Update app.py

app.py

@@ -13,72 +13,24 @@ from plotly.subplots import make_subplots
 import re
 from bs4 import BeautifulSoup
 import requests
-import time # 引用 time 模組以處理時間戳
 
 # 引用您組員的預測器程式
 from Bert_predict import BertPredictor
 
-# ========================= CACHE 設定 START =========================
-# 分析結果的快取字典
-ANALYSIS_CACHE = {}
-# 快取有效時間（秒），例如：4 小時 = 4 * 60 * 60 = 14400 秒
-CACHE_DURATION_SECONDS = 8 * 60 * 60
-# ========================== CACHE 設定 END ==========================
-
-
 # 台股代號對應表 (移除台指期，因為它現在是獨立區塊)
 TAIWAN_STOCKS = {
-    '元大台灣50': '0050.TW',
+    '元大台灣50': '0050.TW', 
     '台積電': '2330.TW',
     '聯發科': '2454.TW',
     '鴻海': '2317.TW',
-    '台達電': '2308.TW',
-    '廣達': '2382.TW',
+    '台塑': '1301.TW',
+    '中華電': '2412.TW',
     '富邦金': '2881.TW',
-    '中信金': '2891.TW',
     '國泰金': '2882.TW',
-    '聯電': '2303.TW',
-    '中華電': '2412.TW',
-    '玉山金': '2884.TW',
-    '兆豐金': '2886.TW',
-    '日月光投控': '3711.TW',
-    '華碩': '2357.TW',
+    '台達電': '2308.TW',
     '統一': '1216.TW',
-    '元大金': '2885.TW',
-    '智邦': '2345.TW',
-    '緯創': '3231.TW',
-    '聯詠': '3034.TW',
-    '第一金': '2892.TW',
-    '瑞昱': '2379.TW',
-    '緯穎': '6669.TWO',
-    '永豐金': '2890.TW',
-    '合庫金': '5880.TW',
-    '華南金': '2880.TW',
-    '台光電': '2383.TW',
-    '世芯-KY': '3661.TWO',
-    '奇鋐': '3017.TW',
-    '凱基金': '2883.TW',
-    '大立光': '3008.TW',
+    '日月光': '3711.TW',
     '長榮': '2603.TW',
-    '光寶科': '2301.TW',
-    '中鋼': '2002.TW',
-    '中租-KY': '5871.TW',
-    '國巨': '2327.TW',
-    '台新金': '2887.TW',
-    '上海商銀': '5876.TW',
-    '台泥': '1101.TW',
-    '台灣大': '3045.TW',
-    '和碩': '4938.TW',
-    '遠傳': '4904.TW',
-    '和泰車': '2207.TW',
-    '研華': '2395.TW',
-    '台塑': '1301.TW',
-    '統一超': '2912.TW',
-    '藥華藥': '6446.TWO',
-    '南亞': '1303.TW',
-    '陽明': '2609.TW',
-    '萬海': '2615.TW',
-    '台塑化': '6505.TW',
     '慧洋-KY': '2637.TW',
     '上銀': '2049.TW',
     '台泥': '1101.TW',
@@ -92,57 +44,18 @@ TAIWAN_STOCKS = {
 
 # 產業分類
 INDUSTRY_MAPPING = {
-    '0050.TW': 'ETF',
+    '0050.TW': 'ETF', 
     '2330.TW': '半導體',
     '2454.TW': '半導體',
     '2317.TW': '電子組件',
-    '2308.TW': '電子',
-    '2382.TW': '電子',
+    '1301.TW': '塑膠',
+    '2412.TW': '電信',
     '2881.TW': '金融',
-    '2891.TW': '金融',
     '2882.TW': '金融',
-    '2303.TW': '半導體',
-    '2412.TW': '電信',
-    '2884.TW': '金融',
-    '2886.TW': '金融',
-    '3711.TW': '半導體',
-    '2357.TW': '電子',
+    '2308.TW': '電子',
     '1216.TW': '食品',
-    '2885.TW': '金融',
-    '2345.TW': '網通設備',
-    '3231.TW': '電子',
-    '3034.TW': '半導體',
-    '2892.TW': '金融',
-    '2379.TW': '半導體',
-    '6669.TWO': '電子',
-    '2890.TW': '金融',
-    '5880.TW': '金融',
-    '2880.TW': '金融',
-    '2383.TW': '電子',
-    '3661.TWO': '半導體',
-    '3017.TW': '電子',
-    '2883.TW': '金融',
-    '3008.TW': '光學',
+    '3711.TW': '半導體',
     '2603.TW': '航運',
-    '2301.TW': '電子',
-    '2002.TW': '鋼鐵',
-    '5871.TW': '金融',
-    '2327.TW': '電子被動元件',
-    '2887.TW': '金融',
-    '5876.TW': '金融',
-    '1101.TW': '營建',
-    '3045.TW': '電信',
-    '4938.TW': '電子',
-    '4904.TW': '電信',
-    '2207.TW': '汽車',
-    '2395.TW': '電腦周邊',
-    '1301.TW': '塑膠',
-    '2912.TW': '百貨',
-    '6446.TWO': '生技',
-    '1303.TW': '塑膠',
-    '2609.TW': '航運',
-    '2615.TW': '航運',
-    '6505.TW': '塑膠',
     '2637.TW': '散裝航運',
     '2049.TW': '工具機',
     '1101.TW': '營建',
@@ -274,6 +187,7 @@ def get_pmi_data():
         print(f"無法獲取 PMI 資料: {str(e)}")
         return pd.DataFrame()
 
+# ========================= GEMINI 整合 START =========================
 def generate_gemini_analysis(stock_name, stock_symbol, period, data):
     """
     使用 Gemini API 生成基本面和市場展望分析。
@@ -286,6 +200,7 @@ def generate_gemini_analysis(stock_name, stock_symbol, period, data):
         genai.configure(api_key=api_key)
         model = genai.GenerativeModel('gemini-1.5-flash')
 
+        # 準備傳送給模型的數據
         price_change = ((data['Close'].iloc[-1] - data['Close'].iloc[0]) / data['Close'].iloc[0]) * 100
         rsi_current = data['RSI'].iloc[-1]
         macd_current = data['MACD'].iloc[-1]
@@ -327,13 +242,13 @@ def generate_gemini_analysis(stock_name, stock_symbol, period, data):
             market_outlook = parts[1].strip()
             return dcc.Markdown(fundamental_analysis), dcc.Markdown(market_outlook)
         else:
-            # Fallback for unexpected response format
-            return dcc.Markdown("無法解析 Gemini 回應，請稍後再試。"), dcc.Markdown(response.text)
+            return "無法解析 Gemini 回應", response.text
 
     except Exception as e:
         error_message = f"呼叫 Gemini API 時發生錯誤: {str(e)}"
         print(error_message)
-        return dcc.Markdown(error_message), dcc.Markdown("請檢查後台日誌或 API 金鑰設定")
+        return error_message, "請檢查後台日誌或 API 金鑰設定"
+# ========================== GEMINI 整合 END ==========================
 
 # 建立 Dash 應用程式
 app = dash.Dash(__name__, suppress_callback_exceptions=True)
@@ -397,7 +312,7 @@ app.layout = html.Div([
             html.Label("時間範圍:"),
             dcc.Dropdown(id='period-dropdown',
                 options=[{'label': '1個月', 'value': '1mo'},{'label': '3個月', 'value': '3mo'},{'label': '6個月', 'value': '6mo'},{'label': '1年', 'value': '1y'},{'label': '2年', 'value': '2y'}],
-                value='1mo', style={'margin-bottom': '10px'})
+                value='1mo', style={'margin-bottom': '10px'}) # 預設改為 1mo
         ], style={'width': '30%', 'display': 'inline-block', 'margin-left': '5%', 'vertical-align': 'top'}),
         html.Div([
             html.Label("圖表類型:"),
@@ -676,7 +591,7 @@ def update_business_climate_chart(selected_stock):
     fig.update_layout(title="台灣景氣燈號走勢", xaxis_title='日期', yaxis_title='燈號分數', height=300, yaxis=dict(range=[0, 40]))
     return fig
 
-# ========================= MODIFIED SECTION START (CACHE INTEGRATED) =========================
+# ========================= MODIFIED SECTION START =========================
 @app.callback(
     [dash.dependencies.Output('technical-analysis-text', 'children'),
      dash.dependencies.Output('fundamental-analysis-text', 'children'),
@@ -685,29 +600,14 @@ def update_business_climate_chart(selected_stock):
      dash.dependencies.Input('period-dropdown', 'value')]
 )
 def update_analysis_text(selected_stock, period):
-    # 建立快取的唯一鍵值
-    cache_key = f"{selected_stock}-{period}"
-    current_time = time.time()
-
-    # 1. 檢查快取
-    if cache_key in ANALYSIS_CACHE:
-        cached_data = ANALYSIS_CACHE[cache_key]
-        if current_time - cached_data['timestamp'] < CACHE_DURATION_SECONDS:
-            print(f"從快取載入分析: {cache_key}")
-            # 直接回傳快取的內容
-            return cached_data['technical'], cached_data['fundamental'], cached_data['outlook']
-
-    print(f"重新生成分析: {cache_key}")
-    # --- 如果快取沒有，才繼續執行以下程式 ---
-
     data = get_stock_data(selected_stock, period)
     stock_name = [name for name, symbol in TAIWAN_STOCKS.items() if symbol == selected_stock][0]
-    if data.empty or len(data) < 20:
+    if data.empty or len(data) < 20: # 確保有足夠資料計算指標
         return "資料不足，無法分析", "資料不足，無法分析", "資料不足，無法分析"
     
     data = calculate_technical_indicators(data)
     
-    # 2. 技術面分析
+    # 1. 技術面分析 (保留客觀數據呈現)
     price_change = ((data['Close'].iloc[-1] - data['Close'].iloc[0]) / data['Close'].iloc[0]) * 100
     rsi_current = data['RSI'].iloc[-1] if not pd.isna(data['RSI'].iloc[-1]) else 50
     macd_current = data['MACD'].iloc[-1] if not pd.isna(data['MACD'].iloc[-1]) else 0
@@ -719,16 +619,17 @@ def update_analysis_text(selected_stock, period):
         html.P([html.Strong("MACD 指標："), f"MACD 快線 ({macd_current:.3f}) 目前", html.Span("高於" if macd_current > macd_signal_current else "低於", style={'color': 'red' if macd_current > macd_signal_current else 'green', 'font-weight': 'bold'}), f" Signal 慢線 ({macd_signal_current:.3f})，", f"顯示市場動能偏向{'多頭' if macd_current > macd_signal_current else '空頭'}。"]),
     ])
     
-    # 3. 基本面與展望分析 (呼叫 Gemini)
-    fundamental_text, market_outlook_text = generate_gemini_analysis(stock_name, selected_stock, period, data)
+    # 2. 基本面與展望分析 (呼叫 Gemini)
+    # 顯示“正在生成…”提示，改善使用者體驗
+    loading_text = html.Div([
+        dcc.Loading(id="loading-analysis", type="dots", children=[html.Div(id="loading-output")])
+    ])
     
-    # 4. 將新產生的結果存入快取
-    ANALYSIS_CACHE[cache_key] = {
-        'technical': technical_text,
-        'fundamental': fundamental_text,
-        'outlook': market_outlook_text,
-        'timestamp': current_time
-    }
+    try:
+        fundamental_text, market_outlook_text = generate_gemini_analysis(stock_name, selected_stock, period, data)
+    except Exception as e:
+        fundamental_text = f"生成分析時發生錯誤: {e}"
+        market_outlook_text = "請檢查 API 金鑰或網路連線。"
 
     return technical_text, fundamental_text, market_outlook_text
 # ========================== MODIFIED SECTION END ==========================