app.py

import gradio as gr
import yfinance as yf
import pandas as pd
import plotly.graph_objs as go
from plotly.subplots import make_subplots

def fetch_etf_data(ticker_codes):
    """
    抓取台灣ETF歷史數據
    
    參數:
    ticker_codes (str): ETF代碼，逗號分隔
    
    返回:
    tuple: 數據框和圖表
    """
    # 拆分代碼
    ticker_list = [code.strip() for code in ticker_codes.split(',')]
    
    # 儲存所有ETF的數據
    results = {}
    
    # 創建子圖
    fig = make_subplots(
        rows=len(ticker_list), 
        cols=1, 
        shared_xaxes=True, 
        vertical_spacing=0.02,
        subplot_titles=[f"{code}.TW" for code in ticker_list]
    )

    # 顏色列表
    colors = ['blue', 'green', 'red', 'purple', 'orange']

    # 遍歷每個ETF代碼
    output_text = ""
    for i, ticker_code in enumerate(ticker_list, 1):
        try:
            # 添加 ".TW" 後綴（台灣交易所）
            full_ticker = f"{ticker_code}.TW"
            
            # 獲取ETF數據
            etf = yf.Ticker(full_ticker)
            
            # 獲取1年歷史數據
            df = etf.history(period="1y")
            
            # 如果數據為空，跳過此ETF
            if df.empty:
                output_text += f"警告：未找到 {full_ticker} 的數據\n"
                continue
            
            # 儲存數據
            results[ticker_code] = df
            
            # 添加K線圖
            fig.add_trace(
                go.Candlestick(
                    x=df.index,
                    open=df['Open'],
                    high=df['High'],
                    low=df['Low'],
                    close=df['Close'],
                    name=full_ticker,
                    increasing_line_color=colors[i % len(colors)],
                    decreasing_line_color='gray'
                ),
                row=i, col=1
            )
            
            # 添加成交量柱狀圖
            fig.add_trace(
                go.Bar(
                    x=df.index, 
                    y=df['Volume'], 
                    name=f'{full_ticker} 成交量',
                    opacity=0.5
                ),
                row=i, col=1
            )
            
            # 生成文本輸出
            output_text += f"\n{full_ticker} 最近數據:\n"
            output_text += df.tail().to_string() + "\n"
            
        except Exception as e:
            output_text += f"{ticker_code} 發生錯誤: {e}\n"

    # 更新佈局
    fig.update_layout(
        height=300 * len(ticker_list),  # 根據ETF數量調整高度
        title='台灣ETF走勢圖',
        xaxis_rangeslider_visible=False  # 關閉範圍滑塊
    )

    # 合併CSV
    if results:
        combined_df = pd.concat([df for df in results.values()], keys=results.keys(), names=['ETF', 'index'])
        combined_df.to_csv("combined_etf_data.csv", encoding='utf-8-sig')
        output_text += "\n所有ETF數據已合併保存到 combined_etf_data.csv"

    return fig, output_text

def create_gradio_interface():
    """
    創建Gradio界面
    """
    with gr.Blocks(title="台灣ETF數據分析") as demo:
        gr.Markdown("## 台灣ETF數據抓取與分析")
        
        with gr.Row():
            with gr.Column():
                # 輸入框
                ticker_input = gr.Textbox(
                    label="輸入ETF代碼", 
                    placeholder="例如：00878, 00940, 0050",
                    value="00878, 00940, 0050"
                )
                
                # 提交按鈕
                submit_btn = gr.Button("分析ETF")
            
            with gr.Column():
                # 文本輸出
                output_text = gr.Textbox(label="分析結果")
        
        # 圖表輸出
        output_plot = gr.Plot(label="ETF走勢圖")
        
        # 提交事件
        submit_btn.click(
            fn=fetch_etf_data, 
            inputs=ticker_input, 
            outputs=[output_plot, output_text]
        )
    
    return demo

# 啟動Gradio應用
def main():
    demo = create_gradio_interface()
    demo.launch(
        share=True,  # 創建公開連結
        server_name='0.0.0.0',  # 允許外部訪問
        server_port=7860  # 指定端口
    )

# 運行主程序
if __name__ == "__main__":
    main()