aishare-txt 1.0.1__py3-none-any.whl → 1.0.3__py3-none-any.whl

AIShareTxt/core/config.py

@@ -191,7 +191,7 @@ class IndicatorConfig:
         
         # DeepSeek AI配置
         'deepseek': {
-            'api_key': os.environ.get('DEEPSEEK_API_KEY', 'sk-76e7edcd5796492a907d1f11c121f602'),  # DeepSeek API密钥（从环境变量获取）
+            'api_key': os.environ.get('DEEPSEEK_API_KEY'),  # DeepSeek API密钥（从环境变量获取）
             'base_url': 'https://api.deepseek.com',  # DeepSeek API地址
             'model': 'deepseek-chat',  # 使用的模型
             'max_tokens': 100,       # 最大输出token数
@@ -200,7 +200,7 @@ class IndicatorConfig:
         
         # 智谱AI配置
         'zhipuai': {
-            'api_key': '554b0440621a402ba40c9ee3de113f29.wGxg4Y9PHYJ0D8BE',  # 智谱AI API密钥
+            'api_key': os.environ.get('ZHIPUAI_API_KEY'),  # 智谱AI API密钥
             'model': 'glm-4.5-flash',  # 使用的模型
             'max_tokens': 100,       # 最大输出token数
             'temperature': 0.6       # 控制随机性，降低以提高一致性

AIShareTxt/core/data_fetcher.py

@@ -8,8 +8,9 @@
 import akshare as ak
 import pandas as pd
 import numpy as np
+import pandas_market_calendars as mcal
 from typing import Optional, Union, cast
-from datetime import datetime, timedelta
+from datetime import datetime, timedelta, time
 from .config import IndicatorConfig as Config
 from ..utils.utils import LoggerManager
 import warnings
@@ -22,14 +23,122 @@ class StockDataFetcher:
     def __init__(self):
         self.config = Config()
         self.logger = LoggerManager.get_logger('data_fetcher')
+        # 获取上交所（SSE）日历
+        self.sse_calendar = mcal.get_calendar('SSE')
     
+    def _is_trading_day_and_not_closed(self) -> bool:
+        """
+        判断今天是否是交易日且未收盘
+
+        Returns:
+            bool: True表示今天是交易日且未收盘，False表示非交易日或已收盘
+        """
+        try:
+            now = datetime.now()
+            today = now.date()
+            current_time = now.time()
+
+            # 首先使用 pandas_market_calendars 判断是否为交易日
+            is_trading_day = self._is_trading_day(today)
+
+            if not is_trading_day:
+                self.logger.debug(f"今天 {today} 不是交易日")
+                return False
+
+            # 收盘时间：15:00
+            market_close = time(15, 0)
+
+            # 判断今天是否已收盘
+            is_market_closed = current_time >= market_close
+
+            self.logger.debug(f"当前时间: {now}")
+            self.logger.debug(f"是否为交易日: {is_trading_day}")
+            self.logger.debug(f"市场是否已收盘: {is_market_closed}")
+
+            # 如果是交易日且未收盘，返回True
+            return not is_market_closed
+
+        except Exception as e:
+            self.logger.warning(f"判断交易时间时出错：{str(e)}")
+            # 如果无法判断，返回False（保守处理）
+            return False
+
+    def _is_trading_day(self, date_to_check) -> bool:
+        """
+        判断指定日期是否为交易日
+
+        Args:
+            date_to_check: 要检查的日期
+
+        Returns:
+            bool: True表示是交易日，False表示非交易日
+        """
+        try:
+            # 获取日期前后的交易日历（扩大范围以确保能获取到数据）
+            start_date = date_to_check - timedelta(days=7)  # 往前7天
+            end_date = date_to_check + timedelta(days=7)    # 往后7天
+
+            schedule = self.sse_calendar.schedule(start_date=start_date, end_date=end_date)
+
+            if schedule.empty:
+                self.logger.debug(f"无法获取 {start_date} 到 {end_date} 的交易日历")
+                return self._fallback_trading_day_check(date_to_check)
+
+            # 检查指定日期是否在交易日历中
+            trading_days = schedule.index.date
+            is_trading = date_to_check in trading_days
+
+            self.logger.debug(f"使用日历检查 {date_to_check}: {'是交易日' if is_trading else '非交易日'}")
+            return is_trading
+
+        except Exception as e:
+            self.logger.warning(f"使用pandas_market_calendars判断交易日失败：{str(e)}")
+            # 如果 pandas_market_calendars 失败，回退到简单的周一到周五判断
+            return self._fallback_trading_day_check(date_to_check)
+
+    def _fallback_trading_day_check(self, date_to_check) -> bool:
+        """
+        备用的交易日判断方法（简单的周一到周五判断）
+
+        Args:
+            date_to_check: 要检查的日期
+
+        Returns:
+            bool: True表示是交易日，False表示非交易日
+        """
+        weekday = date_to_check.weekday()
+        is_trading = weekday < 5  # 0-4 是周一到周五
+        self.logger.debug(f"使用备用方法检查 {date_to_check}: {'是交易日' if is_trading else '非交易日'}")
+        return is_trading
+
+    def _remove_incomplete_trading_data(self, data: pd.DataFrame) -> pd.DataFrame:
+        """
+        如果今天是交易日且未收盘，移除最后一个不完整的交易日数据
+
+        Args:
+            data: 股票数据DataFrame
+
+        Returns:
+            处理后的DataFrame
+        """
+        if self._is_trading_day_and_not_closed():
+            self.logger.info("检测到当前为交易日且未收盘，移除最新不完整数据")
+            # 移除最后一行数据
+            if len(data) > 0:
+                data = data.iloc[:-1].copy()
+                self.logger.info(f"已移除最新数据，剩余 {len(data)} 条记录")
+        else:
+            self.logger.debug("当前为非交易日或已收盘，保留所有数据")
+
+        return data
+
     def _add_stock_prefix(self, stock_code: str) -> str:
         """
         为股票代码添加市场前缀
-        
+
         Args:
             stock_code (str): 6位股票代码，如 '000001'
-            
+
         Returns:
             str: 带前缀的股票代码，如 'sz000001' 或 'sh600000'
         """
@@ -110,11 +219,22 @@ class StockDataFetcher:
                 self.logger.error("数据类型错误：期望DataFrame类型")
                 return None
             data = data.sort_values('date').reset_index(drop=True)
-            
+
+            # 检查并处理未收盘的不完整数据
+            original_length = len(data)
+            data = self._remove_incomplete_trading_data(data)
+
+            if len(data) == 0:
+                self.logger.error("处理后数据为空")
+                return None
+
             self.logger.info(f"✓ 成功处理股票 {stock_code} 的数据，共 {len(data)} 条记录")
+            if original_length != len(data):
+                self.logger.info(f"已移除 {original_length - len(data)} 条不完整交易数据")
+
             self.logger.debug(f"数据日期范围: {data['date'].iloc[0]} 到 {data['date'].iloc[-1]}")
             self.logger.info(f"最新收盘价: {data['close'].iloc[-1]:.{self.config.DISPLAY_PRECISION['price']}f}")
-            
+
             return data
             
         except Exception as e:
@@ -211,10 +331,10 @@ class StockDataFetcher:
             stock_code (str): 股票代码，如 '000001'
             period (str): 周期，默认为 'daily'
             adjust (str): 复权类型，默认为 'qfq'
-            start_date (str): 开始日期，如 '20230101'，默认为当前时间往前推4个月
+            start_date (str): 开始日期，如 '20230101',默认为当前时间往前推4个月
         
         Returns:
-            pd.DataFrame or None: 股票数据DataFrame，失败返回None
+            pd.DataFrame or None: 股票数据DataFrame,失败返回None
         """
         if period is None:
             period = self.config.DATA_CONFIG['default_period']
@@ -253,51 +373,58 @@ class StockDataFetcher:
             self.logger.info("4. 股票代码不存在或已退市")
             return None
         
+
+        
         # 处理数据
         return self._process_stock_data(raw_data, stock_code)
     
     def get_fund_flow_data(self, stock_code):
         """
         获取主力资金流数据
-        
+
         Args:
             stock_code (str): 股票代码
-            
+
         Returns:
             dict: 资金流数据字典
+
+        Note:
+            akshare 的 stock_individual_fund_flow API 已经处理了交易日不完整数据的问题，
+            不需要额外移除当日数据
         """
         try:
             self.logger.info("正在获取主力资金流数据...")
-            
+
             fund_flow_data = {}
-            
+
             # 获取个股资金流数据
             try:
                 # 根据股票代码判断市场
                 market = self._determine_market(stock_code)
                 fund_df = ak.stock_individual_fund_flow(stock=stock_code, market=market)
-                
+
                 if fund_df is not None and len(fund_df) > 0:
                     # 获取最新一天的数据
                     latest_row = fund_df.iloc[-1]
-                    
+
                     # 解析资金流数据
                     fund_flow_data = self._parse_fund_flow_data(latest_row)
-                    
+
                     # 计算5日累计数据
                     if len(fund_df) >= 5:
                         fund_flow_data.update(self._calculate_5day_fund_flow(fund_df))
-                    
+
                     self.logger.info("✓ 主力资金流数据获取成功")
-                    
+                    self.logger.debug(f"资金流数据范围: {fund_df.iloc[0].get('日期', 'N/A')} 到 {fund_df.iloc[-1].get('日期', 'N/A')}")
+
             except Exception as e:
                 self.logger.warning(f"获取个股资金流数据失败：{str(e)}")
-            
+
             # 数据清洗和格式化
             fund_flow_data = self._clean_fund_flow_data(fund_flow_data)
-            
+
             return fund_flow_data
-            
+
         except Exception as e:
             self.logger.error(f"获取主力资金流数据失败：{str(e)}")
             return {}

{aishare_txt-1.0.1.dist-info → aishare_txt-1.0.3.dist-info}/METADATA

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: aishare-txt
-Version: 1.0.1
+Version: 1.0.3
 Summary: 中国股票技术指标文本生成工具包，用于为金融分析相关领域的AI智能体提供上下文服务。
 Home-page: https://gitee.com/chaofanat/aishare-txt
 Author: AIShareTxt Team
@@ -23,6 +23,7 @@ Requires-Dist: TA-Lib>=0.4.26
 Requires-Dist: pandas>=1.5.0
 Requires-Dist: numpy>=1.21.0
 Requires-Dist: requests>=2.28.0
+Requires-Dist: pandas_market_calendars>=1.1.0
 Requires-Dist: openai>=1.0.0
 Requires-Dist: zhipuai>=2.0.0
 Provides-Extra: dev
@@ -77,26 +78,38 @@ AIShareTxt是一个功能强大的Python股票技术指标分析工具包，提
 ### 安装方法
 
 ```bash
-# 从源码安装（推荐）
-git clone https://github.com/your-repo/aishare-txt.git
+# 从源码安装
+git clone https://gitee.com/chaofanat/aishare-txt
 cd aishare-txt
 pip install -e .
 
-# 或者直接安装依赖后使用项目
-pip install -r requirements.txt
+# 或者直接安装使用项目（推荐）
+pip install aishare-txt
 ```
 
+
 ### 依赖说明
 
 项目会自动安装以下核心依赖：
 - `akshare>=1.9.0` - 股票数据获取
-- `TA-Lib>=0.4.26` - 技术指标计算
+- `TA-Lib>=0.4.26` - 技术指标计算（**需先系统级安装 TA-Lib 二进制库，详见下方提示**）
 - `pandas>=1.5.0` - 数据处理
 - `numpy>=1.21.0` - 数值计算
 - `requests>=2.28.0` - HTTP请求
 - `openai>=1.0.0` - AI分析（可选）
 - `zhipuai>=2.0.0` - AI分析（可选）
 
+> ⚠️ **(https://ta-lib.org/install/)[TA-Lib] 系统级安装提示**  
+> 在 Linux/macOS 上请先执行：  
+> ```bash
+> # Ubuntu/Debian
+> sudo apt-get install -y build-essential python3-dev ta-lib
+> # macOS (Homebrew)
+> brew install ta-lib
+> ```  
+> Windows 用户请下载对应 Python 版本的 [TA-Lib 预编译 whl](https://github.com/cgohlke/talib-build) 后手动安装。  
+> 否则 `pip install TA-Lib` 会因缺少底层 C 库而失败。
+
 ## 📖 快速开始
 
 ### 基本使用
@@ -232,19 +245,86 @@ AIShareTxt/
 
 ### AI配置
 
-在使用AI功能前，需要配置API密钥：
+在使用AI功能前，需要配置API密钥。项目支持DeepSeek和智谱AI两种AI服务：
 
 1. **DeepSeek配置**
-```python
-# 设置环境变量
-export DEEPSEEK_API_KEY="your_deepseek_api_key"
-```
+   - 需要设置环境变量 `DEEPSEEK_API_KEY`
+   - 获取API密钥：访问 [DeepSeek官网](https://platform.deepseek.com/) 注册并获取API密钥
+   
+   **Windows系统设置方法：**
+   ```powershell
+   # 临时设置（当前会话有效）
+   $env:DEEPSEEK_API_KEY="your_deepseek_api_key"
+   
+   # 永久设置（需要管理员权限）
+   setx DEEPSEEK_API_KEY "your_deepseek_api_key"
+   ```
+   
+   **Linux/macOS系统设置方法：**
+   ```bash
+   # 临时设置（当前会话有效）
+   export DEEPSEEK_API_KEY="your_deepseek_api_key"
+   
+   # 永久设置（添加到~/.bashrc或~/.zshrc）
+   echo 'export DEEPSEEK_API_KEY="your_deepseek_api_key"' >> ~/.bashrc
+   source ~/.bashrc
+   ```
 
 2. **智谱AI配置**
-```python
-# 在代码中配置
-ai_client = AIClient(api_key="your_zhipuai_api_key", provider="zhipuai")
-```
+   - 需要设置环境变量 `ZHIPUAI_API_KEY`
+   - 获取API密钥：访问 [智谱AI官网](https://open.bigmodel.cn/) 注册并获取API密钥
+   
+   **Windows系统设置方法：**
+   ```powershell
+   # 临时设置（当前会话有效）
+   $env:ZHIPUAI_API_KEY="your_zhipuai_api_key"
+   
+   # 永久设置（需要管理员权限）
+   setx ZHIPUAI_API_KEY "your_zhipuai_api_key"
+   ```
+   
+   **Linux/macOS系统设置方法：**
+   ```bash
+   # 临时设置（当前会话有效）
+   export ZHIPUAI_API_KEY="your_zhipuai_api_key"
+   
+   # 永久设置（添加到~/.bashrc或~/.zshrc）
+   echo 'export ZHIPUAI_API_KEY="your_zhipuai_api_key"' >> ~/.bashrc
+   source ~/.bashrc
+   ```
+
+3. **验证环境变量设置**
+   ```python
+   import os
+   
+   # 检查环境变量是否设置成功
+   deepseek_key = os.environ.get('DEEPSEEK_API_KEY')
+   zhipuai_key = os.environ.get('ZHIPUAI_API_KEY')
+   
+   print(f"DeepSeek API Key: {'已设置' if deepseek_key else '未设置'}")
+   print(f"智谱AI API Key: {'已设置' if zhipuai_key else '未设置'}")
+   ```
+
+4. **在代码中使用**
+   ```python
+   from AIShareTxt.ai.client import AIClient
+   
+   # 使用DeepSeek（默认）
+   ai_client = AIClient(provider="deepseek")
+   
+   # 使用智谱AI
+   ai_client = AIClient(provider="zhipuai")
+   
+   # 进行AI分析
+   if ai_client.is_available():
+       advice = ai_client.analyze_investment_recommendation(
+           technical_report="技术分析报告内容",
+           stock_code="000001"
+       )
+       print(f"AI投资建议: {ai_client.get_recommendation_text(advice)}")
+   else:
+       print("AI功能不可用，请检查API配置")
+   ```
 
 ### 分析配置
 
@@ -382,9 +462,9 @@ batch_analysis()
 
 ## 📞 联系方式
 
-- 项目主页: https://github.com/your-repo/aishare-txt
-- 问题反馈: https://github.com/your-repo/aishare-txt/issues
-- 邮箱: aishare@example.com
+- 项目主页: https://github.com/chaofanat/aishare-txt
+- 问题反馈: https://github.com/chaofanat/aishare-txt/issues
+- 邮箱: chaofanat@gmail.com
 
 ## 🙏 致谢
 

{aishare_txt-1.0.1.dist-info → aishare_txt-1.0.3.dist-info}/RECORD

@@ -4,8 +4,8 @@ AIShareTxt/ai/client.py,sha256=eYwiTZMCHBoKzbO60l0EXXB56q4MYxVAJSMwRo9jbYw,11620
 AIShareTxt/ai/providers/__init__.py,sha256=xTHQjb3D8uhzORRK0PLIAtMGQjBiOAB1Ku_W56KWopU,140
 AIShareTxt/core/__init__.py,sha256=amDOtASzAiPWcFF7bpqUDcbrnMB9cvbi3yb4XGUVkzs,390
 AIShareTxt/core/analyzer.py,sha256=wSRKzILTI-bZSflcXv9l_nBXsfk3-K2f8OBjMQpHf6M,18277
-AIShareTxt/core/config.py,sha256=tSsnBijqtJN573I8n0tTqpGeXqea16-22U6WWGJ6tSY,10190
-AIShareTxt/core/data_fetcher.py,sha256=ziPs0jgd4D3BS5D5Kdttt3AR2EZOWdI1d9s6-sJYWB8,19786
+AIShareTxt/core/config.py,sha256=Y0MEqxkrRU0KYkEoP7maQPNyOYr8Klf7xBhpJnCxP8Q,10133
+AIShareTxt/core/data_fetcher.py,sha256=jUKvgOIEyfqHlX60Q55U_EMjW8YwlrCVFqmly-72vhY,24650
 AIShareTxt/core/report_generator.py,sha256=0oLwwplpnnll_QLwUq8lB3lFFtmp2sh2fE1PXENo2pg,34914
 AIShareTxt/docs/AI_INTEGRATION.md,sha256=o_LShuGc2yflg-GtB9jZfoSI7FoLE7azLJ2KaZbdzwE,4826
 AIShareTxt/docs/README_重构说明.md,sha256=ESqc8LrIjzdkvYT6EwPsovsy1D7erFg0Wrw7SlhWeeE,6067
@@ -17,9 +17,9 @@ AIShareTxt/tests/__init__.py,sha256=MlKVJxxbjvhfSuwtqxm3oTCvuR4vKKAF2RnteIreMzI,
 AIShareTxt/utils/__init__.py,sha256=0uIK4zwLAskgc6gWaJb1jLLYBuymHS4cB_bTezRz0W0,324
 AIShareTxt/utils/stock_list.py,sha256=XNB5L38zcrGAfrfbKCkr6rX0LgvC-ARZEZ6Yw_7AmUg,12643
 AIShareTxt/utils/utils.py,sha256=moitjd_pInNX0AuLMDH68zHoJExn_LRIWXSHAedqR3A,18626
-aishare_txt-1.0.1.dist-info/licenses/LICENSE,sha256=XSvtcrKVUiuUFjMkfG9j3uejIjZQY17bVdkVb4Ztxlk,9441
-aishare_txt-1.0.1.dist-info/METADATA,sha256=kMmNw0dafL7Wz1ItquOcK_SoeZXuHfR6GH8UYKlXYZg,10467
-aishare_txt-1.0.1.dist-info/WHEEL,sha256=_zCd3N1l69ArxyTb8rzEoP9TpbYXkqRFSNOD5OuxnTs,91
-aishare_txt-1.0.1.dist-info/entry_points.txt,sha256=oBpEICBCJsNJi8FpvmswG1rqeRMNz6c2KmVhZyEqXts,58
-aishare_txt-1.0.1.dist-info/top_level.txt,sha256=xblaN5YdcyV6_Y9T9yFQgC7uettcJc8gKYCmw4UW9I4,11
-aishare_txt-1.0.1.dist-info/RECORD,,
+aishare_txt-1.0.3.dist-info/licenses/LICENSE,sha256=XSvtcrKVUiuUFjMkfG9j3uejIjZQY17bVdkVb4Ztxlk,9441
+aishare_txt-1.0.3.dist-info/METADATA,sha256=A2CXNVfrIxYHOmPkv1cloacZRfq3QNE0n-27lIrZAzA,13330
+aishare_txt-1.0.3.dist-info/WHEEL,sha256=_zCd3N1l69ArxyTb8rzEoP9TpbYXkqRFSNOD5OuxnTs,91
+aishare_txt-1.0.3.dist-info/entry_points.txt,sha256=oBpEICBCJsNJi8FpvmswG1rqeRMNz6c2KmVhZyEqXts,58
+aishare_txt-1.0.3.dist-info/top_level.txt,sha256=xblaN5YdcyV6_Y9T9yFQgC7uettcJc8gKYCmw4UW9I4,11
+aishare_txt-1.0.3.dist-info/RECORD,,