同花顺采用了简易的数据库组织方式。在同花顺的发布文件包中包括了SQLite 3的驱动，但不是很清楚同花顺是如何使用这个驱动的。基本上，对同花顺数据结构的解析不需要这么复杂，同花顺发布文件包中的SQLite文件被核新程序员重新编译过，不过就与SQLite Manager的简单配合使用来看，并不影响对标准数据库文件的读取，当然，也不支持把同花顺数据文件当成标准的数据库文件进行读取。
基本上，同花顺的数据文件可以分为两类，一类是history\下行情数据文件，另一类是finance\下财务数据文件。
在history\下的数据文件，通过子目录名称识别市场代码，通过子目录下的文件名称识别交易标的（包括股票、期货等等）。文件格式采用的是简单格式，每个数据文件分别由：
文件头；
列定义；
内容；
三个部分组成。
在finance\下的数据文件，采用的是单文件容纳所有品种数据的方式，因此采用的是复合格式，每个数据文件分别由：
文件头；
列定义；
填充区域；
复合索引数据块；
内容；
五个部分组成。
文件头
文件头固定为16个字节，包括：
byte [6]，6 字节长度，固定为 {0x68，0x64，0x31，0x2E， 0x30，0x00}，用于识别数据文件类型；
dword，4 字节长度，记录“内容”区域的记录条数；
word，2 字节长度，记录“内容”区域的开始位置；
word，2 字节长度，记录“内容”区域每条记录的字节长度；
word，2字节长度，记录“列定义”的列个数；
列定义
列定义固定为4 个字节一组，标示一个列，第4 个字节为列内容的字节长度，由于是使用1 个字节表示，因此数据文件每列的最大长度为255个字节。
填充区域
在finance\目录下的数据文件，采用的是包括索引的复合格式存储。在列定义和符合索引数据块之间存在着一个未使用的填充区域，填充区域的长度总是列定义数量的两倍，即文件头偏移 0x0E 处 WORD 类型 * 2。
就目前所知，这一区域基本上都使用 0x00 填充，可能是保留未来使用。
复合索引数据块
在finance\目录下的数据文件，文件的“内容”区域并不包含记录所隶属的证券品种，而是把此内容放置在一个单独的索引区域。索引区的开始位置 = 0x10 + 0x04 * 列定义数量 + 0x02 * 列定义数量。
复合索引数据块由三个部分组成：
word，2 个字节，记录本索引数据区域的字节长度；
word，2 个字节，记录本索引数据区域中所包含的索引的条数；
byte[]，不定长的索引记录，每条索引记录为18个字节长度，因此总长度 = 索引条数 * 0x12；
索引
每条索引的长度为18个字节，格式分别为：
byte，1 字节长度，标识证券品种类型，目前已知的包括3 类4 种标示，分别是：0x10，国内证券；0x48和0x50，港股；0x4A，基金。在“权息资料”中，使用0x50标示港股，在“现金流量”中，使用0x48标示港股，不知道是设计的 bug，还是存在其他用意；
byte [9]，9 字节长度，标识交易品种的符号，目前已知是ASCII格式，从整个文件的多字节字符处理来看，文件的整体字符编码应该是GB2312编码，因此这一部分原始的处理应该是使用GB2312编码通读；
word，2 字节长度，标识隶属此交易品种的记录区域中实际上未使用的记录条数，有关的组织方式下面再详细解释；
dword，4 字节长度，标识隶属于此交易品种的记录的开始下标，注意是记录在数据文件中从0 开始排列的顺序号，而不是文件的偏移地址，其实际的偏移地址 = “内容”区域的开始地址 + 此开始下标 * 记录的长度；
word，2 个字节长度，标识隶属于此交易品种的记录的条数；
总体来说，存在索引的文件其实际的完整数据由两个部分组成，一个就是索引数据区，另一个就是记录内容数据区。其与索引对应的记录内容数据采取分块的存储模式，即，每一个交易品种总是使用一个固定的、连续的内容数据区存储相对应的数据，因此在实际的数据存储过程中，存在着并未被实际使用的“空余”记录的数据区。
复合文件通过两个方法来识别有效和无效的记录，首先，索引记录其所使用的数据区总容纳的记录条数和未被使用的、无效的记录条数，两者相减可知被实际使用的记录条数；其次，复合文件的记录总是使用一个类型为Int32的4 字节用于标识时间的列开始，如果这个列的值为<=0，则表明这是无效的数据记录。
内容
数据内容开始的地址偏移在文件头0x0A处的一个word类型的2字节数据指示，其有效长度 = 列长度 * 记录条数。
附录
同花顺的数据文件读取器和支持类库在 https://sourceforge.net/projects/ociathena/
---------------------------------------------------------------------------------------------
方法不算好方法，但比较简单，以前我做数据分析的时候，都是用这个方法，平时数据库不存数据，需要分析的时候动态调入，调入速度很快，有更好方法的朋友请多多指教。
下面是日线数据（600787只是例子不构成任何投资建议）：
SQL code
--===============================================================
-- 文件头16个字节剖析(日线)
-- 0x6864312E3000 6 固定
-- 0x???????? 4 记录数
-- 0x4800 2 记录开始位置: 64是错的, 文件头 + 列定义 = 72
-- 0x3800 2 每记录的长度: 56
-- 0x0E00 2 每记录的列数: 14
-----------------------------------------------------------------
-- 列定义: 04表示列长度
-- 0x01300004 4 日期
-- 0x07700004 4 开盘价
-- 0x08700004 4 最高价
-- 0x09700004 4 最低价
-- 0x0B700004 4 收盘价
-- 0x13700004 4 成交金额(元)
-- 0x0D700004 4 成交量(股)
-- 0x0E700004 4 FFFFFFFF
-- 0x0F700004 4 FFFFFFFF
-- 0x11700004 4 FFFFFFFF
-- 0x12700004 4 FFFFFFFF
-- 0x50700004 4 FFFFFFFF
-- 0xE7700004 4 FFFFFFFF
-- 0xE8700004 4 FFFFFFFF
--===============================================================
if object_id('tempdb.dbo.#') is not null drop table #
go
declare @ varbinary(max), @max int, @e float
select @ = BulkColumn, @e = 10 from OPENROWSET(BULK N'X:\...\history\shase\day\600787.day', SINGLE_BLOB) as bin
select @max = substring(@,10,1)+substring(@,9,1)+substring(@,8,1)+substring(@,7,1)
select top (@max) n = identity(int,72,56) into # from syscolumns a, syscolumns b
;with cte as
(
select
-- SQL没有提供按字节reverse(binary)的函数或方法，只能substring每个字节倒过来合成：
d = convert(int,substring(@, 4+n,1)+substring(@, 3+n,1)+substring(@, 2+n,1)+substring(@, 1+n,1)),
o = convert(int,substring(@, 8+n,1)+substring(@, 7+n,1)+substring(@, 6+n,1)+substring(@, 5+n,1))&0x0FFFFFFF,
p = convert(int,substring(@,12+n,1)+substring(@,11+n,1)+substring(@,10+n,1)+substring(@, 9+n,1))&0x0FFFFFFF,
q = convert(int,substring(@,16+n,1)+substring(@,15+n,1)+substring(@,14+n,1)+substring(@,13+n,1))&0x0FFFFFFF,
r = convert(int,substring(@,20+n,1)+substring(@,19+n,1)+substring(@,18+n,1)+substring(@,17+n,1))&0x0FFFFFFF,
s = convert(int,substring(@,24+n,1)+substring(@,23+n,1)+substring(@,22+n,1)+substring(@,21+n,1))&0x0FFFFFFF,
t = convert(int,substring(@,28+n,1)+substring(@,27+n,1)+substring(@,26+n,1)+substring(@,25+n,1))&0x0FFFFFFF,
u = convert(int,substring(@, 8+n,1))/16,
v = convert(int,substring(@,12+n,1))/16,
w = convert(int,substring(@,16+n,1))/16,
x = convert(int,substring(@,20+n,1))/16,
y = convert(int,substring(@,24+n,1))/16,
z = convert(int,substring(@,28+n,1))/16
from #
)
select
id = row_number()over(order by d desc),
日期 = d,
开盘 = o*power(@e,(u&7)*power(-1,sign(u&8))),
最高 = p*power(@e,(v&7)*power(-1,sign(v&8))),
最低 = q*power(@e,(w&7)*power(-1,sign(w&8))),
收盘 = r*power(@e,(x&7)*power(-1,sign(x&8))),
金额 = s*power(@e,(y&7)*power(-1,sign(y&8))),
成交 = t*power(@e,(z&7)*power(-1,sign(z&8)))
from cte
下面是分钟线数据，具体内容就不写了，只是调整一下数字表#标识列的初始大小和增量问题：
SQL code
--===============================================================
-- 文件头16个字节剖析(5/1分钟线)
-- 0x6864312E3000 6 固定
-- 0x???????? 4 记录数
-- 0x3800 2 记录开始位置: 56是对的, 文件头 + 列定义 = 56
-- 0x2800 2 每记录的长度: 40
-- 0x0A00 2 每记录的列数: 10
-----------------------------------------------------------------
-- 列定义: 04表示列长度
-- 0x01300004 4 日期: 已加密, 不要问怎么解密, 我不知道.
-- 0x07700004 4 开盘价
-- 0x08700004 4 最高价
-- 0x09700004 4 最低价
-- 0x0B700004 4 收盘价
-- 0x13700004 4 成交金额(元)
-- 0x0D700004 4 成交量(股)
-- 0x0E700004 4 FFFFFFFF
-- 0x0F700004 4 FFFFFFFF
-- 0x12700004 4 FFFFFFFF
--===============================================================
用SQL来分析二进制文件格式还是比较方便的，可以直接select/convert，快捷直观。我一般用来分析game的存档文件，呵呵
c#示例代码：
public partial class Form1 : Form
{
public Form1()
{
InitializeComponent();
}
private void Form1_Load(object sender, EventArgs e)
{
string filePath = @"D:\同花顺软件\同花顺\history\sznse\day\000001.day";//同花顺目录下history目录是历史日线数据，我例子打开的是平安银行000001的
byte[] stockFileBytes = System.IO.File.ReadAllBytes(filePath);
int recordStartPos = readByteToInt(stockFileBytes, 10, 2);//记录开始位置
int recordLength = readByteToInt(stockFileBytes, 12, 2);//记录长度
int recordCount = readByteToInt(stockFileBytes, 14, 2);//文件中记录条数
int fileBytesLength=stockFileBytes.Length;
int pos=recordStartPos;
List stockDayList = new List();//日线数据暂时读到List中
do
{
StockDay sd = new StockDay();
sd.DateInt = readByteToInt(stockFileBytes, pos, 4);//时间，整形表示的，可转为日期型
sd.OpenPrice = readByteToInt(stockFileBytes, pos+4, 2)*0.001f;//开盘价
sd.HighPrice = readByteToInt(stockFileBytes, pos + 8, 2) * 0.001f;//最高价
sd.LowPrice = readByteToInt(stockFileBytes, pos + 12, 2) * 0.001f;//最低价
sd.ClosePrice = readByteToInt(stockFileBytes, pos + 16, 2) * 0.001f;//收盘价
sd.VolumeValue = readByteToInt(stockFileBytes, pos + 20, 4);//成交额
sd.Volume = readByteToInt(stockFileBytes, pos + 24, 4);//成交量
stockDayList.Add(sd);
pos = pos + recordLength;
} while (pos < fileBytesLength);
foreach(StockDay sd in stockDayList)
{
this.richTextBox1.AppendText(sd.DateInt.ToString()+"\t"+sd.ClosePrice.ToString()+"\n");
}
}
private string readByteToHex(byte[] stockFileBytes, int startPos, int length)
{
string r = "";
for (int i = startPos + length - 1; i >= startPos; i--)
{
r += stockFileBytes[i].ToString("X2");
}
return r;
}
///
/// 读取某位置开始的byte转换为16进制字符串
///
///
///
///
private int readByteToInt(byte[] stockFileBytes, int startPos, int length)
{
string r = readByteToHex(stockFileBytes, startPos, length);
int v = Convert.ToInt32(r, 16);
return v;
}
//每一天的日K线封装为 类
public class StockDay
{
int dateInt;
public int DateInt
{
get { return dateInt; }
set { dateInt = value; }
}
DateTime date;//日期
public DateTime Date
{
get { return date; }
set { date = value; }
}
float openPrice;//开盘价
public float OpenPrice
{
get { return openPrice; }
set { openPrice = value; }
}
float closePrice;//收盘价
public float ClosePrice
{
get { return closePrice; }
set { closePrice = value; }
}
float highPrice;//最高价
public float HighPrice
{
get { return highPrice; }
set { highPrice = value; }
}
float lowPrice;//最低价
public float LowPrice
{
get { return lowPrice; }
set { lowPrice = value; }
}
float volume;//成交量
public float Volume
{
get { return volume; }
set { volume = value; }
}
float volumeValue;//成交额
public float VolumeValue
{
get { return volumeValue; }
set { volumeValue = value; }
}
}
}
同花顺日线数据格式
日线文件位于history\XXX\day目录下，XXX为证交所名称（上海证券交易所的目录为shase或者深圳证券交易所的目录为sznse）。
数据文件通过文件名称识别交易标的（包括股票、期货等等）。每个数据文件分别由：
文件头，固定为16个字节，包括：
byte [6]，6 字节长度，固定为 {0x68，0x64，0x31，0x2E， 0x30，0x00}，用于识别数据文件类型；
dword，4 字节长度，记录“内容”区域的记录条数；
word，2 字节长度，记录“内容”区域的开始位置；（第184个字节开始，文件头16+列定义168=184）
word，2 字节长度，记录“内容”区域每条记录的字节长度；（168个字节，42 x 4 = 168字节）
word, 2 字节长度，记录“内容”区域列的个数：（42列）
列定义：固定为4 个字节一组，标示一个列，第4 个字节为列内容长度。（42个列字段，每列4个字节，一共168字节）
内容：每天168个字节，42列，前7个依次为日期、开盘、最高、最低、收盘、成交额、成交量、后35个还未使用，全部填充为0xFF。
注意：
1、开盘、最高、最低、收盘四个数据都是4字节的无符号整数，但是最后一个字节为“B0”，如“CA A0 A4 B0”，只需要将最后的“B0”改为“00”，就能得到这个无符号整数，再除以1000，就是实际的数值；
2、成交额也是用4字节的无符号整数表示，但最后一个字节为“3X”，如“5B 67 E9 35”，只需将“3”改为“0”，即“5B 67 E9 05“就可得到这个无符号整数，再乘以1000，就是成交额；
3、成交量也是用4字节的无符号整数表示，但最后一个字节为“2X”，如“1B 0B 27 25”，只需将“2”改为“0”，即“1B 0B 27 05“就可得到这个无符号整数，再乘以100，就是成交量。