從2020年年中開始，我幾年沒動的股票又開始交易了起來，那時候面臨一個問題：我跟蹤了很多股票，但往往幾天沒注意到幾隻股票，這幾支股票就發射升空了。那時候在想，有沒有辦法透過Python，每天找出符合一些條件的票？這個想法慢慢推進到現在，陸續遇到一些問題，也找到一些解決方法。隨著慢慢有一些成果出來，也把一路上的想法，與遇到的問題和解決方法做個整理記錄。
一開始的想法只是很單純的在收盤後用python分析，網路上有些相關資源或是教學，但這些資源都是分散破碎的，例如教數據接入、自動圖表製作、交易策略、消息推送等等。但這些資源都是對單一主題在說明。
原始的想法慢慢的成朝一個產品方向推進，從盤中數據接入，盤中追蹤個股分析，到最終分析結果自動推送到line或是wechat這些通訊軟體，以後可能會對接到下單系統。總之就是把一個產品的流程從頭到尾走一遍。不僅把各地蒐集到的教學和大馬整合在一起，也完整做出一個產品。
今天聊一個可能會讓有些人不高興的論點：是否該學爬蟲？
這幾年常常聽到機器學習、人工智慧、大數據，以至於很多沒有接觸過寫程式的朋友連自己要學的目的，或是以及該學哪一個領域這些關鍵問題都還沒弄清，一開口就要說要學python。先不說需要大量數學基礎的人工智慧、機器學習。這篇先來談談比較多人入門接觸的爬蟲。
先說說我的故事，我一開始接觸爬蟲是工作上有需要爬一些查詢資料，那時候經濟部對於公司查詢沒有任何限制，也沒有圖形認證這類的captcha，excel寫個很簡單的巨集就能抓回幾萬筆的公司資料。我目前頂多用python去get一些公司內部PAAS平台的數據。對於爬蟲這一塊，我早早就放棄了，公司內部自然有專業爬蟲團隊來處理
先說結論：先認清你產出的價值在哪塊。除非你是專業做這領域的商業應用，否則建議不用學爬蟲了。這樣的結論主要來自兩點：難的你學不會，簡單的有現成的。
先說說簡單的有現成的這塊。最簡單的爬蟲在Google Sheet或是Excel裡面都有power query，能把網頁中的表格數據導入到Excel。需要點擊、翻頁這類動作或是條件動作爬蟲，則有八爪魚這樣的免費軟體，拖拉點選就完成了。如果你超過每日下載筆數限制、加速爬取或是需要proxy避免被反爬蟲時，你才需要支付費用。
再說說難的你學不會這塊。爬蟲難的其實是從進網站到日後的維護。這包括一開始查詢前的captcha圖像識別、簡訊認證、查詢中的反偵測技術、被爬網站持續性的網頁調整等等，每一個領域的難度都夠你退卻。除非你真的是專業從事這領域的，請仔細想想你是否值得要學習爬蟲。
？：，
從2020年年中開始，我幾年沒動的股票又開始交易了起來，那時候面臨一個問題：我跟蹤了很多股票，但往往幾天沒注意到幾隻股票，這幾支股票就發射升空了。那時候在想，有沒有辦法透過Python，每天找出符合一些條件的票？這個想法慢慢推進到現在，陸續遇到一些問題，也找到一些解決方法。隨著慢慢有一些成果出來，也把這半年內遇到的問題和解決方法做個整理記錄。
這其中幾個最大的問題有兩個：開發平台的建立與消息推送。今天這篇先聊聊開發平台的的建立。
如果你只在公司內幫公司寫代碼，那麼工作時間、軟硬體條件都不會是問題，這篇其實你也可以跳過了。但如果你自己私人平常有其他開發目標，那麼環境建置就是一個很大的挑戰，也是你遲早必須解決的問題。
寫代碼往往受限於環境，你得在家裡、在公司，用著已經配置好的電腦。不然一台新電腦光配置編寫環境，就夠耗上你好幾個小時了。另外新電腦上面也不會有你之前已寫好的代碼，要引用一些配置，或是看看之前自己的代碼是怎麼寫的，都是相當困難的。如果你自己私人也有寫一些代碼。但是你在公司忽然想編輯，理論上也是不太可行的。你也不可能隨時帶著一台性能超強的筆電，電源、重量、大小都夠你累的了。另外有些代碼是需要跑後台或是長時間運算，當你要出門離開或是下班的時候，你就得停下來或是隔一段時間才能修改，對開發時間來說，都是不小的耽擱。
有沒有可能自己建一個jupyter平台，任何時間任何地點，外部任何一台電腦都能連上。這樣一方面能隨時隨地保存、呼叫自己寫的代碼 ，也不用去解決環境設置的問題？這篇整理了這幾個月我遇到的情況和幾個解決方案，這幾個解決方案在成本、算力、建置複雜性上，都有顯著的差異：
AWS是Amazon提供的雲端服務。你可以在網路上找到相當多AWS架設Jupyter的教學，他是所有解決方案中，少數幾個提供免費的解決方案，Colab雖然也免費，但整體環境沒有AWS完整。
