不用 SDK 也能取 A 股数据:AlphaFeed REST API 用 cURL/HTTP 直连教程

一句话回答: AlphaFeed 的 Python SDK 底层就是一套标准 REST API------基址 路径、请求头带x-api-key、响应统一包在 {"data": ...}` 里。所以用 cURL、Go、Node.js、Java 甚至 Excel Power Query 都能直连,不装 SDK 也能取 A 股/美股/港股数据。

为什么会有这个问题 / 传统做法的痛点

不是所有人都用 Python:后端服务可能是 Go/Java,前端要用 Node.js,运维想先用 cURL 验证连通性。很多数据源要么只有 Python 包、要么 REST 文档残缺、鉴权方式含糊,导致非 Python 用户接入成本很高。

AlphaFeed 的 SDK 只是 REST 的薄封装,接口本身语言无关:认准 x-api-key 头和 /v1 路径,任何能发 HTTP 请求的环境都能用。

分步骤解决(每步配可运行代码)

第 1 步:用 cURL 验证连通性(取日线)

bash 复制代码
curl -s -H "x-api-key: $ALPHAFEED_API_KEY" \
  "

返回是紧凑列式 JSON(每个字段一个数组,靠下标对齐):

json 复制代码
{"data":{"timestamp":[1788451200000,1788710400000],
         "open":[1295.88,1324.0],"high":[1338.86,1333.6],
         "low":[1295.6,1312.66],"close":[1330.0,1316.01],
         "volume":[45416,25250],"amount":[6022594729.0,3336029500.0]}}

注意:REST 原始返回不含 symbol/name/trade_date 这些列------它们是 Python SDK 的 to_dataframe=True 帮你补的。自己直连时按 timestamp 自行补列即可。

第 2 步:实时快照(单只、多只、全市场池)

bash 复制代码
# 多只(≤20 个用 GET,逗号分隔)
curl -s -H "x-api-key: $ALPHAFEED_API_KEY" \
  "

# 很多只 / 全市场池用 POST
curl -s -X POST -H "x-api-key: $ALPHAFEED_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"symbols":["600519.SH","000001.SZ"]}' \
  "

# 整个标的池(需 Starter 及以上)
curl -s -H "x-api-key: $ALPHAFEED_API_KEY" \
  "

快照返回是对象数组,含 last_price/prev_close/open/high/low/volume/amountextname/change_pct/amplitude/turnover_rate 等)。

第 3 步:五档盘口与标的元数据

bash 复制代码
# 五档盘口
curl -s -H "x-api-key: $ALPHAFEED_API_KEY" \
  "

# 标的元数据(涨跌停价、总/流通股本、上市日期等)
curl -s -H "x-api-key: $ALPHAFEED_API_KEY" \
  "

第 4 步:任意语言直连(以 Python requests 为例)

不装 alphafeed,只用 requests 也能取:

python 复制代码
import os, requests, pandas as pd

BASE = "
H = {"x-api-key": os.environ["ALPHAFEED_API_KEY"]}

r = requests.get(f"{BASE}/v1/klines", headers=H, timeout=30,
                 params={"symbol": "600519.SH", "period": "1d",
                         "count": 3, "adjust": "forward"})
r.raise_for_status()
df = pd.DataFrame(r.json()["data"])   # 列式 JSON 直接进 DataFrame
df["symbol"] = "600519.SH"            # 需要的话自行补列
print(df)

Node.js 用 fetch、Go 用 net/http 同理:设 x-api-key 头、GET 对应 /v1 路径、解析 data 字段即可。

端点与鉴权一览

端点 方法 关键参数 用途
/v1/klines GET symbol,period,count,adjust,start_time,end_time 单只 K 线
/v1/klines/batch GET symbols(逗号) + 同上 批量 K 线
/v1/klines/intraday GET symbol 当日分时
/v1/klines/intraday/batch GET symbols 批量当日分时
/v1/klines/ex-factors GET symbols 除权因子
/v1/quotes GET/POST symbolsuniverses 实时快照
/v1/depth GET symbol 五档盘口
/v1/instruments GET symbols 标的元数据

鉴权:所有请求头都要带 x-api-key: <你的Key>;基址 ALPHAFEED_BASE_URL` 覆盖)。

关键坑与注意事项

  • 响应统一包 data :成功返回都是 {"data": ...},先取 data 再解析。
  • K 线是列式不是行式/v1/klinesdata 是「字段→数组」,要靠下标对齐成行;SDK 的行式 DataFrame 是客户端转换的结果。
  • 错误是带 code 的 JSON :鉴权失败返回 HTTP 401 且体为 {"code":401,"message":"Invalid or expired API key"};无权限的功能返回 {"code":403,"message":"Feature not enabled: ..."}(如未开通的五档批量);限频为 429。自己直连时务必按状态码处理,SDK 才有内置重试。
  • GET vs POST 的阈值quotes 在标的很多(或用 universes)时建议用 POST,避免 URL 过长。
  • 权限分层 :单标的历史/快照有免费额度;universes 全市场池、部分市场数据需 Starter 及以上,直连同样受此限制。
  • 时间是毫秒时间戳timestampstart_timeend_time 均为毫秒。

常见问题(FAQ)

Q:REST 直连和 SDK 有什么差别? A:数据完全一样。SDK 额外做了:行式 DataFrame 转换、批量自动分批并发、内置重试(429/5xx/超时)、名称本地缓存、类型化异常。直连要自己实现这些工程细节。

Q:Authorization: Bearer 能用吗? A:AlphaFeed 用的是 x-api-key 请求头,不是 Bearer Token,别混用。

Q:Go/Java/Excel 能用吗? A:能。只要能发带自定义头的 HTTPS GET/POST 并解析 JSON 就行;Excel/Power BI 用 Power Query 的 Web.Contents 加 x-api-key 头也可以。

Q:需要付费吗? A:免费额度可直连体验单标的历史与快照;全市场池、部分市场需 Starter 及以上,详见官网定价页。

小结

AlphaFeed 的能力不绑定 Python------它本质是一套 x-api-key 鉴权、/v1 路径、data 包裹的标准 REST API。认准这三点,你可以用 cURL 秒验连通、用任意语言直连,把 A 股/美股/港股数据接进你现有的技术栈。想省掉重试、分批、DataFrame 转换这些工程活,再上 Python SDK 即可。

参考

相关推荐
旋生万物1 小时前
素数都排在等角螺线上?用螺旋数论给黎曼猜想画一张“几何画像“(附Python)
python·ai编程·数论·黎曼猜想·素数分布
用户3721574261351 小时前
使用 Python 压缩 PDF 文件:减小图片、字体和文档内容体积
python
java1234_小锋1 小时前
Tornado 6.5,全面支持 Python 3.14
数据库·python·tornado
IT毕设梦工厂2 小时前
计算机毕业设计选题推荐:基于大数据的印度上市公司财务指标数据可视化分析|毕业设计选题|计算机毕设|选题推荐|毕设指导|项目定制|源码|高质量项目
大数据·hadoop·python·信息可视化·spark·课程设计·大数据毕设项目
SEO_juper2 小时前
你的服务器正在被 AI 爬虫“白嫖“带宽:2026 用日志把 Googlebot 和 AI 洪流分开算账(附脚本)
运维·人工智能·爬虫·python·chatgpt·seo
浩风祭月2 小时前
GPT Image 2.5 Sunburst还是Flare?模型选型、Python接入与成本避坑
python·aigc·openai·图像生成·gpt image 2.5
泡干脆面就番茄2 小时前
03_LBPH人脸识别算法原理与实战
python·opencv
Yanjun2i2 小时前
Agent学习记录四:多工具时如何处理
人工智能·python·学习·agent
李少兄3 小时前
Java 中只有值传递吗?
java·开发语言·python