这个项目能做什么

该项目最初只是一个用于 Eurojackpot 的 Selenium 爬虫，后来发展成一个小型数据管道。它按计划收集彩票开奖数据，存储到 SQLite，并用于预测 OPAP SA 的季度总博彩收入（GGR），随后将每项预测与 OPAP 实际公布的数据进行回测。作者称其为教育/爱好项目：模型是在极少数据点上训练的简单回归，不构成投资建议。 架构与组件： - 爬虫：eurojackpot_api.py 使用 eurojackpot.com Angular 前端背后的逆向工程 JSON API（wlinfo/WL_InfoService），可返回任意日期的投注额、完整奖项层级明细、中奖号码，以及最早至 2012 年的开奖日期。如果该端点发生变化，eurojackpot_playwright.py 可作为备用方案。joker_scraper.py 和 lotto_scraper.py 使用 Playwright 访问 allwyn.gr；该网站对普通 HTTP 客户端返回 403，且没有可用 API。_allwyn_common.py 包含共享的页面解析逻辑。opap_ir_scraper.py 用于尽最大努力抓取 OPAP 投资者关系新闻稿。 - 数据库：db/schema.sql 定义 SQLite 模式；db/repository.py 是 sqlite3 数据访问层。 - 管道：scrape_latest.py 通过 GitHub Actions 按计划运行；backfill_history.py 将 Eurojackpot 开奖数据回填至 2012 年；build_quarterly_features.py 将开奖数据聚合为各报告期特征；load_manual_ggr.py 加载 data/manual/opap_quarterly_ggr.csv。 - 预测：dataset.py 将特征与实际 GGR 关联；train_model.py 通过交叉验证训练 Ridge/GradientBoosting 回归；predict.py 预测下一个尚未公布的期间；backtest.py 执行滚动向前回测。 数据源与限制：Eurojackpot 拥有真实的 JSON API，是主要来源。Joker/Lotto 结果页会公布总投注栏数（每栏 1 欧元，因此是真实投注额）以及奖项层级表，但目前只抓取当前开奖；历史回填需要操作网站的搜索表单，该功能尚未实现。OPAP 公布的 GGR 来自 investors.opap.gr，但财务 PDF 版式各异，因此 opap_ir_scraper.py 只是尝试性抓取，并非事实来源。实际用于回测评分的是 data/manual/opap_quarterly_ggr.csv：该文件根据真实的 OPAP 新闻稿人工填写，每一行都引用了来源 URL。 预测与回测：模型根据聚合后的 Eurojackpot/Joker/Lotto 投注额和派彩，预测 OPAP 的 numerical_lotteries 板块 GGR。backtest.py 沿历史时间向前滚动，只使用严格更早的期间训练，然后进行预测和比较，并将各期 MAPE 以及是否正确判断增长或下滑写入 data/backtest_report.csv。手动 CSV 中至少需要两个已填充期间，随着更多报告加入，结果会更有意义。 本地运行：安装 requirements 和 Playwright 的 Chromium，然后按顺序运行管道模块（scrape_latest、backfill_history、load_manual_ggr、build_quarterly_features、train_model、backtest、predict）。 CI/CD：scrape.yml 每天运行 scrape_latest 并提交更新后的数据库；backtest.yml 大约每季度运行一次，也可通过 workflow_dispatch 按需运行，执行加载手动 CSV、构建特征、重新训练、回测、预测下一期间并提交结果。 README 说明了 GGR 按板块的构成（彩票、体育博彩、VLT、在线赌场、即开票/被动彩票），并包含一项原始免责声明：本项目不计算现实世界中的精确利润，因为税费、营销成本和运营成本不在范围内。