Upload app.py

app.py

@@ -0,0 +1,349 @@
+# -*- coding: utf-8 -*-
+"""「ESG_deployed on Hugging Face_Streamlit
+
+Automatically generated by Colab.
+
+Original file is located at
+    https://colab.research.google.com/drive/1-psBpb_NYklJjrCqI8AEIg1bSuMUwXJL
+
+#stremlit 框架
+"""
+
+import requests
+from bs4 import BeautifulSoup
+import pandas as pd
+from typing import List, Tuple
+import time
+from pandas.io.formats.style import Styler
+import streamlit as st
+import os
+from datetime import datetime
+import io
+
+BASE_URL = "https://cgc.twse.com.tw/front/chPage"
+
+def fetch_page(offset: int, max_per: int = 30, fmt: str = "") -> str:
+    params = {"offset": offset, "max": max_per, "format": fmt}
+    resp = requests.get(BASE_URL, params=params, timeout=10)
+    resp.raise_for_status()
+    return resp.text
+
+def parse_companies(html: str) -> List[Tuple[str, str, str]]:
+    soup = BeautifulSoup(html, "html.parser")
+    results = []
+    for tr in soup.select("table tr"):
+        tds = tr.find_all("td")
+        if len(tds) >= 3:
+            code = tds[1].get_text(strip=True)
+            name = tds[2].get_text(strip=True)
+            link_tag = tds[2].find("a")
+            url = link_tag["href"].strip() if link_tag and "href" in link_tag.attrs else ""
+            if code.isdigit():
+                results.append((code, name, url))
+    return results
+
+def collect_all(start_offset: int = 0, max_per: int = 30, max_pages: int = 100, progress_bar=None, status_text=None) -> pd.DataFrame:
+    all_rows = []
+    offset = start_offset
+
+    for i in range(max_pages):
+        try:
+            # 更新進度條和狀態
+            if progress_bar:
+                progress_bar.progress((i + 1) / max_pages)
+            if status_text:
+                status_text.text(f"正在爬取第 {i + 1} 頁，偏移量: {offset}")
+
+            html = fetch_page(offset, max_per)
+            rows = parse_companies(html)
+            if not rows:
+                if status_text:
+                    status_text.text(f"已完成爬取，共處理 {i + 1} 頁")
+                break
+            all_rows.extend(rows)
+            offset += max_per
+            time.sleep(0.5)
+        except Exception as e:
+            if status_text:
+                status_text.text(f"錯誤發生於偏移量 {offset}: {e}")
+            break
+
+    # 加入編號欄位
+    df = pd.DataFrame(all_rows, columns=["公司代碼", "公司名稱", "公司網址"])
+    df.insert(0, "編號", range(1, len(df) + 1))
+    return df
+
+def style_dataframe(df: pd.DataFrame) -> Styler:
+    """
+    設定DataFrame的樣式：
+    - 編號、公司代碼、公司名稱欄位標題為藍色背景
+    - 每個欄位的值交替黃色背景
+    """
+    def header_style(s):
+        """設定標題樣式"""
+        styles = []
+        for col in s.index:
+            if col in ["編號", "公司代碼", "公司名稱"]:
+                styles.append('background-color: #4472C4; color: white; font-weight: bold')
+            else:
+                styles.append('background-color: #D9D9D9; color: black; font-weight: bold')
+        return styles
+
+    def alternating_rows(s):
+        """設定交替行顏色"""
+        styles = []
+        for i, col in enumerate(s.index):
+            if col in ["編號", "公司代碼", "公司名稱"]:
+                if s.name % 2 == 0:  # 偶數行
+                    styles.append('background-color: #FFF2CC')  # 淺黃色
+                else:  # 奇數行
+                    styles.append('background-color: #FFFFFF')  # 白色
+            else:
+                styles.append('background-color: #F8F8F8')  # 淺灰色
+        return styles
+
+    # 應用樣式
+    styled = df.style.apply(alternating_rows, axis=1).apply(header_style, axis=0)
+
+    # 設定表格整體樣式
+    styled = styled.set_table_styles([
+        {'selector': 'th', 'props': [('text-align', 'center'), ('padding', '8px')]},
+        {'selector': 'td', 'props': [('text-align', 'center'), ('padding', '6px')]},
+        {'selector': 'table', 'props': [('border-collapse', 'collapse'), ('margin', 'auto')]},
+        {'selector': 'th, td', 'props': [('border', '1px solid #CCCCCC')]}
+    ])
+
+    return styled
+
+def save_to_excel(df: pd.DataFrame) -> bytes:
+    """儲存為Excel格式並應用樣式，返回bytes"""
+    output = io.BytesIO()
+
+    # 建立樣式化的DataFrame
+    with pd.ExcelWriter(output, engine='openpyxl') as writer:
+        # 先寫入基本資料
+        df.to_excel(writer, sheet_name='公司資料', index=False)
+
+        # 取得工作表以進行格式設定
+        worksheet = writer.sheets['公司資料']
+
+        # 設定欄寬
+        worksheet.column_dimensions['A'].width = 8   # 編號
+        worksheet.column_dimensions['B'].width = 12  # 公司代碼
+        worksheet.column_dimensions['C'].width = 25  # 公司名稱
+        worksheet.column_dimensions['D'].width = 40  # 公司網址
+
+        # 使用openpyxl進行進階格式設定
+        from openpyxl.styles import PatternFill, Font, Alignment, Border, Side
+
+        # 定義顏色
+        blue_fill = PatternFill(start_color="4472C4", end_color="4472C4", fill_type="solid")
+        yellow_fill = PatternFill(start_color="FFF2CC", end_color="FFF2CC", fill_type="solid")
+        white_fill = PatternFill(start_color="FFFFFF", end_color="FFFFFF", fill_type="solid")
+        gray_fill = PatternFill(start_color="D9D9D9", end_color="D9D9D9", fill_type="solid")
+
+        # 定義字體
+        header_font = Font(bold=True, color="FFFFFF")
+        normal_font = Font(color="000000")
+
+        # 定義對齊
+        center_alignment = Alignment(horizontal="center", vertical="center")
+
+        # 定義邊框
+        thin_border = Border(
+            left=Side(style='thin'),
+            right=Side(style='thin'),
+            top=Side(style='thin'),
+            bottom=Side(style='thin')
+        )
+
+        # 設定標題行格式
+        for col_num, col_name in enumerate(['編號', '公司代碼', '公司名稱', '公司網址'], 1):
+            cell = worksheet.cell(row=1, column=col_num)
+            cell.font = header_font
+            cell.alignment = center_alignment
+            cell.border = thin_border
+
+            if col_name in ['編號', '公司代碼', '公司名稱']:
+                cell.fill = blue_fill
+            else:
+                cell.fill = gray_fill
+
+        # 設定資料行格式
+        for row_num in range(2, len(df) + 2):
+            for col_num in range(1, 5):
+                cell = worksheet.cell(row=row_num, column=col_num)
+                cell.font = normal_font
+                cell.alignment = center_alignment
+                cell.border = thin_border
+
+                # 針對編號、公司代碼、公司名稱欄位設定交替顏色
+                if col_num <= 3:  # 編號、公司代碼、公司名稱
+                    if (row_num - 2) % 2 == 0:  # 偶數行
+                        cell.fill = yellow_fill
+                    else:  # 奇數行
+                        cell.fill = white_fill
+
+    output.seek(0)
+    return output.getvalue()
+
+def save_to_csv(df: pd.DataFrame) -> str:
+    """儲存為CSV格式，返回CSV字串"""
+    return df.to_csv(index=False, encoding="utf-8-sig")
+
+def main():
+    st.set_page_config(
+        page_title="台灣證交所公司資料爬取工具",
+        page_icon="🏢",
+        layout="wide",
+        initial_sidebar_state="expanded"
+    )
+
+    st.title("🏢 台灣證交所公司資料爬取工具")
+    st.markdown("這個工具可以幫您從台灣證交所網站爬取上市公司資料，並提供CSV或Excel格式下載。")
+
+    # 側邊欄參數設定
+    with st.sidebar:
+        st.header("⚙️ 參數設定")
+
+        start_offset = st.number_input(
+            "起始偏移量",
+            min_value=0,
+            value=0,
+            step=1,
+            help="從第幾筆資料開始爬取"
+        )
+
+        max_per = st.slider(
+            "每頁筆數",
+            min_value=1,
+            max_value=100,
+            value=30,
+            step=1,
+            help="每次請求爬取的資料筆數"
+        )
+
+        max_pages = st.slider(
+            "最大頁數",
+            min_value=1,
+            max_value=100,
+            value=50,
+            step=1,
+            help="最多爬取幾頁資料"
+        )
+
+        output_format = st.radio(
+            "輸出格式",
+            options=["CSV", "Excel", "兩者都要"],
+            index=1,
+            help="選擇要下載的檔案格式"
+        )
+
+        st.markdown("---")
+
+        # 使用說明
+        with st.expander("📖 使用說明"):
+            st.markdown("""
+            ### 參數說明：
+            - **起始偏移量**：從第幾筆資料開始爬取，通常設為0
+            - **每頁筆數**：每次API請求的資料筆數，建議30-50
+            - **最大頁數**：最多爬取幾頁，避免設定太大導致執行時間過長
+            - **輸出格式**：
+              - CSV：純文字格式，適合後續程式處理
+              - Excel：包含樣式格式的Excel檔案
+              - 兩者都要：同時產生CSV和Excel檔案
+
+            ### 注意事項：
+            - 爬取過程中請勿關閉瀏覽器
+            - 建議先用較小的參數測試
+            - 檔案會自動加上時間戳記避免重複
+            """)
+
+    # 主要內容區域
+    col1, col2 = st.columns([2, 1])
+
+    with col2:
+        start_scraping = st.button("🚀 開始爬取", type="primary", use_container_width=True)
+
+    # 執行爬取
+    if start_scraping:
+        # 驗證輸入參數
+        if start_offset < 0:
+            st.error("起始偏移量不能小於0")
+            return
+        if max_per <= 0 or max_per > 100:
+            st.error("每頁筆數必須在1-100之間")
+            return
+        if max_pages <= 0 or max_pages > 1000:
+            st.error("最大頁數必須在1-1000之間")
+            return
+
+        try:
+            # 建立進度條和狀��顯示
+            progress_bar = st.progress(0)
+            status_text = st.empty()
+
+            # 開始爬取資料
+            status_text.text("開始爬取資料...")
+            df = collect_all(start_offset, max_per, max_pages, progress_bar, status_text)
+
+            if df.empty:
+                st.warning("未爬取到任何資料")
+                return
+
+            # 產生時間戳記
+            timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")
+
+            # 完成狀態
+            progress_bar.progress(1.0)
+            status_text.text(f"✅ 成功爬取 {len(df)} 筆公司資料！")
+
+            # 顯示資料預覽
+            st.subheader("📊 資料預覽（前10筆）")
+            st.dataframe(df.head(10), use_container_width=True)
+
+            # 檔案下載區域
+            st.subheader("📁 檔案下載")
+
+            download_col1, download_col2 = st.columns(2)
+
+            if output_format in ["CSV", "兩者都要"]:
+                csv_data = save_to_csv(df)
+                with download_col1:
+                    st.download_button(
+                        label="⬇️ 下載 CSV 檔案",
+                        data=csv_data,
+                        file_name=f"companies_{timestamp}.csv",
+                        mime="text/csv",
+                        use_container_width=True
+                    )
+
+            if output_format in ["Excel", "兩者都要"]:
+                excel_data = save_to_excel(df)
+                with download_col2:
+                    st.download_button(
+                        label="⬇️ 下載 Excel 檔案",
+                        data=excel_data,
+                        file_name=f"companies_styled_{timestamp}.xlsx",
+                        mime="application/vnd.openxmlformats-officedocument.spreadsheetml.sheet",
+                        use_container_width=True
+                    )
+
+            # 顯示統計資訊
+            st.subheader("📈 統計資訊")
+            stat_col1, stat_col2, stat_col3 = st.columns(3)
+
+            with stat_col1:
+                st.metric("總公司數量", len(df))
+
+            with stat_col2:
+                st.metric("有網址的公司", len(df[df['公司網址'] != '']))
+
+            with stat_col3:
+                st.metric("執行頁數", min(max_pages, (len(df) // max_per) + 1))
+
+        except Exception as e:
+            st.error(f"❌ 爬取過程中發生錯誤：{str(e)}")
+
+if __name__ == "__main__":
+    main()