Update app-backup2.py

app-backup2.py

@@ -141,37 +141,72 @@ def display_results(articles):
         output += f"요약: {article['snippet']}\n\n"
     return output
 
+
+########################################
+# 1) 검색 시 => 기사 + 분석 동시 출력, DB 저장
+########################################
 def search_company(company):
     """
-    단일 기업(또는 키워드)에 대해 미국 뉴스 검색, DB 저장 후 결과 Markdown 반환
+    단일 기업(또는 키워드)에 대해 미국 뉴스 검색 후,
+    1) 기사 목록 + 2) 감성 분석 보고를 함께 출력
+    => { "articles": [...], "analysis": ... } 형태로 DB에 저장
     """
     error_message, articles = serphouse_search(company, "United States")
     if not error_message and articles:
-        save_to_db(company, "United States", articles)
-        return display_results(articles)
+        # 감성 분석
+        analysis = analyze_sentiment_batch(articles, client)
+        
+        # DB 저장용 데이터 구성
+        store_dict = {
+            "articles": articles,
+            "analysis": analysis
+        }
+        save_to_db(company, "United States", store_dict)
+        
+        # 화면 출력용
+        output = display_results(articles)
+        output += f"\n\n### 분석 보고\n{analysis}\n"
+        return output
     return f"{company}에 대한 검색 결과가 없습니다."
 
+########################################
+# 2) 출력 시 => DB에 저장된 기사 + 분석 함께 출력
+########################################
 def load_company(company):
     """
-    DB에서 단일 기업(또는 키워드)의 미국 뉴스 검색 결과를 불러와 Markdown 반환
+    DB에서 단일 기업(또는 키워드)의 미국 뉴스 검색 결과를 불러와
+    기사 목록 + 분석 결과를 함께 출력
     """
-    results, timestamp = load_from_db(company, "United States")
-    if results:
-        return f"### {company} 검색 결과\n저장 시간: {timestamp}\n\n" + display_results(results)
+    data, timestamp = load_from_db(company, "United States")
+    if data:
+        # data는 { "articles": [...], "analysis": "..."} 형태
+        articles = data.get("articles", [])
+        analysis = data.get("analysis", "")
+        
+        output = f"### {company} 검색 결과\n저장 시간: {timestamp}\n\n"
+        output += display_results(articles)
+        output += f"\n\n### 분석 보고\n{analysis}\n"
+        return output
     return f"{company}에 대한 저장된 결과가 없습니다."
 
+
+########################################
+# 3) 기존 show_stats()에서 리포트 제목 변경
+########################################
 def show_stats():
     """
     KOREAN_COMPANIES 목록 내 모든 기업에 대해:
       - 가장 최근 DB 저장 일자
       - 기사 수
       - 감성 분석 결과
-    를 순차(또는 병렬)로 조회하여 보고서 형태로 반환
+    를 병렬처리로 조회하여 보고서 형태로 반환
+    
+    (문구 변경) "한국 기업 뉴스 분석 리포트" -> "EarnBOT 분석 리포트"
     """
     conn = sqlite3.connect("search_results.db")
     c = conn.cursor()
     
-    output = "## 한국 기업 뉴스 분석 리포트\n\n"
+    output = "## EarnBOT 분석 리포트\n\n"  # 여기서 문구 변경
     
     # 모든 기업에 대해 DB에서 읽어올 (company, timestamp, articles) 목록 수집
     data_list = []
@@ -187,45 +222,48 @@ def show_stats():
         row = c.fetchone()
         if row:
             results_json, timestamp = row
-            articles = json.loads(results_json)
-            seoul_time = convert_to_seoul_time(timestamp)
-            data_list.append((company, seoul_time, articles))
+            data_list.append((company, timestamp, results_json))
     
     conn.close()
     
-    # (옵션) 각 기업 감성 분석을 병렬 처리
+    # 감성 분석 병렬 처리 함수
     def analyze_data(item):
-        comp, tstamp, arts = item
-        sentiment = ""
-        if arts:
-            sentiment = analyze_sentiment_batch(arts, client)
-        return (comp, tstamp, len(arts), sentiment)
+        comp, tstamp, results_json = item
+        data = json.loads(results_json)
+        articles = data.get("articles", [])
+        analysis = data.get("analysis", "")
+        
+        count_articles = len(articles)
+        # 여기서는 이미 DB에 "analysis"가 들어 있으므로, 
+        # 굳이 재분석할 필요가 없으면 그대로 사용
+        # (필요 시 재분석 가능)
+        
+        return (comp, tstamp, count_articles, analysis)
 
-    # ThreadPoolExecutor로 병렬 감성 분석
     results_list = []
     with ThreadPoolExecutor(max_workers=5) as executor:
         futures = [executor.submit(analyze_data, dl) for dl in data_list]
         for future in as_completed(futures):
             results_list.append(future.result())
     
-    # 결과 정렬(원하는 순서대로) - 여기서는 기업명 기준 or 그냥 순서 없음
-    for comp, tstamp, count, sentiment in results_list:
+    # 결과 출력
+    for comp, tstamp, count, analysis in results_list:
+        seoul_time = convert_to_seoul_time(tstamp)
         output += f"### {comp}\n"
-        output += f"- 마지막 업데이트: {tstamp}\n"
+        output += f"- 마지막 업데이트: {seoul_time}\n"
         output += f"- 저장된 기사 수: {count}건\n\n"
-        if sentiment:
+        if analysis:
             output += "#### 뉴스 감성 분석\n"
-            output += f"{sentiment}\n\n"
+            output += f"{analysis}\n\n"
         output += "---\n\n"
     
     return output
 
 
-### (1) 전체 검색: 멀티스레드 적용
 def search_all_companies():
     """
-    KOREAN_COMPANIES 리스트 내 모든 기업에 대해, 
-    검색을 병렬(쓰레드)로 수행 후 결과를 합쳐 Markdown 형태로 반환
+    KOREAN_COMPANIES 리스트 내 모든 기업 검색 (멀티스레딩) => 
+    => 분석 + DB 저장 => 결과 Markdown 반환
     """
     overall_result = "# [전체 검색 결과]\n\n"
     
@@ -243,8 +281,8 @@ def search_all_companies():
 
 def load_all_companies():
     """
-    KOREAN_COMPANIES 리스트 내 모든 기업에 대해,
-    DB에서 불러온 결과를 순차(또는 병렬)로 합쳐서 Markdown 형태로 반환
+    KOREAN_COMPANIES 리스트 내 모든 기업 DB 불러오기 => 
+    기사 목록 + 분석 보고 => 결과 Markdown
     """
     overall_result = "# [전체 출력 결과]\n\n"
     
@@ -256,22 +294,22 @@ def load_all_companies():
 
 def full_summary_report():
     """
-    (1) 모든 기업 검색 -> (2) DB에서 모든 기업 불러오기 -> (3) 감성 분석 통계
+    (1) 모든 기업 검색(병렬) -> (2) DB에서 불러오기 -> (3) 감성 분석 통계
     순서대로 실행하여, 전체 리포트를 합쳐 반환
     """
-    # 1) 전체 검색(병렬)
+    # 1) 전체 검색(병렬) => 기사 + 분석 DB 저장
     search_result_text = search_all_companies()
     
-    # 2) 전체 출력(순차)
+    # 2) 전체 출력 => DB에 저장된 기사 + 분석 결과
     load_result_text = load_all_companies()
     
-    # 3) 전체 통계(감성 분석)
+    # 3) 전체 통계(감성 분석) - 리포트 제목 변경됨(EarnBOT 분석 리포트)
     stats_text = show_stats()
     
     combined_report = (
         "# 전체 분석 보고 요약\n\n"
         "아래 순서로 실행되었습니다:\n"
-        "1. 모든 종목 검색(병렬) → 2. 모든 종목 DB 결과 출력 → 3. 전체 감성 분석 통계\n\n"
+        "1. 모든 종목 검색(병렬) + 분석 => 2. 모든 종목 DB 결과 출력 => 3. 전체 감성 분석 통계\n\n"
         f"{search_result_text}\n\n"
         f"{load_result_text}\n\n"
         "## [전체 감성 분석 통계]\n\n"
@@ -280,46 +318,54 @@ def full_summary_report():
     return combined_report
 
 
-### (2) 사용자 임의 검색 + 국가 선택 기능
+########################################
+# 사용자 임의 검색 (추가 기능)
+########################################
 def search_custom(query, country):
     """
-    사용자가 입력한 (query, country)를 대상으로 
-    - 검색 (API 요청) 
-    - DB 저장 
-    - DB 로드 후 감성 분석 
-    - 최종 결과를 Markdown 형태로 반환
+    사용자가 입력한 (query, country)에 대해 
+    1) 검색 + 분석 => DB 저장
+    2) DB 로드 => 결과(기사 목록 + 분석) 출력
     """
-    # 1) 검색
     error_message, articles = serphouse_search(query, country)
     if error_message:
         return f"오류 발생: {error_message}"
     if not articles:
         return "검색 결과가 없습니다."
     
-    # 2) DB 저장
-    save_to_db(query, country, articles)
+    # 1) 분석
+    analysis = analyze_sentiment_batch(articles, client)
     
-    # 3) DB에서 다시 불러오기
-    results, timestamp = load_from_db(query, country)
-    if not results:
-        return f"DB 로드 실패: 저장된 결과가 없습니다."
+    # 2) DB 저장
+    save_data = {
+        "articles": articles,
+        "analysis": analysis
+    }
+    save_to_db(query, country, save_data)
     
-    # 4) 감성 분석
-    sentiment_analysis = analyze_sentiment_batch(results, client)
+    # 3) DB 재로드
+    loaded_data, timestamp = load_from_db(query, country)
+    if not loaded_data:
+        return "DB에서 로드 실패"
+
+    # 4) 결과 표시
+    out = f"## [사용자 임의 검색 결과]\n\n"
+    out += f"**키워드**: {query}\n\n"
+    out += f"**국가**: {country}\n\n"
+    out += f"**저장 시간**: {timestamp}\n\n"
+
+    arts = loaded_data.get("articles", [])
+    analy = loaded_data.get("analysis", "")
     
-    # 5) 최종 리포트(기사 목록 + 감성 분석)
-    output = f"## [사용자 임의 검색 결과]\n\n"
-    output += f"**키워드**: {query}\n\n"
-    output += f"**국가**: {country}\n\n"
-    output += f"**저장 시간**: {timestamp}\n\n"
-    output += display_results(results)
+    out += display_results(arts)
+    out += f"### 뉴스 감성 분석\n{analy}\n"
     
-    output += "### 뉴스 감성 분석\n"
-    output += f"{sentiment_analysis}\n"
-    return output
+    return out
 
 
-### (필수) API 인증
+########################################
+# API 인증
+########################################
 ACCESS_TOKEN = os.getenv("HF_TOKEN")
 if not ACCESS_TOKEN:
     raise ValueError("HF_TOKEN environment variable is not set")
@@ -332,7 +378,9 @@ client = OpenAI(
 API_KEY = os.getenv("SERPHOUSE_API_KEY")
 
 
-### 국가별 설정
+########################################
+# 국가별 설정
+########################################
 COUNTRY_LANGUAGES = {
     "United States": "en",
     "KOREA": "ko",
@@ -840,7 +888,7 @@ with gr.Blocks(theme="Yntec/HaleyCH_Theme_Orange", css=css, title="NewsAI 서비
             gr.Markdown("## EarnBot: 글로벌 빅테크 기업 및 투자 전망 AI 자동 분석")
             gr.Markdown(" * '전체 분석 보고 요약' 클릭 시 전체 자동 보고 생성.\n * 아래 개별 종목의 '검색(DB 자동 저장)'과 '출력(DB 자동 호출)'도 가능.\n * 추가로, 원하는 임의 키워드 및 국가로 검색/분석할 수도 있습니다.")
             
-            # (2) 사용자 임의 검색 섹션
+            # (사용자 임의 검색 섹션)
             with gr.Group():
                 gr.Markdown("### 사용자 임의 검색")
                 with gr.Row():
@@ -876,7 +924,7 @@ with gr.Blocks(theme="Yntec/HaleyCH_Theme_Orange", css=css, title="NewsAI 서비
                 outputs=full_report_display
             )
             
-            # 기존 개별 기업 검색/출력 영역
+            # 지정된 리스트 (KOREAN_COMPANIES) 개별 기업 검색/출력
             with gr.Column():
                 for i in range(0, len(KOREAN_COMPANIES), 2):
                     with gr.Row():