后的价格没有保存当时的原始返回体——你永远无法确认是数据源当时就返回了这个值还是你的处理逻辑在某个环节改了它。raw_snapshot 不是日志是证据。它不帮你判断对错但它让每一次判断都可被复查。怎么留把完整的响应 JSON 序列化后保存同时生成一个哈希摘要用于快速校验。注意脱敏Key 和 Token 不进入快照。字段含义用途raw_snapshot完整响应 JSON 字符串事后回放、复现现场raw_snapshot_ref哈希摘要快速校验原始数据是否被修改checked_at客户端校验通过时间区分行情时间和校验时间九、业务侧留痕字段表以下字段为业务侧建议记录的留痕字段用于接入校验和事后排查。它们都不是任何行情数据源的原生字段。字段名来源含义source客户端定义数据源标识symbol请求参数请求的标的代码request_params客户端记录请求参数快照checked_at客户端生成校验通过并入库的时间payload_timestamp响应字段行情数据自带的时间戳raw_snapshot_ref客户端生成原始响应体哈希摘要validation_status客户端判断校验状态passed / partial / failedfailure_reason客户端判断失败原因十、Python 伪代码ticker 快照校验骨架下面的代码演示校验流程。这是教学骨架不是完整生产代码。所有字段路径以数据源文档和实测为准。fromdecimalimportDecimal,InvalidOperationfromdatetimeimportdatetime,timezoneimporthashlib,jsonfromtypingimportDict,Optionaldefvalidate_ticker_snapshot(response:Dict,request_symbol:str,request_params:Dict)-Dict: 校验一次 A 股实时行情快照的返回结果。 教学骨架字段路径以数据源文档和实测为准。 report{checked_at:datetime.now(timezone.utc).isoformat(),source:None,symbol:request_symbol,request_params:request_params,checks:{},validation_status:passed,failure_reason:None,raw_snapshot_ref:None}# 保存原始快照引用不保存 Key/Tokensnapshotjson.dumps(response,ensure_asciiFalse,defaultstr)report[raw_snapshot_ref]hashlib.sha256(snapshot.encode()).hexdigest()[:16]# ---- 1. 检查顶层结构 ----coderesponse.get(code)messageresponse.get(message,)dataresponse.get(data)# code 非 0业务错误ifcode!0:report[validation_status]failedreport[failure_reason]fbusiness error: code{code}, message{message}returnreport# data 必须是 listifnotisinstance(data,list):report[validation_status]failedreport[failure_reason]fdata is not a list:{type(data).__name__}returnreport# data 为空数组无效 symbol 可能返回此状态iflen(data)0:report[validation_status]failedreport[failure_reason]data is empty arrayreturnreport# ---- 2. 从 data 数组中按 symbol 匹配 item ----item:Optional[dict]Nonefordindata:ifisinstance(d,dict)andd.get(symbol)request_symbol:itemdbreakifitemisNone:report[validation_status]failedreturned_symbols[d.get(symbol)fordindataifisinstance(d,dict)]report[failure_reason]fsymbol not found in data, returned:{returned_symbols}returnreport# ---- 3. last_price 校验 ----last_priceitem.get(last_price)price_okFalseifisinstance(last_price,str)andlast_price.strip():try:dDecimal(last_price)price_okd.is_finite()except(InvalidOperation,ValueError):passreport[checks][price]{passed:price_ok,raw:last_price}ifnotprice_ok:report[validation_status]failedreport[failure_reason]flast_price unparseable:{last_price}returnreport# ---- 4. timestamp 校验 ----timestampitem.get(timestamp)ts_okFalseifisinstance(timestamp,int)andnotisinstance(timestamp,bool):# 13 位毫秒时间戳iflen(str(timestamp))13:ts_okTruereport[checks][timestamp]{passed:ts_ok,raw:timestamp}ifnotts_ok:report[validation_status]failedreport[failure_reason]ftimestamp cannot be interpreted:{timestamp}returnreportreturnreport代码要点先查code再查data类型和是否为空数组。从data数组中按symbol遍历匹配 item而不是用data[0]假设第一个就是。last_price用Decimal(str(value))解析检查is_finite()。timestamp 必须是 int 且非 bool13 位毫秒。每个失败分支都填写validation_status和failure_reason。原始快照的哈希引用在函数开头就保存确保即使后续校验失败也不会丢失。十一、7 个失败分支#失败场景触发条件处理方式①code 非 0业务错误阻断记录 code 和 message②data 不是 list返回结构异常阻断记录实际类型③data 为空数组无效 symbol 等阻断区分非交易时段和无效 symbol④symbol 不匹配data 中找不到请求的 symbol阻断列出实际返回的 symbol 列表⑤last_price 不可解析空字符串、非有限值等阻断不补默认值⑥timestamp 不可解释类型错误或位数不对阻断标注语义待确认⑦raw_snapshot 未保存快照保存失败标记为不可复查十二、TickDB 在这套流程里的位置上面这套字段校验流程不依赖任何特定数据源。如果你用 TickDB 作为统一实时行情 API 的候选入口它在这套流程中的工程角色是REST ticker端点/v1/market/ticker参数symbols鉴权X-API-Key。返回顶层code/message/data其中data是数组每个 item 包含symbol、last_price、timestamp等字段。适合定时快照查询和字段核对。WebSocket适合持续行情推送。首次接入后的字段校验逻辑同样适用于推送的每条数据。MCP适合 AI 工具按需查询真实行情不替代 REST 的定时探测和字段校验。TickDB 不内置接入校验流程——本文的字段检查、留痕逻辑和失败分支处理需要你自己实现。所有业务侧留痕字段validation_status、failure_reason、raw_snapshot_ref、checked_at、request_params等均为自定义设计不是 TickDB 原生字段。具体端点、字段路径、错误码枚举和返回结构以官方文档和实测为准。十三、常见问题Q1A 股实时行情 API 返回 200 和 code0是不是就能直接用了不能。无效 symbol 可能返回code0、messagesuccess、data[]——空数组必须作为独立失败分支处理。必须逐字段检查后再入库或展示。Q2Python 获取股票实时行情优先查哪个字段先看data是不是 list 且非空再从数组中按 symbol 找匹配 item。结构不对后面所有字段检查都不可靠。Q3last_price 为什么要用 Decimal 解析价格/数量类字段按字符串处理客户端应使用Decimal(str(value))。直接用 float 会引入浮点精度损失后续计算会累积误差。Q4timestamp 是 13 位毫秒说明数据延迟很低吗不。13 位毫秒只代表字段格式——高精度时间戳只能说明源头记录得有多细不能说明数据多快到达你的脚本。不要把时间戳精度写成低延迟或数据新鲜度承诺。Q5TickDB 的 ticker 返回可以直接入库吗TickDB 返回结构化 JSON但入库前仍建议按本文流程逐项校验并保存 raw_snapshot。接口返回成功不等于数据在你的业务场景里完全可用。十四、边界声明一次 symbol 查询成功只证明此时此刻该品种可返回有效数据不推导所有 A 股品种在所有时段均可正常返回。本文所有业务侧留痕字段均为自定义设计不是任何行情数据源的原生字段。TickDB 不内置接入校验流程——本文的字段检查、留痕逻辑和失败分支处理需要你自己实现。本文不涉及投资建议、收益判断、策略有效性。不写延迟、SLA、覆盖数量、价格、排名。所有端点、字段路径和 timestamp 语义以官方文档和实测为准。你们接入 A 股实时行情 API 后第一件事是校验 symbol 和 last_price还是直接展示有没有把 raw_snapshot 留痕写进取数脚本 本文以 TickDB 作为 A 股实时行情 API 示例。文中代码为 Python 伪代码骨架不依赖任何特定数据源的端点或字段。本文仅讨论接入校验的工程方法不构成投资建议。