fix: 修复 SQLite 写入时 pd.Timestamp 绑定错误

.env.example

@@ -19,3 +19,18 @@ LOG_LEVEL=INFO
 
 # 处理选项
 USE_TQDM=True  # 是否显示进度条
+
+# SMB 网络访问配置（可选，用于访问远程 PC 上的 TDX 安装目录）
+# 启用后 TDX_PATH 可不填
+SMB_ENABLED=false
+SMB_HOST=192.168.1.100
+SMB_SHARE=tdx_share
+SMB_USER=myuser
+SMB_PASSWORD=mypassword
+# TDX 在共享目录内的相对路径，若共享根目录即为 TDX 安装目录则留空
+SMB_TDX_PATH=TDX
+SMB_PORT=445
+# 并发下载线程数（批量 SMB 模式）
+SMB_WORKERS=16
+# 每批同步的股票数量
+SMB_BATCH_SIZE=200

.github/workflows/python-package.yml

@@ -1,6 +1,3 @@
-# This workflow will install Python dependencies, run tests and lint with a variety of Python versions
-# For more information see: https://docs.github.com/en/actions/automating-builds-and-tests/building-and-testing-python
-
 name: Python package
 
 on:
@@ -11,30 +8,23 @@ on:
 
 jobs:
   build:
-
     runs-on: ubuntu-latest
     strategy:
       fail-fast: false
       matrix:
-        python-version: ["3.9", "3.10", "3.11"]
+        python-version: ["3.10", "3.11", "3.12"]
 
     steps:
     - uses: actions/checkout@v4
     - name: Set up Python ${{ matrix.python-version }}
-      uses: actions/setup-python@v3
+      uses: actions/setup-python@v5
       with:
         python-version: ${{ matrix.python-version }}
     - name: Install dependencies
       run: |
         python -m pip install --upgrade pip
-        python -m pip install flake8 pytest
-        if [ -f requirements.txt ]; then pip install -r requirements.txt; fi
-    - name: Lint with flake8
-      run: |
-        # stop the build if there are Python syntax errors or undefined names
-        flake8 . --count --select=E9,F63,F7,F82 --show-source --statistics
-        # exit-zero treats all errors as warnings. The GitHub editor is 127 chars wide
-        flake8 . --count --exit-zero --max-complexity=10 --max-line-length=127 --statistics
+        pip install pytest
+        pip install -r requirements.txt
     - name: Test with pytest
       run: |
-        pytest
+        pytest tests/ -v

.gitignore

@@ -45,3 +45,5 @@ poetry.lock
 output/
 
 */__pycache__/
+tdx_data.db*
+.claude/

CLAUDE.md

@@ -4,26 +4,29 @@ This file provides guidance to Claude Code (claude.ai/code) when working with co
 
 ## 项目概述
 
-tdx2db：从本地通达信(TDX)行情软件读取 A 股数据，增量同步到数据库。是量化分析工作站的数据入口。
+tdx2db：从本地通达信(TDX)行情软件读取 A 股日线数据，增量同步到数据库。支持作为 Python 包被其他项目调用。
 
 ## 常用命令
 
 ```bash
 # 安装依赖
 pip install -r requirements.txt
+# 或安装为可编辑包（支持 import）
+pip install -e .
 
-# 一键增量同步（日线 + 5/15/30/60 分钟线）— 日常使用这一个命令即可
+# 一键增量同步日线数据 — 日常使用这一个命令
 python main.py sync
 
 # 单独同步
-python main.py daily --db-only --auto-start --incremental
-python main.py minutes --db-only --auto-start --incremental
+python main.py daily --incremental
+python main.py daily --code 000001 --start 20240101
 
 # 同步股票列表
-python main.py stock-list --db-only
-```
+python main.py stock-list
 
-无测试套件。验证方式是运行 `sync` 命令后检查数据库数据。
+# 运行测试
+python -m pytest tests/ -v
+```
 
 ## 架构
 
@@ -32,39 +35,63 @@ python main.py stock-list --db-only
 ```
 CLI (cli.py)  → Reader (reader.py) → Processor (processor.py) → Storage (storage.py)
     ↓                ↓                      ↓                        ↓
- argparse        pytdx 读取本地       校验 + 重采样 + 均线      SQLAlchemy 批量写库
- 命令分发 +      .day/.lc5 文件       (OHLCV 校验, resample,   支持增量 ON CONFLICT
- 同步编排                              MA5~MA250)               表名白名单保护
+ argparse        pytdx 读取本地       校验 + 复权处理           SQLAlchemy 批量写库
+ 命令分发 +      .day 文件            (OHLCV 校验, 前/后复权)   支持增量 ON CONFLICT
+ 同步编排                                                        表名白名单保护
 ```
 
-- **cli.py**: 除命令分发外，`sync_all_daily_data` / `sync_all_min_data` / `sync_single_stock_min_data` 编排逐股票流式同步
-- **config.py**: 全局单例 `config`，从 `.env` 加载配置（TDX_PATH、DB_*）
+- **cli.py**: 命令分发 + `sync_all_daily()` 逐股票流式同步
+- **config.py**: 全局单例 `config`，从 `.env` 加载配置
 - **logger.py**: 全局单例 `logger`
+- **`__init__.py`**: 暴露 `TdxDailySync` 公共 API
 
-### 关键数据流
+## 关键数据流
 
-日线和分钟线均为**逐股票流式处理**，不全量加载到内存：
+逐股票流式处理，不全量加载到内存：
 
-1. **日线**: 逐股票读取 `vipdoc/{sz,sh}/lday/*.day` → `process_daily_data()` 校验 OHLCV + 计算均线 → 增量写入 `daily_data` 表
-2. **分钟线**: 逐股票读取 `.lc5`（5 分钟）→ `resample_ohlcv()` 重采样为 15/30/60 分钟 → `process_min_data()` 校验 + 均线 → 分别写入 `minute{5,15,30,60}_data` 表
-3. **增量同步**: `save_incremental()` 使用批量 executemany + `ON CONFLICT DO NOTHING`（PostgreSQL）/ `INSERT IGNORE`（MySQL）跳过重复。分钟线按股票精确查询最新日期（`get_latest_datetime_by_code`），日线逐股票增量。
+1. 读取 `vipdoc/{sz,sh,bj}/lday/*.day` → `process_daily_data()` 校验 OHLCV + 复权
+2. 增量策略：`get_all_latest_dates()` 一次查询所有股票最新日期；若有除权事件则 `delete_stock_data()` + 全量重写
+3. `save_incremental()` 使用 `ON CONFLICT DO NOTHING`（PG）/ `INSERT OR IGNORE`（SQLite）/ `INSERT IGNORE`（MySQL）
 
-### 数据库表
+## 数据库表
 
 | 表名 | 唯一约束 | 用途 |
 |------|----------|------|
-| `daily_data` | (code, date) | 日线数据 |
-| `minute{5,15,30,60}_data` | (code, datetime) | 分钟线数据 |
+| `daily_data` | (code, date) | 日线数据，date 为 YYYYMMDD 整数 |
 | `stock_info` | code | 股票列表 |
-| `block_stock_relation` | — | 板块关系（未完整实现） |
 
-唯一约束需通过 `scripts/add_constraints.sql` 手动添加。
+唯一约束由 SQLAlchemy `UniqueConstraint` 在建表时自动创建，无需手动执行 SQL 脚本。
 
-### 股票代码格式
+## 股票代码格式
 
-代码带市场前缀：`sz000001`、`sh600000`。深圳 market=0，上海 market=1。
-A 股筛选规则：深圳 `000/001/002/300` 开头，上海 `60/688` 开头。
+- CLI `--code` 参数：纯 6 位数字，如 `000001`、`600000`、`920001`，市场自动识别
+- 内部流转层：带市场前缀，如 `sz000001`、`sh600000`、`bj920001`（reader 内部使用）
+- 数据库层：纯 6 位数字，如 `000001`（reader 写入时截取）
+- 深圳 market=0，上海 market=1，北京 market=2
+- A 股筛选：深圳 `000/001/002/300` 开头，上海 `60/688` 开头，北交所 `8xxxxx` 或 `92xxxx` 开头
+- 市场自动识别规则：6 开头 → 上海（sh），8 或 92 开头 → 北京（bj），其他 → 深圳（sz）
 
 ## 配置
 
-通过 `.env` 文件配置，必填：`TDX_PATH`、`DB_TYPE`、`DB_HOST`、`DB_NAME`、`DB_USER`、`DB_PASSWORD`。
+通过 `.env` 文件配置：
+
+| 变量 | 必填 | 说明 |
+|------|------|------|
+| `TDX_PATH` | 是 | 通达信安装目录 |
+| `DB_TYPE` | 否 | `sqlite`（默认）/ `mysql` / `postgresql` |
+| `DB_NAME` | 否 | 数据库名，SQLite 时为文件名（生成 `<name>.db`） |
+| `DB_HOST` | MySQL/PG 必填 | 数据库主机 |
+| `DB_USER` | MySQL/PG 必填 | 数据库用户名 |
+| `DB_PASSWORD` | MySQL/PG 必填 | 数据库密码 |
+| `DB_PORT` | 否 | 默认 `5432` |
+| `DB_BATCH_SIZE` | 否 | 批量写入大小，默认 `10000` |
+| `USE_TQDM` | 否 | 是否显示进度条，默认 `True` |
+
+## sync 命令增量策略
+
+`python main.py sync` 内部行为：
+
+- 一次 SQL 查询获取所有股票最新日期（`SELECT code, MAX(date) FROM daily_data GROUP BY code`）
+- 对每只股票：检查 gbbq 中是否有除权事件（category=1）发生在 last_date 之后
+  - 有除权 → 删除该股旧数据，全量重写（保证复权价格正确）
+  - 无除权 → 只写入 last_date 之后的新数据