v1.2.6: Erweiterte String-Bereinigung für Umsatz/Mitarbeiterwerte; verbesserter Debug-Log

Erweiterte String-Bereinigung:
Zusätzliche Ersetzungen in extract_numeric_value (Entfernung von "ca.", "circa", "etwa", "über", "rund") zur robusteren Extraktion numerischer Werte aus Rohtexten.

Fallback-Handling:
Bei Fehlern in der Umwandlung wird der Originaltext oder "k.A." als Fallback ausgegeben.

Zusätzliche Debug-Ausgabe:
Vor dem Vergleich der CRM- und Wikipedia-Umsätze werden die bereinigten Werte im Debug-Log ausgegeben.

Kurze Pause (1 Sekunde):
Eine 1-Sekunden-Pause wird nach dem Update in Google Sheets eingefügt, um sicherzustellen, dass die Werte vor dem Vergleich vollständig gespeichert sind.

brancheneinstufung.py

@@ -14,7 +14,7 @@ import csv
 
 # ==================== KONFIGURATION ====================
 class Config:
-    VERSION = "v1.2.5"  # v1.2.5: Umsatzvergleich verbessert; 1 Sekunde Pause + zusätzliche Debug-Ausgabe
+    VERSION = "v1.2.6"  # v1.2.6: Erweiterte String-Bereinigung und robustere Umwandlung von Umsatz/Mitarbeiterwerten
     LANG = "de"
     CREDENTIALS_FILE = "service_account.json"
     SHEET_URL = "https://docs.google.com/spreadsheets/d/1u_gHr9JUfmV1-iviRzbSe3575QEp7KLhK5jFV_gJcgo"
@@ -72,31 +72,30 @@ def normalize_company_name(name):
     return normalized.lower()
 
 def extract_numeric_value(raw_value, is_umsatz=False):
+    # Erweiterte Vorverarbeitung: Entferne gängige Zusätze und unerwünschte Zeichen.
     raw_value = raw_value.strip()
     if not raw_value:
         return "k.A."
-    # Entferne gängige Zusätze wie "ca.", "circa", "über" etc.
+    # Entferne häufige Zusätze
-    raw_value = re.sub(r'\b(ca\.?|circa|über)\b', '', raw_value, flags=re.IGNORECASE)
+    raw_value = re.sub(r'\b(ca\.?|circa|etwa|über|rund)\b', '', raw_value, flags=re.IGNORECASE)
-    raw = raw_value.lower().replace("\xa0", " ")
+    # Entferne unnötige Leerzeichen und Sonderzeichen
+    raw_value = raw_value.replace("\xa0", " ").strip()
+    raw = raw_value.lower()
     match = re.search(r'([\d.,]+)', raw, flags=re.UNICODE)
     if not match or not match.group(1).strip():
         debug_print(f"Keine numerischen Zeichen gefunden im Rohtext: '{raw_value}'")
         return "k.A."
     num_str = match.group(1)
-    if ',' in num_str:
+    # Prüfe, ob Komma als Dezimaltrennzeichen genutzt wird (deutsches Format)
+    if ',' in num_str and num_str.count(',') == 1 and len(num_str.split(',')[1]) <= 2:
         num_str = num_str.replace('.', '').replace(',', '.')
-        try:
-            num = float(num_str)
-        except Exception as e:
-            debug_print(f"Fehler bei der Umwandlung von '{num_str}' (Rohtext: '{raw_value}'): {e}")
-            return raw_value
     else:
         num_str = num_str.replace(' ', '').replace('.', '')
-        try:
+    try:
-            num = float(num_str)
+        num = float(num_str)
-        except Exception as e:
+    except Exception as e:
-            debug_print(f"Fehler bei der Umwandlung von '{num_str}' (Rohtext: '{raw_value}'): {e}")
+        debug_print(f"Fehler bei der Umwandlung von '{num_str}' (Rohtext: '{raw_value}'): {e}")
-            return raw_value
+        return raw_value
     if is_umsatz:
         if "mrd" in raw or "milliarden" in raw:
             num *= 1000
@@ -404,11 +403,9 @@ class DataProcessor:
                     self._process_single_row(i, row)
     def _process_single_row(self, row_num, row_data):
         # Neues Schema: 
-        # B: Firmenname, C: Website
+        # B: Firmenname, C: Website, CRM-Umsatz in Spalte I (Index 8)
         # Wikipedia-Daten: Spalten K bis Q
-        # ChatGPT Umsatz: Spalte AF
+        # ChatGPT Umsatz in Spalte AF, Vergleich in Spalte AG,
-        # CRM Umsatz in Spalte I (Index 8)
-        # Umsatz-Abgleich: Spalte AG
         # Timestamp in Spalte AH, Version in Spalte AI.
         company_name = row_data[1] if len(row_data) > 1 else ""
         website = row_data[2] if len(row_data) > 2 else ""
@@ -441,18 +438,18 @@ class DataProcessor:
             company_data.get('categories', 'k.A.')
         ]
         self.sheet_handler.sheet.update(values=[wiki_values], range_name=wiki_update_range)
-        # Pause einbauen, damit die Werte in Google Sheets aktualisiert werden.
+        time.sleep(1)  # 1 Sekunde Pause, um sicherzustellen, dass die Daten gespeichert wurden
-        time.sleep(1)
+        # ChatGPT API: Umsatzbewertung
-        # ChatGPT API: Umsatzbewertung basierend auf Firmenname und Wikipedia-Umsatz
         wiki_umsatz = company_data.get('umsatz', 'k.A.')
         if wiki_umsatz != "k.A.":
             chatgpt_umsatz = evaluate_umsatz_chatgpt(company_name, wiki_umsatz)
         else:
             chatgpt_umsatz = "k.A."
         self.sheet_handler.sheet.update(values=[[chatgpt_umsatz]], range_name=chatgpt_range)
-        # Umsatz-Abgleich: CRM-Umsatz aus Spalte I und Wikipedia-Umsatz
+        # Umsatz-Abgleich: CRM-Umsatz (Spalte I) vs. Wikipedia-Umsatz
         crm_umsatz = row_data[8] if len(row_data) > 8 else "k.A."
-        abgleich_result = compare_umsatz_values(crm_umsatz, company_data.get('umsatz', 'k.A.'))
+        debug_print(f"Bereinigte Vergleichswerte vor Umwandlung: CRM Umsatz: '{crm_umsatz}', Wiki Umsatz: '{wiki_umsatz}'")
+        abgleich_result = compare_umsatz_values(crm_umsatz, wiki_umsatz)
         self.sheet_handler.sheet.update(values=[[abgleich_result]], range_name=abgleich_range)
         current_dt = datetime.now().strftime("%Y-%m-%d %H:%M:%S")
         self.sheet_handler.sheet.update(values=[[current_dt]], range_name=dt_range)