修改排序方式和更新内容，

app.log

@@ -1,2 +1,19 @@
-2025-12-05 19:21:46 - INFO - 日志文件已配置: app.log
-2025-12-05 19:21:51 - INFO - 所有资料已保存到 D:\gp_data\code\all_stock_codes.txt
+2025-12-06 00:19:00 - INFO - 日志文件已配置: app.log
+2025-12-06 00:19:28 - INFO - 日志文件已配置: app.log
+2025-12-06 00:22:02 - INFO - 日志文件已配置: app.log
+2025-12-06 00:22:14 - INFO - 所有资料已保存到 D:\gp_data\code\all_stock_codes.txt
+2025-12-06 08:43:38 - INFO - 日志文件已配置: app.log
+2025-12-06 08:43:44 - INFO - 所有资料已保存到 D:\gp_data\code\all_stock_codes.txt
+2025-12-06 09:05:30 - INFO - 所有资料已保存到 D:\gp_data\code\all_stock_codes.txt
+2025-12-06 09:22:17 - INFO - 日志文件已配置: app.log
+2025-12-06 09:23:01 - INFO - 日志文件已配置: app.log
+2025-12-06 09:23:51 - INFO - 日志文件已配置: app.log
+2025-12-06 09:28:29 - INFO - 日志文件已配置: app.log
+2025-12-06 09:33:43 - INFO - 日志文件已配置: app.log
+2025-12-06 09:34:15 - INFO - 日志文件已配置: app.log
+2025-12-06 09:44:03 - INFO - 日志文件已配置: app.log
+2025-12-06 09:44:07 - INFO - 所有资料已保存到 D:\gp_data\code\all_stock_codes.txt
+2025-12-06 17:47:22 - INFO - 日志文件已配置: app.log
+2025-12-06 17:47:26 - INFO - 所有资料已保存到 D:\gp_data\code\all_stock_codes.txt
+2025-12-06 20:11:44 - INFO - 日志文件已配置: app.log
+2025-12-06 20:12:22 - INFO - 所有资料已保存到 D:\gp_data\code\all_stock_codes.txt

check_market_data.py

@@ -9,17 +9,17 @@ import tushare as ts
 import time
 from functools import lru_cache
 
-# 配置日志
-logger = setup_logger(
-    name='market_data_check',
-    log_file='market_data_check.log',
-    level=logging.INFO,
-    log_format='%(asctime)s - %(levelname)s - %(message)s',
-    console=True,
-    log_dir='.',
-    backup_count=3
-)
-logger.propagate = False  # 避免日志消息向上传递到父记录器，防止重复输出
+# -------------------------- 配置参数区域 --------------------------
+class Config:
+    """配置参数类，集中管理所有配置"""
+    # 日志配置
+    LOG_NAME = 'market_data_check'
+    LOG_FILE = 'market_data_check.log'
+    LOG_LEVEL = logging.INFO
+    LOG_FORMAT = '%(asctime)s - %(levelname)s - %(message)s'
+    LOG_CONSOLE = True
+    LOG_DIR = '.'
+    LOG_BACKUP_COUNT = 3
     
     # Tushare配置
     TUSHARE_TOKENS = [
@@ -29,6 +29,31 @@ TUSHARE_TOKENS = [
     # API请求频率控制
     MAX_REQUESTS_PER_MINUTE = 500
     
+    # 数据目录配置
+    DATA_DIR = Path(r'D:\gp_data\day')
+    
+    # 交易日历配置
+    TRADE_CALENDAR_START_YEARS = 2  # 过去2年
+    TRADE_CALENDAR_END_MONTHS = 1    # 未来1个月
+    
+    # 输出文件配置
+    OUTPUT_FILE = Path('market_data_check_result.csv')
+    
+    # 默认参数配置
+    DEFAULT_ONLINE_CHECK = False
+
+# 配置日志
+logger = setup_logger(
+    name=Config.LOG_NAME,
+    log_file=Config.LOG_FILE,
+    level=Config.LOG_LEVEL,
+    log_format=Config.LOG_FORMAT,
+    console=Config.LOG_CONSOLE,
+    log_dir=Config.LOG_DIR,
+    backup_count=Config.LOG_BACKUP_COUNT
+)
+logger.propagate = False  # 避免日志消息向上传递到父记录器，防止重复输出
+
 class TushareManager:
     """Tushare API管理类，处理账户轮询和请求频率控制"""
     def __init__(self, tokens):
@@ -55,7 +80,7 @@ class TushareManager:
             self.last_request_time = current_time
         
         # 如果请求次数超过限制，等待
-        if self.request_count >= MAX_REQUESTS_PER_MINUTE:
+        if self.request_count >= Config.MAX_REQUESTS_PER_MINUTE:
             wait_time = 60 - time_since_last_request + 1
             logger.info(f"请求频率过高，等待 {wait_time:.1f} 秒")
             time.sleep(wait_time)
@@ -70,7 +95,7 @@ class TushareManager:
         self.last_request_time = current_time
 
 # 创建Tushare管理器实例
-tushare_manager = TushareManager(TUSHARE_TOKENS)
+tushare_manager = TushareManager(Config.TUSHARE_TOKENS)
 
 # 全局变量，用于缓存交易日历
 trade_calendar_cache = None
@@ -88,10 +113,10 @@ def get_trade_calendar():
         return trade_calendar_cache
     
     try:
-        # 计算日期范围：过去2年到未来1个月
+        # 计算日期范围：过去N年到未来M个月
         today = datetime.datetime.now()
-        start_date = (today - datetime.timedelta(days=730)).strftime('%Y%m%d')  # 过去2年
-        end_date = (today + datetime.timedelta(days=30)).strftime('%Y%m%d')    # 未来1个月
+        start_date = (today - datetime.timedelta(days=365 * Config.TRADE_CALENDAR_START_YEARS)).strftime('%Y%m%d')
+        end_date = (today + datetime.timedelta(days=30 * Config.TRADE_CALENDAR_END_MONTHS)).strftime('%Y%m%d')
         
         pro = tushare_manager.get_pro_api()
         tushare_manager.control_request_rate()
@@ -116,6 +141,8 @@ def get_trade_calendar():
 def get_latest_trade_date(file_path):
     """
     从txt文件中获取最新的交易日期
+    注意：现在数据文件按日期降序保存，最新的交易日期在文件第一行数据（跳过表头）
+    
     :param file_path: 文件路径
     :return: 最新交易日期字符串，如'20251204'，如果文件为空返回None
     """
@@ -125,17 +152,27 @@ def get_latest_trade_date(file_path):
             if len(lines) < 2:  # 至少需要有表头和一行数据
                 logger.warning(f"文件 {file_path} 内容不足")
                 return None
-            # 第二行是第一行数据（最新的交易日期）
-            first_data_line = lines[1].strip()
-            if not first_data_line:
-                logger.warning(f"文件 {file_path} 数据行为空")
+            
+            # 解析表头，找到trade_date列的索引
+            header_line = lines[0].strip()
+            headers = header_line.split('\t')
+            if 'trade_date' not in headers:
+                logger.warning(f"文件 {file_path} 缺少trade_date列")
                 return None
-            # 按制表符分割
-            columns = first_data_line.split('\t')
-            if len(columns) < 2:  # 至少需要有ts_code和trade_date
+            trade_date_idx = headers.index('trade_date')
+            
+            # 跳过空行，从文件开头查找第一行有效数据（最新日期）
+            for i in range(1, len(lines)):  # 从第二行开始查找，跳过表头行(0)
+                line = lines[i].strip()
+                if line:  # 找到非空行
+                    columns = line.split('\t')
+                    if len(columns) <= trade_date_idx:  # 确保有足够的列
                         logger.warning(f"文件 {file_path} 数据格式不正确")
                         return None
-            return columns[1]
+                    return columns[trade_date_idx]
+            # 如果没有找到有效数据行
+            logger.warning(f"文件 {file_path} 无有效数据行")
+            return None
     except Exception as e:
         logger.error(f"读取文件 {file_path} 时出错: {str(e)}")
         return None
@@ -199,7 +236,7 @@ def check_online_data_exists(ts_code, trade_date):
         logger.error(f"查询在线数据失败 {ts_code} {trade_date}: {str(e)}")
         return None
 
-def check_market_data(online_check=False):
+def check_market_data(online_check=Config.DEFAULT_ONLINE_CHECK):
     """
     检查所有行情数据文件的完整性
     
@@ -207,7 +244,7 @@ def check_market_data(online_check=False):
         online_check: 是否进行在线数据检查，默认False
     """
     # 设置数据目录
-    data_dir = Path(r'D:\gp_data\day')
+    data_dir = Config.DATA_DIR
     
     # 获取当天日期（格式：YYYYMMDD）
     today = datetime.datetime.now().strftime('%Y%m%d')
@@ -278,7 +315,7 @@ def check_market_data(online_check=False):
     print()
     
     # 输出结果到CSV文件
-    output_file = Path('market_data_check_result.csv')
+    output_file = Config.OUTPUT_FILE
     with open(output_file, 'w', newline='', encoding='utf-8') as csvfile:
         fieldnames = ['file_name', 'ts_code', 'latest_date', 'trading_days_diff', 'online_data_exists', 'status']
         writer = csv.DictWriter(csvfile, fieldnames=fieldnames)

market_data_check.log.2025-12-05

@@ -0,0 +1,12 @@
+2025-12-05 19:17:45 - INFO - 日志文件已配置: market_data_check.log
+2025-12-05 19:17:45 - INFO - 开始检查行情数据完整性，当前日期：20251205
+2025-12-05 19:17:45 - INFO - 成功获取并缓存交易日历: 20231206至20260104
+2025-12-05 19:17:50 - INFO - 检查完成，共检查 5192 个文件
+2025-12-05 19:17:50 - INFO - 发现 5192 个未更新到最新的数据文件
+2025-12-05 19:17:50 - INFO - 检查结果已输出到：market_data_check_result.csv
+2025-12-05 20:24:53 - INFO - 日志文件已配置: market_data_check.log
+2025-12-05 20:24:53 - INFO - 开始检查行情数据完整性，当前日期：20251205
+2025-12-05 20:24:58 - INFO - 成功获取并缓存交易日历: 20231206至20260104
+2025-12-05 20:25:03 - INFO - 检查完成，共检查 5196 个文件
+2025-12-05 20:25:03 - INFO - 发现 2620 个未更新到最新的数据文件
+2025-12-05 20:25:03 - INFO - 检查结果已输出到：market_data_check_result.csv

market_data_check_result_test.csv

@@ -1,6 +0,0 @@
-file_name,ts_code,latest_date,trading_days_diff,online_data_exists,status
-000001.SZ_daily_data.txt,000001.SZ,20250806,82,否,数据不完整
-000002.SZ_daily_data.txt,000002.SZ,20251204,2,否,数据不完整
-000004.SZ_daily_data.txt,000004.SZ,20250806,82,否,数据不完整
-000006.SZ_daily_data.txt,000006.SZ,20251204,2,否,数据不完整
-000007.SZ_daily_data.txt,000007.SZ,20250806,82,否,数据不完整

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:
+            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:
-                output_file = os.path.join(Config.OUTPUT_DIR, f"{code}_daily_data.txt")
                             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: