Create app.py

app.py

@@ -0,0 +1,65 @@
+import pandas as pd
+import requests
+from bs4 import BeautifulSoup
+import plotly.express as px
+import streamlit as st
+
+# Streamlit 應用程式標題
+st.title("各區餐廳數量分佈分析")
+
+# 從 Google 試算表中讀取 URLs
+sheet_id = "1SvHM_eV2hoPcOEB4bOnrUMbUCzslPnmHEn6qI7WuOqk"
+urls_df = pd.read_csv(f"https://docs.google.com/spreadsheets/d/{sheet_id}/export?format=csv")
+
+# 將 URLs 轉換為列表
+urls = urls_df['網址'].tolist()  # 假設表格中的URL列名為"網址"
+
+# 初始化一個空的 DataFrame 列表來儲存所有資料
+df_list = []
+
+# 迭代每個網址並抓取資料
+for url in urls:
+    response = requests.get(url)
+    soup = BeautifulSoup(response.content, 'html.parser')
+    
+    # 解析並抓取所需資料
+    title = soup.find('h1', class_='restaurant-details__heading--title').text.strip()
+    address = soup.find('li', class_='restaurant-details__heading--address').text.strip()
+    
+    # 手機號碼處理
+    phone_tag = soup.find('a', {'data-event': 'CTA_tel'})
+    phone = phone_tag['href'].replace('tel:', '') if phone_tag else 'N/A'
+    
+    description = soup.find('div', class_='restaurant-details__description--text').text.strip()
+    
+    # 將抓取的資料新增到列表中
+    df_list.append({'Title': title, 'Address': address, 'Phone': phone, 'Description': description})
+
+# 使用 pd.DataFrame() 將所有資料合併成一個 DataFrame
+df = pd.DataFrame(df_list)
+
+# 從地址中提取區域
+df['District'] = df['Address'].str.extract(r'(\w+區)')
+
+# 統計每個區的商家數量
+district_counts = df['District'].value_counts().reset_index()
+district_counts.columns = ['District', 'Count']
+
+# 繪製柱狀圖
+fig_bar = px.bar(district_counts, x='District', y='Count', title='各區餐廳數量分佈')
+fig_bar.update_layout(xaxis_title='區域', yaxis_title='餐廳數量')
+
+# 繪製圓餅圖
+fig_pie = px.pie(district_counts, values='Count', names='District', title='各區餐廳比例')
+
+# 使用 Streamlit 顯示圖表
+st.plotly_chart(fig_bar)
+st.plotly_chart(fig_pie)
+
+# 顯示統計結果
+st.write("各區餐廳數量統計表")
+st.dataframe(district_counts)
+
+# 顯示原始數據框
+st.write("原始餐廳資料")
+st.dataframe(df)