币安API自动交易实战指南：Python量化策略开发

日期：2025-02-19 11:26:05 栏目：教育浏览：17次

币安API自动交易：从理论到实践

币安交易所作为全球领先的加密货币交易平台，其强大的API接口为量化交易和自动化交易提供了坚实的基础。通过API，开发者可以编写程序，实现自动下单、查询账户信息、获取实时市场数据等操作，从而构建属于自己的交易策略和系统。本文将深入探讨如何利用币安API进行自动交易，涉及环境配置、API密钥管理、数据获取、下单逻辑以及风险控制等关键环节。

1. 环境配置与API密钥

在开始进行币安API交易程序开发之前，搭建一个合适的开发环境至关重要。推荐使用Python编程语言，因为它拥有庞大且活跃的社区支持，以及丰富的库和框架，极大地简化了开发流程，便于快速原型设计和部署。为了获得最佳兼容性和性能，请确保已经安装了Python 3.6或更高版本。

安装 python-binance 库是下一步。此库是币安官方推荐的Python API客户端，它封装了所有必要的API调用，并提供了便捷的函数和类，使得与币安交易所的交互变得简单高效。通过Python的包管理工具pip执行以下命令进行安装：

pip install python-binance

获得API密钥是访问币安API的前提。使用您的凭据登录币安官方网站。然后，导航至API管理页面，通常位于用户中心的安全设置或API设置部分。在此页面上，创建一个新的API密钥对，并为其命名以便于管理。在创建API密钥时，必须启用“现货交易”权限，否则程序将无法执行任何现货交易操作。根据您的具体交易策略和需求，您可以选择性地启用“杠杆交易”、“合约交易”或其他相关权限。

安全性是API使用的重中之重。 强烈建议您启用IP地址限制功能，仅允许特定的IP地址访问您的API密钥。 这有效地防止了未经授权的访问，即使API密钥泄露，攻击者也无法从其他IP地址利用它们。您可以指定单个IP地址或一个IP地址范围，具体取决于您的服务器配置和访问模式。

成功创建API密钥后，您将获得一个API Key（公钥）和一个Secret Key（私钥）。API Key用于标识您的账户，而Secret Key则用于对API请求进行签名，验证请求的真实性。 务必妥善保管您的Secret Key，切勿以任何方式泄露给他人。 任何拥有您的Secret Key的人都可以代表您执行交易，从而造成严重的财务损失。将Secret Key存储在安全的位置，例如加密的配置文件或密钥管理系统，并确保只有授权的应用程序可以访问它。这些密钥将用于程序中进行身份验证，从而赋予您的程序访问和操作您币安账户的权限。

2. API身份验证与账户信息查询

有了API密钥，就可以开始编写代码了。以下是一个简单的示例，演示如何使用API密钥进行身份验证，并查询账户信息：

from binance.client import Client

apikey = 'YOURAPIKEY' apisecret = 'YOURAPISECRET'

client = Client(apikey, apisecret)

try: account = client.get_account() print(account)

# 获取账户余额
balances = account['balances']
for balance in balances:
    if float(balance['free']) > 0: # 只显示有余额的币种
        print(f"币种: {balance['asset']}, 可用余额: {balance['free']}, 冻结余额: {balance['locked']}")

except Exception as e: print(f"发生错误: {e}")

将YOUR_API_KEY和YOUR_API_SECRET替换成你自己的API密钥和私钥。运行这段代码，应该能够看到你的账户信息，包括各种币种的可用余额和冻结余额。

3. 获取实时市场数据

自动交易系统成功的关键在于能够快速且准确地响应市场变化，而这依赖于对实时市场数据的持续获取和分析。币安API为开发者提供了丰富的接口，用于获取各种类型的实时市场数据，以便构建高效的交易策略。

K线数据 (Candlestick Data): K线图是金融市场中常用的价格图表，它以图形方式展示了一段时间内的价格波动情况。币安API提供的K线数据包含了指定时间周期内的开盘价 (Open)、最高价 (High)、最低价 (Low) 和收盘价 (Close)，通常简称为OHLC。还包括成交量 (Volume) 等信息。通过分析K线数据，可以识别趋势、支撑位和阻力位，从而制定交易决策。例如，可以获取1分钟、5分钟、1小时或1天等不同时间周期的K线数据。
最新价格 (Ticker Price): 最新价格是指特定交易对的最近一笔成交价格。币安API提供了获取最新价格的接口，开发者可以实时追踪价格变动，快速做出交易反应。这对于执行短线交易策略或设定止损止盈价格至关重要。可以获取单个交易对的最新价格，也可以批量获取多个交易对的最新价格。
深度数据 (Order Book): 深度数据是指买单和卖单的挂单信息，它反映了市场参与者的买卖意愿和力量对比。币安API提供的深度数据包含了不同价格水平上的买单和卖单的数量。通过分析深度数据，可以了解市场的支撑和阻力位，预测价格走势，并评估交易的潜在流动性。深度数据通常包含买方深度和卖方深度，分别表示买单和卖单的价格和数量。

以下示例展示了如何使用Python编程语言，结合datetime模块，获取BTCUSDT交易对的K线数据和最新价格。该示例仅为演示目的，实际应用中需要安装相应的Python库，例如 python-binance ，并进行适当的错误处理和异常捕获。

import datetime

获取 BTCUSDT 的 K 线数据

从交易所获取 BTCUSDT 的 K 线数据，可以使用客户端对象的 get_klines 方法。此方法允许指定交易对和 K 线的时间间隔。

示例代码：

klines = client.get_klines(symbol='BTCUSDT', interval=Client.KLINE_INTERVAL_1MINUTE)

其中：

client ：是已经创建并配置好的交易所 API 客户端对象。
symbol='BTCUSDT' ：指定要获取 K 线数据的交易对，这里是比特币兑泰达币。
interval=Client.KLINE_INTERVAL_1MINUTE ：定义 K 线的时间间隔，这里是 1 分钟。 Client.KLINE_INTERVAL_1MINUTE 是预定义的常量，表示 1 分钟的 K 线。可以选择其他的时间间隔，例如 Client.KLINE_INTERVAL_5MINUTE (5 分钟)， Client.KLINE_INTERVAL_1HOUR (1 小时)， Client.KLINE_INTERVAL_1DAY (1 天) 等。

get_klines 方法返回一个列表，其中每个元素代表一个 K 线。每个 K 线通常包含以下信息：

开盘时间 (Open Time)
开盘价 (Open)
最高价 (High)
最低价 (Low)
收盘价 (Close)
成交量 (Volume)
收盘时间 (Close Time)
成交额 (Quote Asset Volume)
成交笔数 (Number of Trades)
主动买入成交额 (Taker buy base asset volume)
主动卖出成交额 (Taker buy quote asset volume)
未使用 (Ignore)

返回值 klines 可以进一步处理，例如用于技术分析、策略回测等。

打印最近的5根K线

以下代码段展示了如何从K线数据列表中提取并打印最近的5根K线数据。这段代码的核心在于利用Python的切片功能 [-5:] ，它可以高效地访问列表的末尾元素，而无需遍历整个列表。每一根K线都包含时间戳、开盘价、最高价、最低价和收盘价等关键信息。

for kline in klines[-5:]: 这行代码迭代访问 klines 列表中的最后五个元素。

timestamp = datetime.datetime.fromtimestamp(kline[0]/1000) 这行代码将K线数据中的时间戳转换为易于阅读的datetime对象。原始时间戳通常以毫秒为单位，所以需要除以1000转换为秒。 datetime.datetime.fromtimestamp() 函数可以将Unix时间戳转换为datetime对象，方便后续处理和展示。

open_price = kline[1] , high_price = kline[2] , low_price = kline[3] , close_price = kline[4] 这几行代码分别从K线数据中提取开盘价、最高价、最低价和收盘价。这些价格数据是K线分析的基础。

print(f"{timestamp}: Open={open_price}, High={high_price}, Low={low_price}, Close={close_price}") 这行代码使用f-string格式化字符串，将时间戳和价格数据以清晰易读的格式打印出来。这样可以方便地查看最近的K线数据，并进行后续的分析和决策。

获取BTCUSDT的最新价格

通过币安API可以轻松获取BTCUSDT交易对的实时价格。以下代码展示了如何使用Python的`python-binance`库来实现：


from binance.client import Client

# 替换为你的API密钥和秘钥
api_key = '你的API密钥'
api_secret = '你的API秘钥'

client = Client(api_key, api_secret)

ticker = client.get_ticker(symbol='BTCUSDT')
print(f"BTCUSDT 最新价格: {ticker['lastPrice']}")

`get_ticker` 方法返回一个包含多种市场数据的字典，其中 `lastPrice` 字段即为最新成交价格。请注意，你需要先安装 `python-binance` 库 (`pip install python-binance`)，并替换代码中的 `api_key` 和 `api_secret` 为你自己在币安申请的API密钥。务必保管好你的API密钥，避免泄露。可以根据需要选择不同的币安服务器环境，例如使用`testnet=True`连接到测试网络。

K线数据 (Candlestick Data) 对于技术分析至关重要，可以用于计算移动平均线 (Moving Averages, MA)、相对强弱指标 (Relative Strength Index, RSI) 等技术指标，从而辅助交易决策。最新价格 (Last Price) 则直接反映了当前市场情绪和即时行情，是高频交易和短线交易的重要参考依据。除了 `lastPrice`， `get_ticker` 方法返回的数据还包含最高价、最低价、交易量等信息，可以全面了解市场动态。

4. 下单交易

在完成账户设置并获取实时市场数据后，下一步是编写下单交易逻辑。币安API提供了多种订单类型以满足不同的交易策略，包括但不限于市价单、限价单、止损限价单、追踪止损单等。选择合适的订单类型对于执行有效的交易策略至关重要。以下示例展示了如何使用限价单在币安交易平台购买BTCUSDT交易对：

symbol = 'BTCUSDT' # 交易对：比特币/泰达币 quantity = 0.001 # 买入数量：0.001个比特币 price = 25000 # 限价价格：25000泰达币

try: order = client.order_limit_buy( symbol=symbol, quantity=quantity, price=price) print(f"限价买单已提交: {order}") except Exception as e: print(f"下单失败: {e}")

上述Python代码段的功能是以指定的价格（25000 USDT）购买一定数量（0.001 BTC）的比特币。该交易只有在市场价格达到或低于指定价格时才会执行。 client.order_limit_buy 函数向币安发送一个限价买单请求。该函数需要三个主要参数：交易对 ( symbol )，购买数量 ( quantity )，以及限价 ( price )。务必注意，下单前必须仔细核对交易参数，尤其是价格和数量，确保其准确无误。任何错误都可能导致意料之外的交易结果。

除了限价单，还可以使用市价单进行交易，市价单会立即以当前市场最优价格执行交易：

try: order = client.order_market_buy( symbol=symbol, quantity=quantity) print(f"市价买单已提交: {order}") except Exception as e: print(f"下单失败: {e}")

与限价单不同，市价单不指定价格。 client.order_market_buy 函数会立即以市场上可用的最佳价格买入指定数量的比特币。使用市价单时，只需指定交易对 ( symbol ) 和购买数量 ( quantity )即可。请注意，由于市场价格波动，市价单的实际成交价格可能会略高于或低于预期。在高波动性市场中，这种差异可能更为显著。

5. 订单状态查询与撤销

在提交订单后，对订单状态进行持续监控是至关重要的。您可以使用 client.get_order() 函数获取订单的详细信息，从而了解订单的当前状态和执行情况。

order_id = 12345 # 请将此处的12345替换为您实际的订单ID

使用 client.get_order() 函数时，务必提供正确的交易对（symbol）和订单ID（orderId）。以下代码展示了如何查询特定订单的状态：


try:
    order = client.get_order(symbol=symbol, orderId=order_id)
    print(f"订单状态: {order['status']}")
except Exception as e:
    print(f"查询订单失败: {e}")

order['status'] 字段将返回订单的当前状态，例如 NEW （新订单）、 FILLED （已完全成交）、 PARTIALLY_FILLED （部分成交）、 CANCELED （已撤销）等。正确理解订单状态有助于您做出及时的交易决策。

如果订单的状态允许（例如，订单尚未完全成交），您可以选择撤销该订单。使用 client.cancel_order() 函数可以实现订单撤销。

以下代码展示了如何撤销一个特定的订单：


try:
    result = client.cancel_order(symbol=symbol, orderId=order_id)
    print(f"订单撤销结果: {result}")
except Exception as e:
    print(f"撤销订单失败: {e}")

client.cancel_order() 函数会尝试撤销指定ID的订单。撤销操作的结果将通过 result 变量返回。请注意，如果订单已经完全成交或已经处于其他不可撤销的状态，撤销操作可能会失败。务必检查返回结果，确认订单是否成功撤销。

在实际应用中，建议您结合异常处理机制，对订单查询和撤销操作进行错误处理，以确保程序的稳定性和可靠性。例如，可以捕获API调用可能抛出的异常，并进行适当的重试或告警处理。

6. 风险控制

自动交易系统在提升交易效率的同时，也伴随着潜在风险。为了保障资金安全和策略稳定运行，必须实施全面的风险控制策略。以下是关键的风险控制措施：

止损策略： 务必在每个订单中设置止损价格。止损价是预设的最低可接受价格，一旦市场价格触及该价格，系统将自动执行卖出操作，有效限制单笔交易的潜在亏损。止损点的设置应基于对市场波动性和交易策略的回测分析。
仓位管理： 精确控制每次交易的仓位大小至关重要。避免一次性投入过多资金，应根据账户总资金和风险承受能力，合理分配仓位。建议采用百分比仓位管理，例如，每次交易仅使用总资金的1%-2%。
资金监控： 定期监控账户余额，是确保资金安全的基础。设定资金预警线，当账户余额低于预警线时，立即收到通知。同时，审查交易记录，及时发现并纠正异常交易行为。
错误处理机制： 在自动交易代码中，构建完善的错误处理机制。该机制应能捕获各种潜在的异常情况，例如API连接错误、数据格式错误、交易执行失败等。针对每种异常，制定相应的处理方案，例如重试、报警或暂停交易。
模拟交易测试： 在投入真实资金进行交易之前，务必使用模拟账户进行充分的测试。模拟交易环境应尽可能模拟真实市场情况，包括交易深度、滑点和手续费等。通过模拟交易，验证交易策略的有效性、稳定性和风险控制措施的可靠性。
API权限限制： 严格限制API访问权限，是保护账户安全的重要手段。开启IP地址限制，仅允许来自特定IP地址的请求访问API。授予API最小必要的权限，例如，仅授予交易权限，避免授予提现权限。
API密钥管理： 定期更换API密钥，能有效降低密钥泄露的风险。密钥泄露可能导致账户被盗用。同时，妥善保管API密钥，避免将其存储在不安全的位置，例如公共代码仓库或配置文件中。使用加密存储API密钥，并定期审查密钥的访问日志。

7. 进阶应用：WebSocket 实时数据流

除了 REST API，币安还提供了 WebSocket API，用于获取近乎零延迟的实时市场数据流。WebSocket API 采用推送技术，能够实时推送最新的市场价格、成交量、深度行情（Order Book）、K 线图数据等信息，避免了传统 REST API 轮询方式带来的延迟和资源消耗，从而实现更高效的数据获取。

利用 WebSocket API，开发者可以构建对实时性要求极高的交易策略、监控工具和数据分析系统。例如，高频交易机器人需要毫秒级的行情数据，WebSocket API 是理想的数据来源。

可以使用 python-binance 库中的 BinanceSocketManager 类来连接币安的 WebSocket API 并订阅所需的数据流：

确保已经安装 python-binance 库。如果没有安装，可以使用 pip 进行安装：

pip install python-binance

然后，导入所需的模块：

from binance.client import Client
from binance.streams import BinanceSocketManager

接下来，需要你的 API 密钥和密钥，才能安全地连接到币安 API。请务必妥善保管你的 API 密钥：

api_key = 'YOUR_API_KEY'
api_secret = 'YOUR_API_SECRET'

然后，创建 Binance Client 和 BinanceSocketManager 实例：

client = Client(api_key, api_secret)
bm = BinanceSocketManager(client)

使用 BinanceSocketManager 提供的各种方法可以订阅不同的数据流。常用的数据流包括：

trade : 实时交易数据。
kline : K 线数据。
depth : 深度行情数据（Order Book）。
aggTrade : 聚合交易数据。

例如，要订阅 BTCUSDT 的实时交易数据，可以这样做：

def process_message(msg):
    print(msg)

conn_key = bm.trade_socket(symbol='BTCUSDT', callback=process_message)
bm.start()

process_message 函数用于处理接收到的消息。 bm.start() 启动 WebSocket 连接。

同样，可以订阅 BTCUSDT 的 K 线数据：

def process_kline(msg):
    print(msg)

conn_key = bm.kline_socket(symbol='BTCUSDT', interval='1m', callback=process_kline)
bm.start()

其中， interval 参数指定 K 线的周期，例如 '1m' 表示 1 分钟 K 线。

获取深度行情数据（Order Book）：

def process_depth(msg):
    print(msg)

conn_key = bm.depth_socket(symbol='BTCUSDT', callback=process_depth)
bm.start()

请注意，在使用完 WebSocket 连接后，应该关闭连接，以释放资源：

bm.stop_socket(conn_key)
bm.close()

通过 WebSocket API，可以构建更高效、实时的交易和分析应用。

定义处理K线数据的函数

在实时交易系统中，接收和处理K线数据至关重要。以下代码定义了一个名为 process_kline 的函数，用于接收K线数据并进行初步处理。K线数据通常包含开盘价、收盘价、最高价、最低价以及成交量等信息，是技术分析的基础。

def process_kline(msg):

这行代码定义了 process_kline 函数，它接受一个参数 msg ，该参数预期为包含K线数据的消息。 msg 的具体格式取决于数据源，可能是JSON字符串、CSV格式或其他自定义格式。

print(f"K线数据: {msg}")

目前，该函数仅简单地将接收到的K线数据打印到控制台。在实际应用中，需要根据具体需求对 msg 进行解析，提取关键数据，并执行相应的操作，例如更新图表、计算技术指标、触发交易信号等。使用 f-string 可以方便地格式化输出信息，方便调试和监控。

启动 BTCUSDT 的 K 线数据流

conn_key = bm.kline_socket(symbol='BTCUSDT', interval=Client.KLINE_INTERVAL_1MINUTE, callback=process_kline)

这行代码使用 BinanceSocketManager 对象 ( bm ) 创建一个 K 线数据流的 WebSocket 连接。 symbol='BTCUSDT' 指定了交易对为 BTCUSDT，即比特币兑美元泰达币。 interval=Client.KLINE_INTERVAL_1MINUTE 设置了 K 线的时间周期为 1 分钟。 Client.KLINE_INTERVAL_1MINUTE 是一个预定义的常量，表示 1 分钟的 K 线间隔。 callback=process_kline 指定了一个回调函数 process_kline ，每当接收到新的 K 线数据时，该函数会被调用。 conn_key 变量存储了连接的唯一标识符，可以用来管理和关闭这个连接。

bm.start()

这行代码启动 BinanceSocketManager 对象 bm ，开始监听并接收来自币安 WebSocket API 的数据。在调用 bm.start() 之前，需要先创建并注册好需要监听的 WebSocket 连接。 bm.start() 会在一个独立的线程中运行，从而避免阻塞主程序。

这段代码连接到币安的 WebSocket API，实时接收 BTCUSDT 的 1 分钟 K 线数据。 WebSocket 协议提供持久性的连接，与传统的 HTTP 请求-响应模式不同，它允许服务器主动向客户端推送数据，从而实现实时数据更新。可以在 process_kline 函数中编写自定义逻辑，处理接收到的 K 线数据，例如计算移动平均线、相对强弱指标 (RSI)、布林带等技术指标。基于这些技术指标，可以进一步开发交易策略，自动触发买入或卖出信号。 process_kline 函数接收 K 线数据作为参数，通常 K 线数据会包含开盘价、最高价、最低价、收盘价、成交量等信息。需要注意的是，在使用币安 API 时，要遵守相关的 API 使用条款和限制，例如频率限制等。为了保证交易安全，建议使用 API 密钥进行身份验证，并妥善保管 API 密钥。

8. 常见问题与注意事项

API请求频率限制与优化： 币安为了保障系统稳定运行，对API请求频率设置了明确的限制。超出限制会导致IP地址或API密钥被暂时封禁，影响交易程序的正常运行。因此，必须严格遵守币安的API使用条款，合理规划请求频率。可以采取以下策略来优化API请求：
- 批量请求： 尽量将多个相关的API请求合并为一个请求，减少总的请求次数。
- WebSocket实时数据： 对于需要实时更新的数据，例如最新价格、深度信息等，优先使用WebSocket接口，避免频繁轮询API。
- 缓存机制： 将不经常变化的数据缓存到本地，减少对API的重复请求。
- 错误处理： 实施完善的错误处理机制，当API请求失败时，进行适当的重试或延迟，避免瞬间产生大量的无效请求。
时区问题与时间戳处理： 币安API返回的时间戳均为UTC（协调世界时），与本地时区存在差异。在进行数据分析、策略回测或下单操作时，务必进行正确的时区转换，以避免时间错乱导致的问题。可以使用编程语言提供的时区转换库或函数，例如Python的`pytz`库，确保时间戳的准确性。
维护通知与应对措施： 币安会定期或不定期地进行系统维护，维护期间部分或全部API接口可能无法正常访问。提前关注币安的官方公告（例如官方网站、社交媒体），了解维护时间和影响范围，并做好相应的应对措施。可以设置监控程序，检测API的可用性，并在维护期间暂停自动交易程序，避免因API不可用导致的交易错误或损失。
API密钥安全与管理： API密钥是访问币安API的凭证，务必妥善保管，切勿泄露给任何未经授权的第三方。
- 独立密钥： 为不同的交易策略或程序使用独立的API密钥，降低单个密钥泄露造成的风险。
- 权限控制： 根据实际需要，为API密钥设置最小权限。例如，只允许交易权限，禁止提现权限。
- IP限制： 将API密钥绑定到特定的IP地址，防止他人使用该密钥从其他IP地址访问API。
- 定期更换： 定期更换API密钥，降低密钥泄露的风险。
- 安全存储： 使用安全的存储方式（例如加密存储）保存API密钥，避免明文存储在代码或配置文件中。
策略回测的重要性与局限性： 在使用自动交易系统进行实盘交易之前，必须对交易策略进行充分的回测，以评估其在历史数据上的表现。回测可以帮助发现策略的潜在问题，例如过度拟合、参数敏感性等。
- 数据质量： 确保回测使用的数据质量可靠，数据缺失、错误或不完整会严重影响回测结果的准确性。
- 滑点模拟： 在回测中考虑滑点对交易成本的影响，滑点是指实际成交价格与预期价格之间的差异。
- 手续费模拟： 准确模拟币安的手续费结构，包括交易手续费、提现手续费等。
- 资金管理： 在回测中模拟真实的资金管理策略，例如仓位控制、止损止盈等。
- 未来函数： 避免使用“未来函数”，即使用未来数据进行决策，这会导致回测结果过于乐观，与实际交易情况不符。
需要注意的是，回测结果并不能保证策略在未来市场上的表现。市场环境是不断变化的，历史数据并不能完全代表未来。

通过以上步骤，可以构建一个功能相对完善的币安API自动交易系统。真正的量化交易系统远比以上描述的复杂，需要深入考虑以下关键要素：

数据清洗与预处理： 从币安API获取的原始数据可能存在噪声、缺失或异常值。需要进行数据清洗和预处理，例如去除重复数据、填充缺失值、平滑价格曲线等，以提高数据质量，为后续的策略分析提供可靠的基础。
信号过滤与优化： 交易信号可能受到各种因素的影响，例如市场噪音、突发事件等。需要对交易信号进行过滤和优化，例如使用移动平均线、布林带等技术指标，或者结合新闻情绪分析、社交媒体数据等，提高信号的准确性。
风险模型构建与管理： 量化交易系统面临着多种风险，例如市场风险、流动性风险、交易对手风险等。需要构建完善的风险模型，对各种风险进行量化评估和管理。可以采用多种风险管理工具，例如止损单、仓位控制、风险分散等。
交易执行引擎优化： 交易执行引擎是连接交易策略和交易所的桥梁，其性能直接影响交易的执行效率和成本。需要对交易执行引擎进行优化，例如使用高性能的编程语言、优化网络连接、采用智能订单路由等，以提高交易速度和降低交易成本。
实时监控与报警： 量化交易系统需要进行实时监控，及时发现和处理各种异常情况。可以设置监控指标，例如交易量、持仓量、盈亏比例等，并在指标超出预设范围时发出报警。

量化交易是一个持续学习、实践和优化的过程，需要不断学习新的知识，积累经验，才能构建出稳定、高效的自动交易系统。

上一篇： MEXC比特币充值到账时间：影响因素与加速策略分析

下一篇： VTS币：区块链技术引领的数字货币革新

出处：https://www.0baio.com/items/146213.html