QMT策略交易：批量预埋单DBF文件写入指南与替代方案

在QMT（迅投极速量化交易平台）中，UI界面的“批量预埋单”功能有时会要求使用特定的DBF（dBase）格式文件。很多开发者在尝试用Python写入DBF时会遇到“死活写不进去”的问题。这通常是因为DBF是一种非常古老的数据库格式，对字段类型、长度和编码（通常要求GBK）有极其严格的限制。

以下是解决该问题的详细指南以及更推荐的替代方案：

方案一：使用 Python 第三方库正确写入 DBF

Python 标准库不支持直接写入 DBF 文件，你需要安装第三方库，例如 dbf。根据 QMT API 文档，你可以通过命令行将第三方库安装到 QMT 的目录下：

# 在 cmd 中执行，注意替换为你的实际路径
C:\Python36\Scripts\pip.exe install dbf --target=D:\QMT\bin.x64\Lib\site-packages

安装完成后，在 Python 脚本中严格按照 QMT 模板的字段定义来写入：

import dbf

# 假设 QMT 要求的预埋单 DBF 字段为：证券代码(C,6), 买卖方向(C,1), 价格(N,8,2), 数量(N,10,0)
# 注意：具体字段名和长度请务必参考 QMT 客户端内提供的模板！
table = dbf.Table(
    filename='pre_orders.dbf',
    field_specs='ZQDM C(6); MMFX C(1); JG N(8,2); SL N(10,0)',
    codepage='cp936' # 必须使用 GBK/cp936 编码，否则 QMT 无法识别中文
)

table.open(mode=dbf.READ_WRITE)
# 写入数据
table.append(('600000', 'B', 10.50, 1000))
table.append(('000001', 'S', 15.20, 2000))
table.close()
print("DBF 文件写入成功！")

常见写入失败原因排查：

1. 编码错误：QMT 客户端通常只认 GBK（cp936）编码，如果用 UTF-8 写入会导致乱码或读取失败。
2. 字段长度超限：DBF 对字符串（C）和数字（N）的长度是固定的，写入的数据如果超过定义的长度会直接报错。
3. 文件被占用：如果 QMT 客户端正在读取该文件，Python 写入时会报权限错误。

方案二：使用 QMT 原生 API 替代（强烈推荐）

如果你是为了在量化策略中实现“批量下单”或“一篮子下单”，完全不需要死磕 DBF 文件。QMT 的 Python API 提供了非常完善的 CSV/TXT 读取和批量下单接口，这比操作 DBF 稳定且简单得多。

1. 准备 CSV 或 TXT 文件

你可以用任何方式（如 pandas）生成一个简单的 CSV 文件 list.csv，格式如下：
600000.SH,100,000001.SZ,200,
(注意：根据 QMT API 文档，成对存在，前面是合约代码，后面是数量，最后一个字段后需要增加分隔符)

2. 在策略中使用 load_stk_vol_list 读取并下单

#coding:gbk
def init(ContextInfo):
    ContextInfo.set_account('你的资金账号')

def handlebar(ContextInfo):
    # 1. 读取一篮子证券编码及数量数据
    # 返回格式类似字符串，需要自行解析或直接用于组合下单
    basket_data = ContextInfo.load_stk_vol_list('D:/data/', 'list.csv')
    
    # 2. 解析并批量下单 (示例解析逻辑)
    if basket_data:
        items = basket_data.split(',')
        for i in range(0, len(items)-1, 2):
            stock_code = items[i]
            volume = int(items[i+1])
            if volume > 0:
                # 使用 passorder 进行买入下单，23代表股票买入，1101代表单股普通股/手方式
                passorder(23, 1101, ContextInfo.accID, stock_code, 5, -1, volume, ContextInfo)
                print(f"已发送委托: {stock_code}, 数量: {volume}")

总结：
如果必须走 UI 的批量预埋单，请使用 dbf 库并严格指定 cp936 编码和字段长度；如果是为了策略自动化，建议直接使用 ContextInfo.load_stk_vol_list 配合 CSV 文件，或者直接在 Python 代码中用 pandas 读取数据后循环调用 passorder，效率更高且不易出错。