Update app.py

app.py

@@ -12,7 +12,7 @@ from io import BytesIO
 import numpy as np
 from sklearn.linear_model import LinearRegression
 import plotly.graph_objects as go
-import yfinance as yf  # เพิ่มส่วนดึงราคาหุ้น
+import yfinance as yf
 
 # --------------------------
 # CONFIG
@@ -34,7 +34,6 @@ def load_models():
 def analyze_text(text, bert_model, vader):
     if not text.strip():
         return 0
-
     vader_score = vader.polarity_scores(text)["compound"]
     textblob_score = TextBlob(text).sentiment.polarity
     bert_result = bert_model(text[:512])[0]
@@ -49,18 +48,48 @@ def analyze_text(text, bert_model, vader):
     return np.mean([vader_score, textblob_score, bert_score])
 
 
+def generate_wordcloud(text):
+    stopwords = nltk.corpus.stopwords.words('english')
+    wordcloud = WordCloud(width=800, height=400, background_color="white", stopwords=stopwords).generate(text)
+    buf = BytesIO()
+    wordcloud.to_image().save(buf, format="PNG")
+    return base64.b64encode(buf.getvalue()).decode()
+
+
+# --------------------------
+# ฟังก์ชันใหม่: แปลงตัวย่อหุ้น -> ชื่อบริษัท
+# --------------------------
+@st.cache_data(ttl=86400)
+def resolve_company_name(symbol):
+    """รับตัวย่อหุ้น เช่น AAPL แล้วดึงชื่อบริษัท เช่น Apple Inc."""
+    try:
+        ticker = yf.Ticker(symbol)
+        info = ticker.info
+        company_name = info.get("longName") or info.get("shortName")
+        if company_name:
+            return company_name
+    except Exception:
+        pass
+    return symbol  # ถ้าไม่เจอ ใช้ symbol เอง
+
+
+# --------------------------
+# ดึงข่าว 7 วัน สำหรับ symbol + company name
+# --------------------------
 @st.cache_data(ttl=3600)
-def fetch_financial_news(keyword):
-    """ดึงข่าวย้อนหลัง 7 วันจาก NewsAPI.org"""
+def fetch_financial_news(symbol):
+    company_name = resolve_company_name(symbol)
     to_date = datetime.now().strftime('%Y-%m-%d')
     from_date = (datetime.now() - timedelta(days=7)).strftime('%Y-%m-%d')
 
+    query = f"({symbol} OR \"{company_name}\") finance stock"
+
     all_articles = []
     page = 1
     while True:
         url = (
             f"https://newsapi.org/v2/everything?"
-            f"q={keyword}+finance+stock&"
+            f"q={query}&"
             f"from={from_date}&to={to_date}&"
             f"language=en&sortBy=publishedAt&"
             f"pageSize=100&page={page}&apiKey={API_KEY}"
@@ -86,26 +115,17 @@ def fetch_financial_news(keyword):
                 })
 
         if len(articles) < 100:
-            break  # หมดแล้ว
+            break
         page += 1
 
     return pd.DataFrame(all_articles)
 
 
-def generate_wordcloud(text):
-    stopwords = nltk.corpus.stopwords.words('english')
-    wordcloud = WordCloud(width=800, height=400, background_color="white", stopwords=stopwords).generate(text)
-    buf = BytesIO()
-    wordcloud.to_image().save(buf, format="PNG")
-    return base64.b64encode(buf.getvalue()).decode()
-
-
 # --------------------------
-# ฟังก์ชันใหม่: ดึงราคาหุ้น
+# ดึงราคาหุ้นย้อนหลัง 14 วัน
 # --------------------------
 @st.cache_data(ttl=3600)
 def fetch_stock_price(symbol):
-    """ดึงราคาปิดหุ้นย้อนหลัง 14 วัน"""
     try:
         df = yf.download(symbol, period="14d", interval="1d")
         df = df.reset_index()[["Date", "Close"]]
@@ -122,7 +142,7 @@ def fetch_stock_price(symbol):
 # --------------------------
 def main():
     st.title("📰 SentimentSync NewsAI")
-    st.markdown("วิเคราะห์แนวโน้มอารมณ์ของข่าวการเงินย้อนหลัง 7 วัน พร้อมพยากรณ์แนวโน้มในอนาคต และรวมราคาหุ้น")
+    st.markdown("วิเคราะห์แนวโน้มอารมณ์ของข่าวย้อนหลัง 7 วัน พร้อมพยากรณ์ และรวมราคาหุ้น")
 
     # Sidebar
     with st.sidebar:
@@ -136,7 +156,7 @@ def main():
     bert_model, vader = load_models()
 
     # ดึงข่าว
-    st.info(f"กำลังดึงข่าวย้อนหลัง 7 วันจาก NewsAPI.org สำหรับ '{keyword}' ...")
+    st.info(f"กำลังดึงข่าวย้อนหลัง 7 วันสำหรับ '{keyword}' ...")
     news_df = fetch_financial_news(keyword)
     if news_df.empty:
         st.warning("ไม่พบบทความข่าวในช่วง 7 วันที่ผ่านมา")
@@ -163,9 +183,8 @@ def main():
     img = generate_wordcloud(all_text)
     st.image(f"data:image/png;base64,{img}", use_column_width=True)
 
-    # แน��โน้มและพยากรณ์ + ราคาหุ้น
+    # แนวโน้ม + พยากรณ์ + ราคาหุ้น
     st.subheader("📈 แนวโน้มและพยากรณ์อารมณ์ของข่าว & ราคาหุ้น")
-
     df_sorted = news_df.sort_values("date").copy()
     df_sorted["timestamp"] = (df_sorted["date"] - df_sorted["date"].min()).dt.days