주식 회복 탄력성 지수 구하는 모듈 ver 1.0

	from bs4 import BeautifulSoup
	import requests
	import urllib
	import datetime, time
	from prettytable import PrettyTable
	## resilience 주식의 회복 탄력성을 계산해주는 로직
	class Resilience :
	# 1~ 513 페이지를 네비게이션하면서 1996년도에서 오늘까지의 일일 종가 데이터를 가져온다.
	domainUrl = 'http://finance.naver.com/item/sise_day.nhn?code='
	pageUrl = '&page='
	threshold_DroppedPersent = 5
	threshold_MaxDayToCountupRecoveryTime = 1000
	def main(self, code):
	prices = Resilience.getPricesFromWeb(self, code)
	dropPrices = Resilience.getDropBadlyList(self,prices)
	dropPrices = Resilience.calculateDaysToBeRecovered(self,prices,dropPrices)
	Resilience.printRecoveryReport(self,dropPrices)
	newsList = Resilience.getNewsList(self,code)
	dropPrices = Resilience.appendRelatedNewsOnDroppedDay(self,dropPrices,newsList)
	Resilience.printResultWithNews(self,dropPrices)
	def getPricesFromWeb(self, code):
	# last page 구하는 로직 구현
	last_page_index = 50
	list = []
	for page in range(1, last_page_index):
	url = Resilience.domainUrl + code + str(Resilience.pageUrl) + str(page)
	source_code = requests.get(url, timeout=None)
	soup = BeautifulSoup(source_code.text, 'lxml')
	tableSoup = soup.find('table', attrs={'class', 'type2'})
	trSoup = tableSoup.find_all('tr')
	i = 0
	rowcount = 0;
	for tr in trSoup:
	i = i + 1
	if i > 2 and i < 16 and i <= len(tr):
	if i == 8 or i == 9 or i == 10:
	continue
	j = 0
	dic = {}
	for td in tr:
	j = j + 1
	if j == 2:
	date_str = str(td.span.text)
	date_str = date_str.replace(".", "")
	dic['date'] = datetime.date(int(date_str[0:4]), int(date_str[4:6]), int(date_str[6:8]))
	if j == 4:
	price = str(td.span.text)
	dic['price'] = int(price.replace(',', ''))
	if j == 6:
	change = str(td.span.text).strip()
	if change != '0':
	if td.img['src'].endswith('ico_up.gif') or td.img['src'].endswith('ico_up2.gif'):
	dic['change'] = int(change.replace(',', ''))
	else:
	dic['change'] = -1 * int(change.replace(',', ''))
	else:
	dic['change'] = 0
	list.append(dic)
	return list
	def getDropBadlyList(self, list):
	# 하루 등락률이 10프로 하락하는 지점을 찾는다. 하락을 했다면 그날의 시가를 가지고 향후 언제 그 가격을 넘어서는지를 찾을 것이다.
	# 전날 종가를 기준으로 등락률을 매기는게 맞는데 그냥 당일 종가와 등락 가격을 가지고 퍼센티지를 계산함.
	drop_badly_list = []
	for day in list :
	#print(day['date'] + " : " + str(day['price']) + " : " + str(day['change']))
	percent = ( day['price'] + day['change'] ) / day['price'] * 100 - 100
	#print(day['date'] + " : " + str(percent))
	if percent < -1 * Resilience.threshold_DroppedPersent :
	drop_badly_list.append(day)
	# 그래서 우선 list를 filter해서 가지고 있고 그 시가를 가지고 있는 list를 만들 것이다. 그리고 이 filtered_list를 가지고 다시 원래의 list
	return drop_badly_list
	# 우선 특정 % 이상 떨어진 일자들을 얻고 각각 일자에 대해 전날 종가 가격으로의 회복 기간이 얼마 소요되었는지 하고 그것에 대한 평균도 구하도록 한다.
	# threshold 한계값 정해서 이 값을 넘을 경우는 실제 계산에서 배제를 하도록 한다. : 추가 기능
	def calculateDaysToBeRecovered(self, list, drop_badly_list):
	# 날짜 오름차순으로 변경
	list.reverse()
	recovery = []
	for drop_day in drop_badly_list:
	change = drop_day['change']
	yesterdayPrice = drop_day['price']
	d = drop_day['date']
	counting = 0
	isCounting = False
	element = {}
	for day in list:
	if day['date'] == d:
	isCounting = True
	yesterdayPrice -= change
	theDay = d
	if isCounting:
	if yesterdayPrice < day['price']:
	break
	else:
	counting = counting + 1
	# print(day['date'],day['price'])
	element['theDay'] = theDay
	element['counting'] = counting
	element['yesterdayPrice'] = yesterdayPrice
	recovery.append(element)
	return recovery
	def printRecoveryReport(self, recovery):
	t = PrettyTable(['5% 이상 떨어진 일자','회복하는데 걸린 일수', '회복해야하는 주가'])
	for ele in recovery:
	t.add_row([ele['theDay'], ele['counting'], ele['yesterdayPrice']])
	print(t)
	# for ele in recovery :
	# print('----------------------------')
	# print('5% 이상 떨어진 일자 : ', ele['theDay'])
	# print('회복하는데 걸린 일수 : ', ele['counting'])
	# print('회복해야하는 주가 : ', ele['yesterdayPrice'])
	sum = 0
	for ele in recovery :
	sum = sum + ele['counting']
	print('The average of days to recover is ' , sum/len(recovery))
	def getNewsList(self, code):
	# 그다음 이시기에 어떤 뉴스가 있었는지를 찾기 위해서 네이버 증권의 뉴스데이터를 이용한다.
	news_domain = 'http://finance.naver.com/item/news_news.nhn?code='+ code
	news_domain_with_pageNo = 'http://finance.naver.com/item/news_news.nhn?code=' + code + '&page='
	source_code = requests.get(news_domain, timeout=None)
	soup = BeautifulSoup(source_code.text, 'lxml')
	tableSoup = soup.find('table', attrs={'class', 'Nnavi'} )
	td = tableSoup.find('td', attrs={'class','pgRR'}).a['href']
	last_page_index = int(td[td.index('page=') + 5:])
	last_page_index = 300
	news_list = []
	# for page in range(1,last_page_index) :
	for page in range(600, 900):
	url = news_domain_with_pageNo + str(page)
	source_code = requests.get(url, timeout=None)
	soup = BeautifulSoup(source_code.text, 'lxml')
	newsTabelSoup = soup.find('table', attrs={'class', 'type2'})
	trSoup = newsTabelSoup.find_all('tr')
	i = 0
	rowcount = 0;
	for tr in trSoup:
	i = i + 1
	if i > 2 and i < 16:
	if i == 8 or i == 9:
	continue
	j = 0
	dic = {}
	for td in tr:
	j = j + 1
	if j == 2:
	strDate = str(td.span.text)
	# print(strDate)
	yyyy = int(strDate[0:4])
	mm = int(strDate[5:7])
	dd = int(strDate[8:10])
	# 나중에 시간이 오후 3시 30분 이후에 있는건 제외를 하자. 다음날 영향 변수
	hh = int(strDate[11:13])
	minutes = int(strDate[14:16])
	# dic['date'] = str(td.span.text)
	dic['date'] = datetime.date(int(yyyy), int(mm), int(dd))
	if j == 4:
	dic['title'] = td.a.text
	if j == 6:
	dic['publish'] = td.text
	news_list.append(dic)
	return news_list
	def appendRelatedNewsOnDroppedDay(self, recovery, news_list):
	for recv in recovery:
	d = recv['theDay']
	news_list2 = []
	for news in news_list:
	if news.get('date') == d:
	# print(news['title'])
	news_list2.append(news['title'])
	recv['news_list'] = news_list2
	return recovery
	def printResultWithNews(self, recovery):
	import pprint
	pprint.pprint(recovery)
	#print(recovery)
	# t = PrettyTable(['Date','Original Price', 'DaysToBeRecovered', 'NewsList'])
	#
	# for recv in recovery:
	# t.add_row([recv['theDay'], recv['yesterdayPrice'], recv['counting'], recv['news_list']])
	#
	# print(t)

view raw Resilience.py hosted with ❤ by GitHub