Floke/Brancheneinstufung2
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

bugfix

Browse Source
This commit is contained in:
Floke
2025-04-16 12:13:09 +00:00
parent 6c49d4ccc3
commit 362a3fc8d5
1 changed files with 61 additions and 96 deletions
Download Patch File Download Diff File Expand all files Collapse all files

157
brancheneinstufung.py
View File

@@ -953,38 +953,48 @@ class GoogleSheetHandler:
self.sheet_values = []
self.headers = [] # Um Header-Zeilen zu speichern
self._connect()
self._load_data()
# _load_data wird jetzt nach erfolgreicher Verbindung aufgerufen
if self.sheet:
self._load_data()
@retry_on_failure
def _connect(self):
"""Stellt Verbindung zum Google Sheet her."""
# Setze self.sheet initial auf None
self.sheet = None
debug_print("Verbinde mit Google Sheets...")
scope = ["https://www.googleapis.com/auth/spreadsheets"]
creds = ServiceAccountCredentials.from_json_keyfile_name(CREDENTIALS_FILE, scope)
gc = gspread.authorize(creds)
sh = gc.open_by_url(Config.SHEET_URL)
self.sheet = sh.sheet1
debug_print("Verbindung zu Google Sheets erfolgreich.")
try:
scope = ["https://www.googleapis.com/auth/spreadsheets"]
creds = ServiceAccountCredentials.from_json_keyfile_name(CREDENTIALS_FILE, scope)
gc = gspread.authorize(creds)
sh = gc.open_by_url(Config.SHEET_URL)
self.sheet = sh.sheet1 # Zugriff auf das erste Blatt (Sheet1)
debug_print("Verbindung zu Google Sheets erfolgreich.")
except Exception as e:
debug_print(f"FEHLER bei der Google Sheets Verbindung: {e}")
# Hier könnte man den Fehler weitergeben oder None lassen
raise # Fehler weitergeben, damit retry greift oder main abbricht
@retry_on_failure
def _load_data(self):
"""Lädt alle Daten aus dem Sheet."""
if not self.sheet:
debug_print("Fehler: Keine Sheet-Verbindung zum Laden der Daten.")
self.sheet_values = []
self.headers = []
return
debug_print("Lade Daten aus Google Sheet...")
self.sheet_values = self.sheet.get_all_values()
if len(self.sheet_values) >= 5:
self.headers = self.sheet_values[:5] # Zeilen 1-5 als Header speichern
if len(self.sheet_values) >= 1: # Mindestens Header sollte da sein
self.headers = self.sheet_values[:5] # Annahme: Zeilen 1-5 sind Header
else:
self.headers = self.sheet_values[:] # Alle Zeilen als Header, falls weniger als 5
self.headers = []
debug_print("Warnung: Google Sheet scheint leer zu sein.")
debug_print(f"Daten geladen: {len(self.sheet_values)} Zeilen insgesamt.")
# Hier könnte die COLUMN_MAP dynamisch erstellt werden, falls gewünscht
def get_data(self):
"""Gibt die geladenen Daten zurück (ohne Header)."""
# Annahme: Die ersten 5 Zeilen sind Header
header_rows = 5
header_rows = 5 # Annahme: Zeile 1-5 sind Header
if len(self.sheet_values) <= header_rows:
return []
return self.sheet_values[header_rows:]
@@ -993,131 +1003,86 @@ class GoogleSheetHandler:
"""Gibt alle Daten inklusive Header zurück."""
return self.sheet_values
# Angepasste Methode, um den Startindex basierend auf einer spezifischen Spalte zu finden
def get_start_row_index(self, check_column_index=COLUMN_MAP["Website Scrape Timestamp"], min_sheet_row=7):
"""
Findet den Index der ersten Zeile (0-basiert für Daten nach Header),
ab einer Mindestzeilennummer im Sheet, in der der Timestamp in der
angegebenen Spalte fehlt.
Args:
check_column_index (int): Der 0-basierte Index der zu prüfenden Spalte.
min_sheet_row (int): Die 1-basierte Zeilennummer im Sheet, ab der gesucht werden soll.
Returns:
int: Der 0-basierte Index in der Datenliste (ohne Header),
oder der Index nach der letzten Zeile, wenn alle gefüllt sind.
"""
header_rows = 5 # Annahme: Zeilen 1-5 sind Header
data_rows = self.get_data() # Holt Daten ohne Header
header_rows = 5
data_rows = self.get_data()
if not data_rows:
debug_print("Keine Datenzeilen vorhanden.")
debug_print("Keine Datenzeilen vorhanden für get_start_row_index.")
return 0
# Berechne den 0-basierten Startindex für die *Datenliste*,
# der der min_sheet_row entspricht.
search_start_index_in_data = max(0, min_sheet_row - header_rows - 1)
# Stelle sicher, dass der Startindex nicht außerhalb der Liste liegt
if search_start_index_in_data >= len(data_rows):
col_letter = self._get_col_letter(check_column_index + 1)
debug_print(f"Start-Suchindex ({search_start_index_in_data}) liegt nach der letzten Datenzeile ({len(data_rows)-1}). Suche ab letzter Zeile für Spalte {col_letter}.")
search_start_index_in_data = len(data_rows) -1 # Beginne bei der letzten Zeile falls Start zu weit
if search_start_index_in_data < 0: return 0 # Falls gar keine Datenzeilen
for i, row in enumerate(data_rows[search_start_index_in_data:], start=search_start_index_in_data):
# Sicherheitscheck für Zeilenlänge
if len(row) <= check_column_index or not row[check_column_index].strip():
actual_sheet_row = i + header_rows + 1 # 1-basierte Zeilennummer im Sheet
# Finde den Spaltenbuchstaben für die Log-Ausgabe
actual_sheet_row = i + header_rows + 1
col_letter = self._get_col_letter(check_column_index + 1)
debug_print(f"Erste Zeile ab Zeile {min_sheet_row} ohne Zeitstempel in Spalte {col_letter} (Index {check_column_index}) gefunden: Zeile {actual_sheet_row} (Daten-Index {i})")
return i # Gibt den 0-basierten Index *innerhalb der Datenliste* zurück
return i
# Wenn alle Zeilen ab min_sheet_row einen Zeitstempel haben
last_index = len(data_rows)
col_letter = self._get_col_letter(check_column_index + 1)
debug_print(f"Alle Zeilen ab Zeile {min_sheet_row} haben einen Zeitstempel in Spalte {col_letter}. Nächster Daten-Index wäre {last_index}.")
return last_index # Gibt den Index nach der letzten Datenzeile zurück
return last_index
# Hilfsfunktion zur Umwandlung von Spaltenindex in Buchstaben (für Logs)
def _get_col_letter(self, col_idx):
""" Konvertiert 1-basierten Spaltenindex in Buchstaben (A, B, ..., Z, AA, ...). """
""" Konvertiert 1-basierten Spaltenindex in Buchstaben. """
string = ""
while col_idx > 0:
col_idx, remainder = divmod(col_idx - 1, 26)
string = chr(65 + remainder) + string
return string
# Anpassung in run_dispatcher: Verwende die neue Methode mit Spalte AT
def run_dispatcher(mode, sheet_handler, row_limit=None):
"""Wählt den passenden Batch-Prozess basierend auf dem Modus."""
debug_print(f"Starte Dispatcher im Modus '{mode}' mit row_limit={row_limit}.")
# Finde Startzeile basierend auf Timestamp in Spalte AT (Index 45)
# Verwende die neue Methode des Handlers
start_data_index = sheet_handler.get_start_row_index(check_column_index=COLUMN_MAP["Website Scrape Timestamp"], min_sheet_row=7)
header_rows = 5
start_row_index_in_sheet = start_data_index + header_rows + 1
all_data = sheet_handler.get_all_data_with_headers() # Hole alle Daten
total_sheet_rows = len(all_data)
if start_row_index_in_sheet > total_sheet_rows:
debug_print(f"Startzeile ({start_row_index_in_sheet}) liegt hinter der letzten Sheet-Zeile ({total_sheet_rows}). Dispatcher beendet.")
return
# Bestimme Endzeile
if row_limit is not None and row_limit > 0:
# Berechne Endzeile basierend auf Startzeile und Limit
end_row_index_in_sheet = min(start_row_index_in_sheet + row_limit - 1, total_sheet_rows)
else:
end_row_index_in_sheet = total_sheet_rows # Bis zum Ende des Sheets
debug_print(f"Dispatcher: Verarbeitung startet ab Zeile {start_row_index_in_sheet}, bis Zeile {end_row_index_in_sheet}.")
if start_row_index_in_sheet > end_row_index_in_sheet:
debug_print("Startzeile liegt nach Endzeile. Keine Verarbeitung.")
return
# --- Modusausführung (bleibt gleich, ABER die aufgerufenen Funktionen müssen den Timestamp prüfen!) ---
if mode == "wiki":
# process_verification_only muss AN Timestamp prüfen
process_verification_only(sheet_handler, start_row_index_in_sheet, end_row_index_in_sheet)
elif mode == "website":
# process_website_batch muss AT Timestamp prüfen
process_website_batch(sheet_handler, start_row_index_in_sheet, end_row_index_in_sheet)
elif mode == "branch":
# process_branch_batch muss AO Timestamp prüfen
process_branch_batch(sheet_handler, start_row_index_in_sheet, end_row_index_in_sheet)
elif mode == "combined":
debug_print("--- Start Combined Mode: Wiki ---")
process_verification_only(sheet_handler, start_row_index_in_sheet, end_row_index_in_sheet) # Prüft AN
debug_print("--- Start Combined Mode: Website ---")
process_website_batch(sheet_handler, start_row_index_in_sheet, end_row_index_in_sheet) # Prüft AT
debug_print("--- Start Combined Mode: Branch ---")
process_branch_batch(sheet_handler, start_row_index_in_sheet, end_row_index_in_sheet) # Prüft AO
debug_print("--- Combined Mode abgeschlossen ---")
else:
debug_print(f"Ungültiger Modus '{mode}' im Dispatcher.")
# --- NEU HINZUGEFÜGTE METHODE ---
@retry_on_failure
def batch_update_cells(self, update_data):
"""
Führt ein Batch-Update im Google Sheet durch.
Führt ein Batch-Update im Google Sheet durch. Beinhaltet Fehlerbehandlung.
Args:
update_data (list): Eine Liste von Dictionaries, jedes mit 'range' und 'values'.
z.B. [{'range': 'A1', 'values': [['Wert']]}, ...]
Returns:
bool: True bei Erfolg, False bei Fehler nach Retries.
"""
if not self.sheet:
debug_print("Fehler: Keine Sheet-Verbindung für Batch-Update.")
return False
debug_print("FEHLER: Keine Sheet-Verbindung für Batch-Update.")
return False # Kein Erfolg, da keine Verbindung
if not update_data:
debug_print("Keine Daten für Batch-Update vorhanden.")
# debug_print("Keine Daten für Batch-Update vorhanden.") # Weniger Lärm im Log
return True # Kein Fehler, aber nichts zu tun
try:
self.sheet.batch_update(update_data)
debug_print(f"Batch-Update erfolgreich ({len(update_data)} Zellen/Bereiche aktualisiert).")
# Der eigentliche API-Aufruf
self.sheet.batch_update(update_data, value_input_option='USER_ENTERED')
# debug_print(f"Batch-Update erfolgreich ({len(update_data)} Zellen/Bereiche aktualisiert).") # Optional weniger Lärm
return True
except gspread.exceptions.APIError as e:
debug_print(f"Google API Fehler beim Batch-Update: {e}")
# Hier könnte spezifische Fehlerbehandlung erfolgen (z.B. RateLimit)
raise # Fehler weitergeben, damit retry greifen kann
# Spezifische Fehlerbehandlung für gspread/Google API Fehler
debug_print(f"Google API Fehler beim Batch-Update: {e.response.status_code} - {e.response.text[:500]}")
# Der @retry_on_failure Decorator sollte diesen Fehler fangen und Wiederholungen versuchen
raise e # Fehler weitergeben, damit der Decorator ihn fängt
except Exception as e:
debug_print(f"Allgemeiner Fehler beim Batch-Update: {e}")
raise # Fehler weitergeben
# Allgemeine Fehlerbehandlung
debug_print(f"Allgemeiner Fehler beim Batch-Update: {type(e).__name__} - {e}")
raise e # Fehler weitergeben
# ==================== WIKIPEDIA SCRAPER ====================