Priorisierung url in Infobox

Infobox-Links als definitiver Beleg:
In der Methode _validate_article wird nun die Infobox des Wikipedia-Artikels nach externen Links durchsucht. Wird der Domain-Key (extrahiert aus der URL) in einem dieser Links gefunden, wird der Artikel ohne weiteren Ähnlichkeitsvergleich als korrekt akzeptiert.

Optimierte Suchbegriff-Generierung:
Die Funktion _generate_search_terms nutzt nun zuerst den Domain-Key, dann die ersten zwei Wörter des Firmennamens und zuletzt den vollständigen Namen, um die relevantesten Treffer zu erzielen.

Weitere kleinere Verbesserungen:
Debug-Log-Ausgaben wurden angepasst, um den Such- und Validierungsprozess besser nachvollziehen zu können.

brancheneinstufung.py

@@ -12,7 +12,7 @@ import csv
 
 # ==================== KONFIGURATION ====================
 class Config:
-    VERSION = "1.1.1"
+    VERSION = "1.1.2"
     LANG = "de"
     CREDENTIALS_FILE = "service_account.json"
     SHEET_URL = "https://docs.google.com/spreadsheets/d/1u_gHr9JUfmV1-iviRzbSe3575QEp7KLhK5jFV_gJcgo"
@@ -84,7 +84,7 @@ class WikipediaScraper:
         wikipedia.set_lang(Config.LANG)
         
     def _get_domain_key(self, website):
-        """Extrahiert den Domain-Key aus der URL (erster Teil ohne Protokoll und www)"""
+        """Extrahiert den Domain-Key aus der URL (ohne Protokoll und www)"""
         if not website:
             return ""
         website = website.lower().strip()
@@ -97,47 +97,56 @@ class WikipediaScraper:
 
     def _generate_search_terms(self, company_name, website):
         """
-        Generiert Suchbegriffe basierend auf:
-          1. Dem Original-Firmennamen
-          2. Den ersten zwei Wörtern des Firmennamens
-          3. Dem Domain-Key der Website (sofern vorhanden)
+        Generiert Suchbegriffe in folgender Reihenfolge:
+         1. Domain-Key (falls vorhanden)
+         2. Die ersten zwei Wörter des Firmennamens
+         3. Der vollständige Firmenname
         """
         terms = []
-        original_name = company_name.strip()
-        candidate = " ".join(company_name.split()[:2])
-        if original_name:
-            terms.append(original_name)
+        domain_key = self._get_domain_key(website)
+        if domain_key:
+            terms.append(domain_key)
+        candidate = " ".join(company_name.split()[:2]).strip()
         if candidate and candidate not in terms:
             terms.append(candidate)
-        domain_key = self._get_domain_key(website)
-        if domain_key and domain_key not in terms:
-            terms.append(domain_key)
+        original = company_name.strip()
+        if original and original not in terms:
+            terms.append(original)
         debug_print(f"Generierte Suchbegriffe: {terms}")
         return terms
 
     def _validate_article(self, page, company_name, domain_key):
         """
         Validiert den Artikel:
-         - Prüft, ob der Domain-Key im HTML-Inhalt vorkommt (falls vorhanden)
-         - Vergleicht den Wikipedia-Titel mit dem Firmennamen mittels Ähnlichkeitsvergleich
+         - Sucht in der Infobox nach externen Links, die den Domain-Key enthalten.
+           Wird der Domain-Key gefunden, wird der Artikel als definitiv korrekt akzeptiert.
+         - Andernfalls wird der Wikipedia-Titel mit dem Firmennamen mittels Ähnlichkeitsvergleich geprüft.
         """
+        # Zuerst: Prüfe, ob der Domain-Key in den Links der Infobox vorkommt.
+        if domain_key:
+            try:
+                html_raw = requests.get(page.url).text
+                soup = BeautifulSoup(html_raw, Config.HTML_PARSER)
+                infobox = soup.find('table', class_=lambda c: c and 'infobox' in c.lower())
+                if infobox:
+                    links = infobox.find_all('a', href=True)
+                    for link in links:
+                        href = link['href'].lower()
+                        if domain_key in href:
+                            debug_print(f"Definitiver Link-Match in Infobox gefunden: {href}")
+                            return True
+            except Exception as e:
+                debug_print(f"Fehler beim Extrahieren des Infobox-Links: {str(e)}")
+        # Falls kein definitiver Link-Match, mache den Ähnlichkeitsvergleich:
         clean_title = re.sub(r'\(.*?\)', '', page.title).lower()
         clean_company = company_name.lower().strip()
         similarity = SequenceMatcher(None, clean_title, clean_company).ratio()
         debug_print(f"Ähnlichkeit: {similarity:.2f} ({clean_title} vs {clean_company})")
-        if domain_key:
-            try:
-                html_raw = requests.get(page.url).text.lower()
-                if domain_key not in html_raw:
-                    debug_print(f"Domain-Hinweis '{domain_key}' nicht gefunden")
-                    return False
-            except Exception as e:
-                debug_print(f"Domain-Check fehlgeschlagen: {str(e)}")
         return similarity >= Config.SIMILARITY_THRESHOLD
 
     @retry_on_failure
     def search_company_article(self, company_name, website):
-        """Sucht zuerst mit optimierten Suchbegriffen (Name, Candidate, Domain-Key) nach dem Artikel."""
+        """Sucht mit optimierten Suchbegriffen (Domain-Key, Candidate, Name) nach dem Wikipedia-Artikel."""
         search_terms = self._generate_search_terms(company_name, website)
         domain_key = self._get_domain_key(website)
         for term in search_terms:
@@ -246,33 +255,4 @@ class DataProcessor:
         print(f"\n[{datetime.now().strftime('%H:%M:%S')}] Verarbeite Zeile {row_num}: {company_name}")
         article = self.wiki_scraper.search_company_article(company_name, website)
         if article:
-            company_data = self.wiki_scraper.extract_company_data(article.url)
-        else:
-            company_data = {'branche': 'k.A.', 'umsatz': 'k.A.', 'url': '', 'full_infobox': 'k.A.'}
-        
-        current_values = self.sheet_handler.sheet.row_values(row_num)
-        new_values = [
-            company_data.get('full_infobox', 'k.A.'),  # Spalte G: kompletter Infobox-Text
-            company_data['branche'] if company_data['branche'] != "k.A." else current_values[6] if len(current_values) > 6 else "k.A.",
-            "k.A.",
-            company_data['umsatz'] if company_data['umsatz'] != "k.A." else current_values[8] if len(current_values) > 8 else "k.A.",
-            "k.A.", "k.A.", "k.A.",
-            company_data['url'] if company_data['url'] else current_values[12] if len(current_values) > 12 else "",
-            datetime.now().strftime("%Y-%m-%d %H:%M:%S"),
-            "k.A.", "k.A.",
-            Config.VERSION
-        ]
-        self.sheet_handler.update_row(row_num, new_values)
-        print(f"✅ Aktualisiert: Branche: {new_values[1]}, Umsatz: {new_values[3]}, URL: {new_values[7]}")
-        time.sleep(Config.RETRY_DELAY)
-
-# ==================== MAIN ====================
-if __name__ == "__main__":
-    try:
-        num_rows = int(input("Wieviele Zeilen sollen überprüft werden? "))
-    except Exception as e:
-        print("Ungültige Eingabe. Bitte eine Zahl eingeben.")
-        exit(1)
-    processor = DataProcessor()
-    processor.process_rows(num_rows)
-    print("\n✅ Wikipedia-Auswertung abgeschlossen")
+            company_data = self.w_