修改排序方式和更新内容，

update_tushare_totxt.py

@@ -4,6 +4,7 @@ import time
 import logging
 import threading
 import socket
+from datetime import timedelta
 from concurrent.futures import ThreadPoolExecutor, as_completed
 import pandas as pd
 import tushare as ts
@@ -528,6 +529,9 @@ class DataDownloader:
 
     def save_to_txt(self, data: pd.DataFrame, filename: str) -> bool:
         try:
+            # 按交易日期降序排序，确保最新交易日排在最前面
+            if 'trade_date' in data.columns:
+                data = data.sort_values('trade_date', ascending=False)
             data.to_csv(filename, index=False, sep='\t', encoding='utf-8')
             # logging.info(f"数据已保存到 {filename}")
             return True
@@ -538,10 +542,68 @@ class DataDownloader:
     def process_stock_code(self, code, progress_queue=None):  # 修改参数默认值为None
         pro = self.account_manager.get_next_account()
         try:
-            df = self.fetch_data_with_retry(pro.daily, ts_code=code)
-            if df is not None:
-                output_file = os.path.join(Config.OUTPUT_DIR, f"{code}_daily_data.txt")
-                self.save_to_txt(df, output_file)
+            output_file = os.path.join(Config.OUTPUT_DIR, f"{code}_daily_data.txt")
+            
+            # 检查是否存在现有数据文件
+            if os.path.exists(output_file):
+                # 读取现有数据，获取最新的交易日期
+                existing_df = self.read_from_txt(output_file)
+                if existing_df is not None and not existing_df.empty:
+                    # 获取最新交易日期
+                    if 'trade_date' in existing_df.columns:
+                        # 由于read_from_txt会将trade_date转换为datetime格式
+                        # 确保现有数据的trade_date列是datetime格式
+                        if not pd.api.types.is_datetime64_any_dtype(existing_df['trade_date']):
+                            existing_df['trade_date'] = pd.to_datetime(existing_df['trade_date'], format='%Y%m%d')
+                        
+                        # 获取最新交易日期
+                        latest_date_dt = existing_df['trade_date'].max()
+                        # 计算下一个交易日的起始日期（避免重复获取同一天数据）
+                        next_date_dt = latest_date_dt + timedelta(days=1)
+                        next_date = next_date_dt.strftime('%Y%m%d')
+                        
+
+                        
+                        # 获取最新日期之后的数据
+                        df = self.fetch_data_with_retry(pro.daily, ts_code=code, start_date=next_date)
+                        
+                        if df is not None and not df.empty:
+                            
+                            # 将新数据的trade_date列转换为datetime格式，以便合并
+                            df['trade_date'] = pd.to_datetime(df['trade_date'], format='%Y%m%d')
+                            
+                            # 合并现有数据和新数据
+                            combined_df = pd.concat([existing_df, df], ignore_index=True)
+                            
+                            # 去重，避免重复数据
+                            combined_df = combined_df.drop_duplicates(subset=['trade_date', 'ts_code'], keep='last')
+                            
+
+                            
+                            # 按交易日期降序排序，最新交易日排在最前面
+                            combined_df = combined_df.sort_values('trade_date', ascending=False)
+                            
+                            # 将trade_date转换回字符串格式保存
+                            combined_df['trade_date'] = combined_df['trade_date'].dt.strftime('%Y%m%d')
+                            
+                            # 保存合并后的数据
+                            self.save_to_txt(combined_df, output_file)
+                    else:
+                        # 如果现有数据没有 trade_date 列，重新获取全部数据
+                        df = self.fetch_data_with_retry(pro.daily, ts_code=code)
+                        if df is not None:
+                            self.save_to_txt(df, output_file)
+                else:
+                    # 现有数据为空，重新获取全部数据
+                    df = self.fetch_data_with_retry(pro.daily, ts_code=code)
+                    if df is not None:
+                        self.save_to_txt(df, output_file)
+            else:
+                # 文件不存在，获取全部数据
+                df = self.fetch_data_with_retry(pro.daily, ts_code=code)
+                if df is not None:
+                    self.save_to_txt(df, output_file)
+            
             if progress_queue is not None:  # 添加判断
                 progress_queue.put(1)
         except (ConnectionError, TimeoutError) as e: