Python+飞书搭建实时股票监控系统

1. 项目背景与核心需求

去年我在管理一个小型投资组合时，经常遇到这样的困扰：明明设置了价格提醒，但收到通知时股价早已波动了好几个百分点。传统的股票APP推送延迟高，而专业级交易软件又过于复杂。于是我用Python+飞书搭建了一套实时监控系统，现在股价波动超过1%时，5秒内就能在飞书群里收到带K线图的预警。

这个方案的核心价值在于：

• 实时性：基于websocket的行情接口，比传统轮询方式快3-5秒
• 可视化：自动生成带关键指标的图文消息
• 可定制：监控规则完全自主定义（如波动阈值、成交量异动等）
• 零成本：全部使用免费API和开源库

2. 技术架构设计

2.1 整体数据流

mermaid复制graph TD
    A[券商API] -->|WebSocket| B(Python处理引擎)
    B --> C{触发条件?}
    C -->|是| D[生成可视化图表]
    C -->|否| B
    D --> E[飞书机器人]
    E --> F[手机/PC端提醒]

2.2 关键组件选型

提示：Tushare需要注册获取token，建议使用企业邮箱申请可获得更高频次权限

3. 核心代码实现

3.1 实时数据获取

python复制import tushare as ts
from websocket import create_connection

class StockMonitor:
    def __init__(self, token):
        self.pro = ts.pro_api(token)
        self.ws_url = "wss://api.tushare.pro/streaming"
        
    def subscribe(self, codes):
        """订阅股票实时行情"""
        ws = create_connection(self.ws_url)
        auth = {"action":"auth","params":{"token":self.pro.token}}
        sub = {"action":"sub","params":{"codes":codes}}
        ws.send(json.dumps(auth))
        ws.send(json.dumps(sub))
        return ws

3.2 波动检测逻辑

python复制def check_alert(prev_data, current_data):
    """检测是否触发预警条件"""
    alert_rules = {
        'price_change': lambda p,c: abs((c['price']-p['price'])/p['price']) > 0.01,
        'volume_spike': lambda p,c: c['volume'] > p['volume']*2,
        'breakthrough': lambda p,c: c['price'] > p['upper'] or c['price'] < p['lower']
    }
    
    triggers = []
    for name, rule in alert_rules.items():
        if rule(prev_data, current_data):
            triggers.append(name)
    
    return triggers if triggers else None

3.3 飞书消息生成

python复制from pyecharts.charts import Kline
from io import BytesIO

def generate_kline_chart(data):
    """生成K线图PNG"""
    kline = (
        Kline()
        .add_xaxis(data['dates'])
        .add_yaxis("", data['prices'])
        .set_global_opts(title_opts={"text": f"{data['name']}近期走势"})
    )
    return kline.render_embed()

def build_lark_message(stock, triggers):
    """构造飞书富文本消息"""
    content = [[
        {"tag":"text","text":f"⚠️ {stock['name']}({stock['code']}) 触发告警："},
        {"tag":"text","text":", ".join(triggers),"un_escape":True}
    ]]
    
    if 'price_change' in triggers:
        content.append([{
            "tag":"img",
            "image_key": upload_image(generate_kline_chart(stock)),
            "width": 300
        }])
    
    return {"msg_type":"interactive","card":{
        "header":{"title":{"content":"股票异动预警"}},
        "elements": content
    }}

4. 部署与优化实践

4.1 生产环境部署方案

推荐使用以下架构保证稳定性：

code复制[券商API] → [Python处理服务] → [Redis缓存] → [飞书机器人]
                     ↑
[定时任务] ← [MySQL持久化]

关键配置参数：

yaml复制# config.yaml
monitor:
  interval: 3s  # 扫描间隔
  timeout: 10s  # 接口超时
  retry: 3      # 重试次数
  
stocks:
  - code: 600519
    name: 贵州茅台
    rules: 
      price_change: 1%
      volume_spike: true
  - code: 000858
    name: 五粮液 
    rules:
      breakthrough: true

4.2 性能优化技巧

1. 连接池管理：复用WebSocket连接而非每次新建

python复制class ConnectionPool:
    def __init__(self, max_conn=5):
        self.pool = Queue(max_conn)
        for _ in range(max_conn):
            self.pool.put(create_connection(WS_URL))
    
    def get_conn(self):
        return self.pool.get()
    
    def release(self, conn):
        self.pool.put(conn)

2. 批量处理策略：攒批处理避免频繁触发飞书限流（100次/分钟）

python复制from collections import defaultdict

class BatchNotifier:
    def __init__(self, interval=60):
        self.buffer = defaultdict(list)
        self.interval = interval
    
    def add_alert(self, alert):
        self.buffer[alert['code']].append(alert)
    
    def flush(self):
        for code, alerts in self.buffer.items():
            merged = self._merge_alerts(alerts)
            send_lark_message(merged)
        self.buffer.clear()

5. 常见问题解决方案

5.1 飞书消息发送失败

典型错误及处理方案：

5.2 数据断连处理

python复制def resilient_fetch(ws, max_retry=3):
    retry = 0
    while retry < max_retry:
        try:
            data = ws.recv()
            return json.loads(data)
        except ConnectionResetError:
            ws = reconnect_websocket()
            retry += 1
    raise Exception("Max retries exceeded")

5.3 监控规则扩展

通过继承基类实现自定义规则：

python复制class MACDAlertRule(AlertRule):
    def __init__(self, fast=12, slow=26, signal=9):
        self.fast = fast
        self.slow = slow
        
    def check(self, data):
        close_prices = [x['close'] for x in data]
        macd = talib.MACD(close_prices, 
                         fastperiod=self.fast,
                         slowperiod=self.slow)
        return macd[-1] > 0 and macd[-2] <= 0  # 金叉检测

这套系统在我实际使用中，对短线操作的帮助非常大。特别是在今年3月的白酒板块异动中，比主流财经APP提前2分钟捕捉到五粮液的放量突破，及时提示了买入机会。建议大家可以先从监控3-5支重点股票开始，逐步扩展规则库