Stock_Quote 项目技术文档
本文档旨在帮助用户了解并使用Stock_Quote项目,该项目提供了实时股票数据和历史定价信息。以下是关于项目的安装指南、使用说明以及API使用文档。
1. 安装指南
要安装Stock_Quote Ruby gem,请在命令行中执行以下命令:
gem install stock_quote
如果要在Rails应用程序中使用该gem,请在Gemfile中添加以下代码:
gem "stock_quote", "~> 3.0.0"
然后运行bundle install命令以安装gem。
2. 项目使用说明
初始化
要全局初始化StockQuote,需要使用有效的API_KEY。可以通过以下方式完成:
StockQuote::Stock.new(api_key: YOUR_API_KEY)
也可以在任何StockQuote::Stock方法中提供api_key属性。
获取股票报价
StockQuote::Stock.quote(symbol)是获取股票报价的主要方法,返回一个包含以下属性(在v2.0.0版本中新增)的StockQuote::Stock实例:
- symbol
- company_name
- primary_exchange
- sector
- calculation_price
- open
- open_time
- close
- close_time
- high
- low
- latest_price
- latest_source
- latest_time
- latest_update
- latest_volume
- iex_realtime_price
- iex_realtime_size
- iex_last_updated
- delayed_price
- delayed_price_time
- previous_close
- change
- change_percent
- iex_market_percent
- iex_volume
- avg_total_volume
- iex_bid_price
- iex_bid_size
- iex_ask_price
- iex_ask_size
- market_cap
- pe_ratio
- week52_high
- week52_low
- ytd_change
- chart
可以通过以下语法获取当前报价:
stock = StockQuote::Stock.quote("symbol")
其中,symbol代表您想要获取报价的公司股票代码,例如,"aapl"代表苹果公司。
您可以通过逗号(或数组)分隔的符号搜索多个股票:
stocks = StockQuote::Stock.quote("aapl,tsla")
这些查询将返回一个Stock对象或一个Stock对象数组,您可以遍历它们。
注意:您可以通过以下语法接收原始json哈希响应:
stocks = StockQuote::Stock.raw_quote("aapl,tsla")
raw_方法适用于所有支持的方法。
其他方法
StockQuote 3.0.0版本镜像了IEXCLOUD.IO API,提供了多种方法:
- book
- chart
- company
- delayed_quote
- dividends
- earnings
- financials
- stats
- logo
- news
- ohlc
- peers
- previous
- price
- quote
- relevant
- splits
- volume_by_venue
所有这些方法都可以在StockQuote::Stock上使用。
例如:
StockQuote::Stock.company('aapl')
获取公司信息。
例如:
StockQuote::Stock.dividends('aapl')
获取分红信息。
对于任何方法,都可以通过在方法名前加上raw_来获取原始json哈希响应。
例如:
StockQuote::Stock.raw_dividends('aapl')
获取原始分红信息。
批量请求
批量请求允许您将多个请求组合在一起。StockQuote中的所有方法都使用批量请求。
批量的语法如下:
StockQuote::Stock.batch(type, symbol, range)
其中type可以是上述方法的组合,symbol可以是公司代码的数组,range可以应用于chart方法,包括以下范围:
- 5y
- 2y
- 1y
- ytd
- 6m
- 3m
- 1m
- 1d
3. 项目API使用文档
StockQuote项目API的使用已在上述使用说明中详细描述。API提供了获取股票报价、公司信息、历史价格等多种功能。每个方法的使用方式已在相应的部分中说明。
请按照上述指南和示例代码进行API调用,以获取所需的数据。
4. 项目安装方式
项目的安装方式已在安装指南中说明。您可以通过Ruby gem包管理器安装Stock_Quote gem,并在您的Rails应用程序中配置使用。
以上就是Stock_Quote项目的技术文档,希望对您的使用有所帮助。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00