Step1: 爬蟲爬起來!

Step2:對表格做爬蟲

"""
需要修改的部分：
<目標 url>:你要爬取的網頁的URL。
<表格選擇器>:選擇表格元素的CSS選擇器。
<標籤>和<類別>:表格行的標籤和類別。
<列標籤>:表格列的標籤。
<列數>:表格中應有的列數。
<列名稱>:列的名稱，用於字典鍵值。
<文件名>:保存CSV文件的名稱。
"""
from selenium import webdriver
from selenium.webdriver.chrome.service import Service
from selenium.webdriver.common.by import By
from selenium.webdriver.chrome.options import Options
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from bs4 import BeautifulSoup
import os
import csv
import time
from webdriver_manager.chrome import ChromeDriverManager

# 設定選項
options = Options()
options.headless = False  # 設為 True 以啟動 headless 模式
options.add_argument('--disable-gpu')
options.add_argument('--no-sandbox')
options.add_argument('--disable-dev-shm-usage')

# 使用 webdriver_manager 安裝並啟動 ChromeDriver
service = Service(ChromeDriverManager().install())
driver = webdriver.Chrome(service=service, options=options)

# 請求目標 URL
url = '<目標 url>'
driver.get(url)

# 等待頁面加載並抓取內容
time.sleep(10)  # 增加等待時間

# 等待表格元素出現
wait = WebDriverWait(driver, 10)
try:
    table = wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, '<表格選擇器>')))
    print("表格已找到")
except Exception as e:
    print(f"表格未找到: {e}")
    driver.quit()
    exit()

# 解析頁面
soup = BeautifulSoup(driver.page_source, 'html.parser')

# 提取數據函數
def get_data(soup):
    table_rows = soup.find_all('<標籤>', {'class': '<類別>'})
    if not table_rows:
        print("無法找到表格")
        return []

    data = []
    for row in table_rows:
        columns = row.find_all('<列標籤>')
        # if len(columns) == <列數>:  # 確保有適當數量的數據列(Integer)
        if len(columns) == 7:  # e.g
            data.append({
                '<列名稱1>': columns[0].get_text(strip=True),
                '<列名稱2>': columns[1].get_text(strip=True),
                '<列名稱3>': columns[2].get_text(strip=True),
                # 根據實際情況添加更多列
            })
    return data

# 提取數據並打印
data = get_data(soup)
for item in data:
    print(item)

# 保存數據到CSV文件
def save_to_csv(data, filename):
    if not data:
        print("無數據可保存")
        return
    keys = data[0].keys()
    with open(filename, 'w', newline='', encoding='utf-8-sig') as output_file:
        dict_writer = csv.DictWriter(output_file, fieldnames=keys)
        dict_writer.writeheader()
        dict_writer.writerows(data)

# 保存到文件
filename = os.path.join(os.path.dirname(__file__), 'csv/<文件名>.csv')
save_to_csv(data, filename)

print(f"數據已保存到 {filename}")

# 關閉瀏覽器
driver.quit()


                        
																

Step3: 各模組統計分析

---

NVIDIA(英偉達)

versus

QUANTA(廣達)

---

結論
對於 NVIDIA 和 QUANTA 的平均股價進行了統計分析，並獲得了以下結果：

• NVIDIA 六月份的平均股價之 95% 信賴區間為 [101.56, 112.34]。
• QUANTA 六月份的平均股價之 95% 信賴區間為 [278.80, 284.30]。

進一步檢驗了 NVIDIA 和 QUANTA 之間的平均股價是否存在顯著差異。檢驗結果如下：

• 虛無(零)假設 (H0):μ1 = μ2
• 對立假設 (H1)：μ1 ≠ μ2
• T 統計量：-60.2361
• P 值：0.0000
• 在α = 0.05下拒絕虛無假設

這意味著我們有足夠的證據認為 NVIDIA 和 QUANTA 的平均股價存在顯著差異。

總結
通過這次分析，我們發現 NVIDIA 和 QUANTA 的平均股價在統計上有顯著不同。股價漲動因素複雜，人性、環境、景氣...等諸多因素影響，兩公司之間並不會顯著關聯。