手搓一个开源项目:让通达信运行 Python 的原理剖析与实现

typedefvoid(*TdxPluginFunction)(int dataLength, float* output, float* inputA, float* inputB, float* inputC);

通达信软件 → 调用DLL函数 → C++插件框架 → 数据格式转换 → Python函数执行                                          ↓通达信展示结果 ← 接收计算结果 ← C++插件框架 ← 结果格式转换 ← Python返回结果

# 克隆项目仓库git clone https://gitee.com/icodewr/tdxpy_formulascd tdxpy_formulas# 初始化子模块（如需第三方依赖源码）git submodule update --init --recursive

tdxpy_formulas/├── src/                  # C++源代码目录（核心框架实现）├── include/              # C++头文件目录├── pythonenv/            # Python公式脚本与虚拟环境├── config/               # 配置文件目录├── third_party/          # 第三方依赖（Python、jsoncpp）├── tests/                # 单元测试代码├── docs/                 # 项目文档└── CMakeLists.txt        # 构建配置主文件

# 创建构建目录mkdir buildcd build# 配置CMake（32位Release版本，通达信默认兼容）cmake .. -G "Visual Studio 17 2022" -A Win32 -DCMAKE_BUILD_TYPE=Release# 编译项目（并行编译加速）cmake --build . --config Release -- /m# 安装输出文件到指定目录cmake --install . --config Release

// 生成插件函数包装器#define GENERATE_PLUGIN_FUNCTION(n)                                                                    \void pluginFunction##n(int dataLength, float *output, float *inputA, float *inputB, float *inputC)     \{                                                                                                      \    pluginFunctionDispatcher(n, dataLength, output, inputA, inputB, inputC);                           \}// 生成0-100号函数GENERATE_PLUGIN_FUNCTION(0)GENERATE_PLUGIN_FUNCTION(1)// ... 省略中间函数 ...GENERATE_PLUGIN_FUNCTION(100)

1. 函数调度器：统一处理所有函数调用，转发到Python引擎

voidpluginFunctionDispatcher(int functionId, int dataLength, float *output,float *inputA, float *inputB, float *inputC){    TDXPY_LOG_DEBUG("函数调用调度: ID=" + std::to_string(functionId) + ", 数据长度=" + std::to_string(dataLength));if (!tdxpyRunPythonPlugin(functionId, dataLength, output, inputA, inputB, inputC))    {// 调用失败时输出清零if (functionId != 0) {std::fill(output, output + dataLength, 0.0f);        }    }}

1. 注册函数导出：遵循通达信插件规范，导出RegisterTdxFunc函数

extern"C" __declspec(dllexport) BOOL RegisterTdxFunc(TdxPluginFunctionInfo **pluginFuncTable){if (*pluginFuncTable == nullptr)    {        (*pluginFuncTable) = g_pluginFunctionTable; // 函数表指针赋值return TRUE;    }return FALSE;}

4.2 Python引擎模块（tdxpy_python_engine.cpp）

负责Python解释器的初始化、Python函数调用、数据格式转换等核心功能。

1. Python解释器初始化：

inttdxpyPythonInitialize(){// 双检锁确保线程安全初始化if (g_pythonInitialized.load(std::memory_order_acquire)) {return0;    }std::lock_guard<std::mutex> lock(g_initMutex);if (g_pythonInitialized.load(std::memory_order_relaxed)) {return0;    }// 初始化Python配置    PyConfig pythonConfig;    PyConfig_InitPythonConfig(&pythonConfig);// 设置Python路径与搜索目录    pythonConfig.executable = Py_DecodeLocale(pythonExe.c_str(), nullptr);    pythonConfig.home = Py_DecodeLocale(pythonHome.c_str(), nullptr);    pythonConfig.module_search_paths_set = 1;for (constauto& path : pySearchPaths) {        PyWideStringList_Append(&pythonConfig.module_search_paths, Py_DecodeLocale(path.c_str(), nullptr));    }// 初始化Python解释器    PyStatus status = Py_InitializeFromConfig(&pythonConfig);if (PyStatus_Exception(status)) {        TDXPY_LOG_ERROR("Python解释器初始化失败");return1;    }    g_pythonInitialized.store(true, std::memory_order_release);return0;}

1. Python函数调用流程：

inttdxpyRunPythonPlugin(int functionId, int dataLength,float* output, float* inputA, float* inputB, float* inputC){// 参数校验if (dataLength <= 0 || !output) return0;// 获取公式配置（从JSON配置中查找函数ID对应的Python模块和函数）const tdxpy::config::FormulaConfig* pFormula = g_tdxpyConfig.getFormulaById(functionId);if (!pFormula) return0;// GIL管理（RAII自动加锁解锁）    PyGILLocker gil;if (!gil.isAcquired()) return0;// 导入Python模块    PyObject* pModule = PyImport_ImportModule(pFormula->moduleName.c_str());if (!pModule) {        SafePyErrPrint();return0;    }// 获取Python函数    PyObject* pFunction = PyObject_GetAttrString(pModule, pFormula->function.c_str());if (!pFunction || !PyCallable_Check(pFunction)) {        SafePyErrPrint();        Py_DECREF(pModule);return0;    }// 构建函数参数（转换C++数组为Python列表）    PyObject* pArgs = PyTuple_New(6);    PyTuple_SetItem(pArgs, 0, PyLong_FromLong(functionId));    PyTuple_SetItem(pArgs, 1, PyLong_FromLong(dataLength));    PyTuple_SetItem(pArgs, 2, convertFloatArrayToPythonList(inputA, dataLength));    PyTuple_SetItem(pArgs, 3, convertFloatArrayToPythonList(inputB, dataLength));    PyTuple_SetItem(pArgs, 4, convertFloatArrayToPythonList(inputC, dataLength));    PyTuple_SetItem(pArgs, 5, PyUnicode_FromString(pFormula->userParams.c_str()));// 调用Python函数    PyObject* pResult = PyObject_CallObject(pFunction, pArgs);// 处理返回结果（转换Python列表为C++数组）if (pResult && PyList_Check(pResult)) {        convertPythonListToFloatArray(pResult, output, dataLength);        Py_DECREF(pResult);        Py_DECREF(pArgs);        Py_DECREF(pFunction);        Py_DECREF(pModule);return1;    }// 资源清理    Py_XDECREF(pResult);    Py_DECREF(pArgs);    Py_DECREF(pFunction);    Py_DECREF(pModule);return0;}

1. 数据格式转换工具函数：

// C++浮点数组转Python列表PyObject* convertFloatArrayToPythonList(constfloat* data, int length){if (!data || length <= 0) return PyList_New(0);    PyObject* pList = PyList_New(length);for (int i = 0; i < length; ++i) {        PyList_SetItem(pList, i, PyFloat_FromDouble(data[i]));    }return pList;}// Python列表转C++浮点数组voidconvertPythonListToFloatArray(PyObject* pList, float* output, int length){if (!pList || !output || length <= 0) return;    Py_ssize_t listSize = PyList_Size(pList);    Py_ssize_t safeSize = std::min(listSize, static_cast<Py_ssize_t>(length));for (Py_ssize_t i = 0; i < safeSize; ++i) {        PyObject* pItem = PyList_GetItem(pList, i);if (pItem && PyFloat_Check(pItem)) {            output[i] = static_cast<float>(PyFloat_AsDouble(pItem));        } else {            output[i] = 0.0f;        }    }// 填充剩余元素for (Py_ssize_t i = safeSize; i < length; ++i) {        output[i] = 0.0f;    }}

4.3 配置管理模块（tdxpy_config_manager.cpp）

负责解析JSON配置文件，管理Python路径、公式映射、日志级别等配置信息。

核心功能：

1. 支持从默认路径、环境变量、自定义路径加载配置文件
2. 解析公式映射关系，建立函数ID与Python模块/函数的对应
3. 提供配置验证与热重载功能
4. 生成默认配置文件（首次运行时使用）

配置文件示例（tdxpy_config.json）：

{"tdxpy_formulas": {"version": "0.1.0","description": "通达信Python公式插件配置文件"  },"python_config": {"python_home": "./third_party/Python3142-32/","search_paths": ["./third_party/Python3142-32/Lib","./pythonenv/tdxpy_formulas"    ]  },"formula_mappings": [    {"name": "TDXPY_MA","description": "移动平均线","module_name": "tdxpy_ma","function": "tdxpy_ma","id": 1,"user_params": "5,10,20,60"    }  ]}

4.4 日志模块（tdxpy_logger.cpp）

提供多级别日志记录功能，支持控制台输出与文件记录，便于开发调试与运行监控。

核心特性：

1. 日志级别：TRACE、DEBUG、INFO、WARNING、ERROR、OFF
2. 日志格式：包含时间戳、级别、文件名、行号、函数名、日志内容
3. 线程安全：使用互斥锁确保多线程环境下日志完整性
4. 编码支持：支持UTF-8编码，避免中文乱码

使用示例：

// 不同级别日志调用TDXPY_LOG_DEBUG("Python模块加载成功: " + moduleName);TDXPY_LOG_INFO("插件初始化完成，版本: " + version);TDXPY_LOG_WARNING("配置文件缺少可选字段: " + fieldName);TDXPY_LOG_ERROR("Python函数调用失败: " + functionName);

5. Python公式脚本开发概述

5.1 公式脚本开发规范

Python公式需遵循特定的函数签名与目录规范，才能被插件正确识别和调用：

1. 目录规范：Python公式文件需放置在pythonenv/tdxpy_formulas目录下
2. 模块命名：文件名即为模块名（如tdxpy_ma.py的模块名为tdxpy_ma）
3. 函数签名：必须包含6个参数，返回值为列表（长度与输入数据长度一致）

def 函数名(function_id, data_length, input_a, input_b, input_c, user_params):"""    通达信Python公式入口函数    参数说明：        function_id: 函数ID（对应配置文件中的id字段）        data_length: 输入数据长度        input_a: 输入数据A（通常为收盘价）        input_b: 输入数据B（通常为最高价）        input_c: 输入数据C（通常为最低价）        user_params: 用户参数字符串（从配置文件读取）    返回值：        list: 计算结果列表，长度必须等于data_length    """# 业务逻辑实现return 结果列表

5.2 基础公式示例：移动平均线（MA）

# tdxpy_ma.py - 移动平均线公式实现deftdxpy_ma(function_id, data_length, input_a, input_b, input_c, user_params):"""    计算简单移动平均线（SMA）    user_params: 周期参数，逗号分隔（如"5,10,20,60"）    """# 解析用户参数，默认周期为5ifnot user_params:        periods = [5]else:        periods = [int(p.strip()) for p in user_params.split(',') if p.strip()]# 取第一个周期计算（如需多周期输出可扩展）    period = periods[0]    result = []for i in range(data_length):if i < period - 1:# 数据不足周期时返回0            result.append(0.0)else:# 计算指定周期的移动平均            start_idx = i - period + 1            end_idx = i + 1            avg_value = sum(input_a[start_idx:end_idx]) / period            result.append(avg_value)return result

5.3 高级公式示例：NumPy加速的MACD指标

利用NumPy的向量化计算提升性能，适用于大数据量场景：

# tdxpy_macd.py - NumPy加速的MACD指标import numpy as npdeftdxpy_macd(function_id, data_length, input_a, input_b, input_c, user_params):"""    计算MACD指标（指数平滑异同平均线）    user_params: 快速周期,慢速周期,信号周期（默认"12,26,9"）    """# 解析参数ifnot user_params:        fast_period, slow_period, signal_period = 12, 26, 9else:        params = [int(p.strip()) for p in user_params.split(',') if p.strip()]        fast_period = params[0] if len(params) > 0else12        slow_period = params[1] if len(params) > 1else26        signal_period = params[2] if len(params) > 2else9# 转换为NumPy数组    close_prices = np.array(input_a[:data_length], dtype=np.float32)# 计算EMAdefema(prices, period):        alpha = 2 / (period + 1)return np.convolve(prices, [alpha * (1 - alpha)**i for i in range(period)], mode='same')# 计算MACD线    ema_fast = ema(close_prices, fast_period)    ema_slow = ema(close_prices, slow_period)    macd_line = ema_fast - ema_slow# 计算信号线    signal_line = ema(macd_line, signal_period)# 计算柱状线    histogram = (macd_line - signal_line) * 2# 返回柱状线结果（可根据需求返回MACD线或信号线）return histogram.tolist()

5.4 配置文件更新

在config/tdxpy_config.json的formula_mappings中添加公式映射：

{"formula_mappings": [    {"name": "TDXPY_MA","description": "简单移动平均线","module_name": "tdxpy_ma","function": "tdxpy_ma","id": 1,"user_params": "5,10,20,60"    },    {"name": "TDXPY_MACD","description": "NumPy加速MACD指标","module_name": "tdxpy_macd","function": "tdxpy_macd","id": 2,"user_params": "12,26,9"    }  ]}

6. 插件部署与通达信使用

6.1 插件部署步骤

1. 编译完成后，在build/bin/Release目录获取以下文件：

• tdxpy_formulas.dll（核心插件文件）
• python314.dll（Python运行时）
• jsoncpp.dll（JSON解析库）

2. 创建部署目录结构，复制相关文件：

T0002/dlls/                  # 通达信插件目录├── tdxpy_formulas.dll       # 核心插件├── python314.dll            # Python运行时├── jsoncpp.dll              # JSON库├── config/                  # 配置文件目录│   └── tdxpy_config.json    # 配置文件└── pythonenv/               # Python公式目录    └── tdxpy_formulas/      # 公式脚本        ├── tdxpy_ma.py        └── tdxpy_macd.py

1. 将上述目录复制到通达信安装目录下的T0002/dlls目录（通达信安装目录可通过软件"系统"→"数据维护工具"查看）

6.2 通达信中调用Python公式

1. 启动通达信软件，按Ctrl+F打开公式管理器
2. 切换到"DLL函数"选项卡，点击"绑定"按钮
3. 选择T0002/dlls/tdxpy_formulas.dll，完成绑定
4. 新建公式，在公式编辑器中调用Python公式：

// 通达信公式编辑器中调用Python公式MA5:TDXDLL1(1, CLOSE, 0, 0), COLORBLUE;  // 调用ID=1的MA公式（收盘价）MACD:TDXDLL1(2, CLOSE, 0, 0), COLORRED; // 调用ID=2的MACD公式

1. 应用公式到K线图，即可看到Python计算的技术指标

6.3 热重载功能使用

当修改Python公式后，无需重启通达信，只需在公式中调用ID=0的函数即可实现热重载：

// 热重载Python模块（修改公式后刷新K线图即可生效）热重载:TDXDLL1(0, 0, 0, 0), NODRAW;

注：该功能待完善

7. 常见问题与调试技巧

7.1 插件加载失败

• 检查DLL文件是否齐全（核心三文件：tdxpy_formulas.dll、python314.dll、jsoncpp.dll）
• 确认通达信版本为7.0及以上
• 检查系统是否缺少Visual C++运行时（可安装vcredist_x86.exe）
• 查看日志文件（默认路径：T0002/dlls/logs/tdxpy_formula.log）获取具体错误信息

7.2 Python模块导入失败

• 确认公式文件放置在pythonenv/tdxpy_formulas目录
• 检查模块名与文件名一致（不含.py后缀）
• 验证配置文件中module_name与function字段是否正确
• 查看Python搜索路径配置，确保包含公式目录
• 目前只调试验证了32位DLL，64位暂时未验证通过。

7.3 函数调用返回全0

• 检查函数ID是否在配置文件中正确配置
• 验证输入数据长度是否满足算法要求（如MA指标需要至少N个数据点）
• 查看日志文件，确认Python函数是否抛出异常
• 检查Python函数返回值长度是否等于data_length

7.4 调试技巧

1. 日志调试：设置日志级别为DEBUG，查看详细运行过程
2. Visual Studio调试：
• 启动通达信软件
• 在Visual Studio中选择"调试"→"附加到进程"
• 选择tdxw.exe（通达信进程）
• 在C++代码中设置断点，触发公式调用即可调试
3. Python代码调试：
• 在Python公式中添加print语句（输出到日志文件）
• 使用TDXPY_LOG_DEBUG记录关键变量值
• 利用热重载功能快速验证修改效果

8. 项目扩展与进阶开发

8.1 支持更多技术指标

按照项目规范开发新的Python公式，只需：

1. 编写符合签名要求的Python函数
2. 在配置文件中添加公式映射
3. 部署到pythonenv/tdxpy_formulas目录
4. 热重载生效，无需重新编译C++代码

8.2 性能优化方向

1. 数据传输优化：使用NumPy数组直接传输数据，减少格式转换开销
2. 缓存机制：缓存常用Python模块与模型，避免重复加载
3. 并行计算：利用多线程并行处理多个公式计算
4. 算法优化：对热点代码进行Cython编译，提升执行效率

8.3 功能扩展建议

1. 支持更多数据输入类型（如成交量、成交额）
2. 实现公式参数可视化调整
3. 集成更多数据科学库（如Scikit-learn、TensorFlow）

9. 开源协议与贡献指南

9.1 开源协议说明

本项目采用MIT开源协议，您可以：

• 自由使用、复制、修改、合并、发布、分发、 sublicense 和/或出售本软件的副本
• 在软件和软件的所有副本中保留版权声明和许可声明

限制条件：

• 本软件按"原样"提供，不提供任何明示或暗示的担保
• 作者不对任何损失承担责任

9.2 贡献指南

欢迎通过以下方式参与项目贡献：

1. 提交Issue：报告Bug、提出功能建议
2. 提交Pull Request：
• 遵循项目代码规范（见项目命名规则.md）
• 新增功能需附带单元测试
• 提交前确保所有测试通过
3. 文档完善：补充开发文档、使用教程、示例公式
4. 社区支持：在Issue中帮助其他用户解决问题

贡献流程：

1. Fork项目仓库
2. 创建特性分支（git checkout -b feature/xxx）
3. 提交修改（git commit -m "Add xxx feature"）
4. 推送分支（git push origin feature/xxx）
5. 提交Pull Request

10. 总结与展望

tdxpy_formulas项目通过C++与Python的协同编程，成功打通了通达信与Python的调用执行，项目的核心价值在于：

1. 让Python开发者能够直接利用通达信的行情数据编写指标公式
2. 兼顾了性能与灵活性，C++负责底层通信与性能敏感型逻辑，Python负责高层算法实现
3. 提供了完整的开源框架，开发者可基于此扩展更多高级功能
4. 学编程的同时，构建实用工具

本项目不仅是一个实用的技术工具，更是一个学习跨语言编程、插件开发、量化分析的优秀实践案例。希望通过开源协作，让更多开发者参与进来，共同开发完善更多的学习项目和实用工具。

附录：项目资源

• 项目仓库：https://gitee.com/icodewr/tdxpy_formulas
• 问题反馈：通过GitHub Issues提交
• 技术交流：3892493481@qq.com
• 公众号：码上工坊（获取更多量化开发资源）

版权声明：本文档与项目代码均遵循MIT开源协议，© 2026 码上工坊 保留所有权利。