app.py

import gradio as gr
import pandas as pd
from scraper import YahooFinanceScraper
from sentiment_analyzer import NewsAnalyzer # Import new class
import time
from collections import Counter # For counting themes/impacts

# --- MODIFIED BLOCK 1 ---
# เราจะโหลด Scraper (เบา) แต่จะยังไม่โหลด Analyzer (หนัก)
print("Initializing Yahoo Finance News Analyzer...")
scraper = YahooFinanceScraper()
analyzer = None # <-- ตั้งเป็น None ก่อน จะโหลดเมื่อถูกเรียกใช้ครั้งแรก
# --- END MODIFIED BLOCK ---


def get_sentiment_color(sentiment):
    """กำหนดสีตาม sentiment"""
    colors = { "Positive": "🟢", "Negative": "🔴", "Neutral": "🟡" }
    return colors.get(sentiment, "⚪")

def get_impact_color(impact):
    """กำหนดสีตาม impact"""
    colors = { "Opportunity": "🟢", "Risk": "🔴", "Neutral": "🟡" }
    return colors.get(impact, "⚪")


def analyze_news(search_type, search_input, num_articles):
    """
    ฟังก์ชันหลักในการวิเคราะห์ข่าว
    """
    
    # --- MODIFIED BLOCK 2: LAZY LOADING ---
    # ตรวจสอบว่า analyzer ถูกโหลดหรือยัง
    global analyzer
    if analyzer is None:
        # ถ้ายัง ให้แสดงสถานะว่ากำลังโหลด
        yield "⌛ กำลังโหลดโมเดล AI (ครั้งแรก)...", None, "⌛ กำลังโหลดโมเดล AI (ครั้งแรก)..."
        print("Analyzer not loaded. Initializing NewsAnalyzer (lazy)...")
        # นี่คือจุดที่จะโหลดโมเดล (ใช้เวลา 1-2 นาทีในครั้งแรก)
        analyzer = NewsAnalyzer() 
        print("Analyzer loaded successfully.")
    # --- END MODIFIED BLOCK ---
    
    try:
        yield "กำลังดึงข่าว...", None, "กำลังดึงข่าว..." # <-- แก้ไข Output ที่ 3 ด้วย

        if search_type == "Latest News":
            news_list = scraper.get_latest_news(max_articles=int(num_articles))
        elif search_type == "Stock Symbol":
            if not search_input:
                yield "⚠️ กรุณาใส่ ticker symbol (เช่น AAPL, TSLA)", None, None
                return
            news_list = scraper.get_latest_news(symbol=search_input.upper(), max_articles=int(num_articles))
        else:  # Keyword search
            if not search_input:
                yield "⚠️ กรุณาใส่คำค้นหา", None, None
                return
            news_list = scraper.search_news(keyword=search_input, max_articles=int(num_articles))

        if not news_list:
            yield "❌ ไม่พบข่าว กรุณาลองใหม่อีกครั้ง", None, None
            return

        yield f"พบข่าว {len(news_list)} รายการ | กำลังวิเคราะห์...", None, f"พบข่าว {len(news_list)} รายการ | กำลังวิเคราะห์..."

        results = analyzer.analyze_batch(news_list)

        # (ส่วนที่เหลือของฟังก์ชันเหมือนเดิม)
        total = len(results)
        positive = sum(1 for r in results if r['sentiment'] == 'Positive')
        negative = sum(1 for r in results if r['sentiment'] == 'Negative')
        neutral = sum(1 for r in results if r['sentiment'] == 'Neutral')
        avg_score = sum(r['score'] for r in results) / total if total > 0 else 0

        theme_counts = Counter(r.get('theme', 'N/A') for r in results)
        impact_counts = Counter(r.get('impact', 'N/A') for r in results)

        if positive > negative and positive > neutral:
            overall = "📈 Positive (Bullish)"
        elif negative > positive and negative > neutral:
            overall = "📉 Negative (Bearish)"
        else:
            overall = "📊 Neutral"

        summary = f"""## 📊 สรุปผลการวิเคราะห์
**ภาพรวม:** {overall}  |  **คะแนนเฉลี่ย:** {avg_score:.2f}/1.0
### การกระจาย Sentiment
- 🟢 Positive: {positive} ({positive/total*100:.1f}%)
- 🔴 Negative: {negative} ({negative/total*100:.1f}%)
- 🟡 Neutral: {neutral} ({neutral/total*100:.1f}%)
---
### 📌 สรุปหัวข้อ (Themes)
"""
        for theme, count in theme_counts.most_common():
            summary += f"- **{theme}:** {count} รายการ ({count/total*100:.1f}%)\n"
        
        summary += "\n---\n" # เพิ่มเส้นคั่น
        
        summary += "\n### ⚡ สรุปผลกระทบ (Impact)\n"
        for impact, count in impact_counts.most_common():
            emoji = get_impact_color(impact)
            summary += f"- {emoji} **{impact}:** {count} รายการ ({count/total*100:.1f}%)\n"
        
        summary += "\n\n---\n\n## 📰 รายละเอียดแต่ละข่าว\n\n"
        detailed_results = "" 

        for i, result in enumerate(results, 1):
            s_emoji = get_sentiment_color(result['sentiment'])
            i_emoji = get_impact_color(result.get('impact', 'N/A'))
            
            detailed_results += f"""### {i}. {s_emoji} {result['title']}
**Theme:** {result.get('theme', 'N/A')} | **Impact:** {i_emoji} {result.get('impact', 'N/A')}
**Sentiment:** {result['sentiment']} | **Score:** {result['score']:.2f}
**เผยแพร่:** {result['published']}
**คำอธิบาย:** {result['explanation']}
{result['summary'][:200]}{'...' if len(result['summary']) > 200 else ''}
[🔗 อ่านต่อ]({result['link']})
---"""

        df_data = []
        for result in results:
            df_data.append({
                'Title': result['title'][:60] + '...' if len(result['title']) > 60 else result['title'],
                'Theme': result.get('theme', 'N/A'),
                'Impact': f"{get_impact_color(result.get('impact', 'N/A'))} {result.get('impact', 'N/A')}",
                'Sentiment': f"{get_sentiment_color(result['sentiment'])} {result['sentiment']}",
                'Score': f"{result['score']:.2f}",
                'Published': result['published'],
                'Link': result['link']
            })

        df = pd.DataFrame(df_data)
        final_output = summary + detailed_results

        yield final_output, df, "✅ วิเคราะห์เสร็จสมบูรณ์!"

    except Exception as e:
        error_msg = f"❌ เกิดข้อผิดพลาด: {str(e)}"
        yield error_msg, None, error_msg

# --- (Interface Block: ไม่มีการเปลี่ยนแปลง) ---
with gr.Blocks(title="Yahoo Finance News Analyzer", theme=gr.themes.Soft()) as demo:
    gr.Markdown("""
    # 📈 Yahoo Finance News Analyzer
    วิเคราะห์ข่าวการเงินจาก Yahoo Finance ด้วย AI แบบครบวงจร
    
    🔍 **ฟีเจอร์:**
    - วิเคราะห์ Sentiment (ความรู้สึก)
    - วิเคราะห์ Theme (หัวข้อข่าว)
    - วิเคราะห์ Impact (ผลกระทบ: โอกาส หรือ ความเสี่ยง)
    - ให้คะแนนความมั่นใจและคำอธิบาย
    - รองรับค้นหาตาม Stock Symbol และ Keyword
    """)

    with gr.Row():
        with gr.Column(scale=1):
            search_type = gr.Radio(
                choices=["Latest News", "Stock Symbol", "Keyword"],
                value="Latest News",
                label="ประเภทการค้นหา"
            )
            search_input = gr.Textbox(
                label="Ticker Symbol / Keyword",
                placeholder="เช่น AAPL, TSLA, AI, cryptocurrency",
                info="ใส่เฉพาะเมื่อเลือก Stock Symbol หรือ Keyword"
            )
            num_articles = gr.Slider(
                minimum=5,
                maximum=20,
                value=10,
                step=1,
                label="จำนวนข่าว"
            )
            analyze_btn = gr.Button("🔍 วิเคราะห์ข่าว", variant="primary", size="lg")
            status = gr.Textbox(label="สถานะ", interactive=False)

        with gr.Column(scale=2):
            results_md = gr.Markdown("### กดปุ่ม 'วิเคราะห์ข่าว' เพื่อเริ่มต้น")

    with gr.Row():
        results_table = gr.Dataframe(
            label="📊 ตารางสรุปผล",
            wrap=True
        )

    gr.Markdown("""
    ---
    ### 💡 วิธีใช้งาน:
    1. เลือกประเภทการค้นหา (ข่าวล่าสุด / หุ้นเฉพาะ / คำค้นหา)
    2. ใส่ ticker symbol หรือ keyword (ถ้าต้องการ)
    3. เลือกจำนวนข่าวที่ต้องการวิเคราะห์
    4. กดปุ่ม "วิเคราะห์ข่าว"
    
    ### 🎯 ตัวอย่าง Stock Symbols:
    - **AAPL** - Apple Inc.
    - **TSLA** - Tesla
    - **NVDA** - Nvidia
    - **MSFT** - Microsoft
    - **GOOGL** - Google
    
    ### 📌 หมายเหตุ:
    - **Sentiment:** Positive (ดี), Negative (แย่), Neutral (กลาง)
    - **Theme:** หัวข้อหลักของข่าว (เช่น ผลประกอบการ, สินค้าใหม่)
    - **Impact:** ผลกระทบต่อบริษัท (🟢 Opportunity - โอกาส, 🔴 Risk - ความเสี่ยง)
    """)

    analyze_btn.click(
        fn=analyze_news,
        inputs=[search_type, search_input, num_articles],
        outputs=[results_md, results_table, status]
    )

# Launch app
if __name__ == "__main__":
    demo.queue()
    demo.launch(share=False)