Create app.py

app.py

@@ -0,0 +1,179 @@
+# 由 Copilot 生成
+"""
+591租屋資料分析器 - 主程式
+高雄市鼓山區租屋市場分析工具
+
+此程式整合了網頁爬蟲、資料分析和視覺化功能，
+專門用於分析591租屋網的租屋資料。
+"""
+
+import os
+import sys
+import argparse
+from datetime import datetime
+
+# 加入相對路徑
+sys.path.append(os.path.dirname(os.path.abspath(__file__)))
+
+from scraper import Rent591Scraper
+from analyzer import RentalDataAnalyzer
+from visualizer import RentalDataVisualizer
+from utils import log_message, create_output_directories, get_current_timestamp
+
+class RentalAnalysisApp:
+    """591租屋分析應用程式主類別"""
+    
+    def __init__(self):
+        self.scraper = Rent591Scraper()
+        self.analyzer = RentalDataAnalyzer()
+        self.visualizer = RentalDataVisualizer()
+        self.timestamp = get_current_timestamp()
+        
+    def run_full_pipeline(self, max_pages: int = 5, skip_scraping: bool = False):
+        """執行完整的分析流程"""
+        print("🏠 591租屋資料分析器啟動")
+        print("=" * 50)
+        
+        # 創建輸出目錄
+        create_output_directories()
+        
+        # 步驟1: 資料爬取
+        if not skip_scraping:
+            log_message("開始爬取591租屋資料...")
+            rental_data = self.scraper.scrape_rental_data(max_pages=max_pages)
+            
+            if not rental_data:
+                log_message("未能獲取任何資料，程式終止", "ERROR")
+                return False
+                
+            log_message(f"成功爬取 {len(rental_data)} 筆資料")
+            
+            # 儲存原始資料
+            self.scraper.save_data(rental_data, f"raw_data_{self.timestamp}.json")
+            
+            # 轉換為CSV
+            df = self.scraper.to_dataframe(rental_data)
+            csv_filename = f"output/rental_data_{self.timestamp}.csv"
+            df.to_csv(csv_filename, index=False, encoding='utf-8-sig')
+            log_message(f"資料已儲存為CSV: {csv_filename}")
+            
+            # 使用最新的資料檔案
+            data_file = csv_filename
+        else:
+            # 尋找最新的資料檔案
+            data_files = [f for f in os.listdir("output") if f.startswith("rental_data") and f.endswith(".csv")]
+            if not data_files:
+                log_message("找不到現有資料檔案，請先執行爬蟲", "ERROR")
+                return False
+            data_file = f"output/{sorted(data_files)[-1]}"
+            log_message(f"使用現有資料檔案: {data_file}")
+        
+        # 步驟2: 資料分析
+        log_message("開始資料分析...")
+        
+        # 載入資料
+        self.analyzer.load_data(data_file)
+        
+        # 清洗資料
+        cleaned_df = self.analyzer.clean_data()
+        if cleaned_df is None or len(cleaned_df) == 0:
+            log_message("資料清洗後沒有有效資料", "ERROR")
+            return False
+        
+        # 執行完整分析
+        analysis_results = self.analyzer.run_full_analysis()
+        
+        # 儲存分析結果
+        results_filename = f"analysis_results_{self.timestamp}.json"
+        self.analyzer.save_analysis_results(results_filename)
+        
+        # 顯示分析摘要
+        self.analyzer.print_summary()
+        
+        # 步驟3: 資料視覺化
+        log_message("開始生成視覺化圖表...")
+        
+        # 設置視覺化器
+        self.visualizer.df = cleaned_df
+        self.visualizer.analysis_results = analysis_results
+        
+        # 生成所有圖表
+        self.visualizer.generate_all_visualizations()
+        
+        # 創建摘要報告
+        summary_filename = f"output/summary_report_{self.timestamp}.png"
+        self.visualizer.create_summary_report(summary_filename)
+        
+        log_message("分析完成！", "SUCCESS")
+        self.print_completion_summary()
+        
+        return True
+    
+    def print_completion_summary(self):
+        """印出完成摘要"""
+        print("\n" + "🎉 分析完成！" + "🎉")
+        print("=" * 50)
+        print("📁 輸出檔案:")
+        print(f"   ├── 原始資料: output/raw_data_{self.timestamp}.json")
+        print(f"   ├── 清洗資料: output/rental_data_{self.timestamp}.csv")
+        print(f"   ├── 分析結果: output/analysis_results_{self.timestamp}.json")
+        print(f"   ├── 摘要報告: output/summary_report_{self.timestamp}.png")
+        print("   ├── 圖表檔案:")
+        print("   │   ├── output/price_distribution.png")
+        print("   │   ├── output/price_ranges.png")
+        print("   │   ├── output/area_analysis.png")
+        print("   │   ├── output/price_per_ping.png")
+        print("   │   └── output/keywords_analysis.png")
+        print("   └── 互動式儀表板: output/dashboard.html")
+        print("\n💡 提示: 打開 dashboard.html 可查看互動式分析��果")
+        print("=" * 50)
+
+def main():
+    """主函數"""
+    parser = argparse.ArgumentParser(description='591租屋資料分析器')
+    parser.add_argument('--max-pages', type=int, default=5, 
+                       help='最大爬取頁數 (預設: 5)')
+    parser.add_argument('--skip-scraping', action='store_true',
+                       help='跳過爬蟲，使用現有資料進行分析')
+    parser.add_argument('--analysis-only', action='store_true',
+                       help='僅執行分析，不重新爬取資料')
+    
+    args = parser.parse_args()
+    
+    try:
+        app = RentalAnalysisApp()
+        
+        if args.analysis_only:
+            # 僅分析模式
+            log_message("執行僅分析模式...")
+            success = app.run_full_pipeline(max_pages=0, skip_scraping=True)
+        else:
+            # 完整流程
+            success = app.run_full_pipeline(
+                max_pages=args.max_pages, 
+                skip_scraping=args.skip_scraping
+            )
+        
+        if success:
+            log_message("程式執行成功完成！", "SUCCESS")
+            return 0
+        else:
+            log_message("程式執行失敗", "ERROR")
+            return 1
+            
+    except KeyboardInterrupt:
+        log_message("使用者中斷程式執行", "WARNING")
+        return 1
+    except Exception as e:
+        log_message(f"程式執行時發生未預期錯誤: {e}", "ERROR")
+        return 1
+
+if __name__ == "__main__":
+    # 設置程式資訊
+    print("🏠 591租屋資料分析器")
+    print("📍 目標區域: 高雄市鼓山區")
+    print("🏢 物件類型: 2房、整層、電梯大樓")
+    print("🔧 整合 Hugging Face 生態系統")
+    print("-" * 50)
+    
+    exit_code = main()