bugfix

brancheneinstufung.py

@@ -533,10 +533,13 @@ class DataProcessor:
 # ==================== NEUE FUNKTION: process_verification_only ====================
 def process_verification_only():
     """
-    Überarbeiteter Batch‑Prozess (Version 1.5.9, Modus 51):
+    Überarbeiteter Batch‑Prozess (Version 1.5.10, Modus 51):
     - Startet die Verarbeitung ab Zeile 7 und sucht ab dort die erste Zeile, in der Spalte AO (Index 41) leer ist.
-    - Ab dieser Zeile werden alle Zeilen in Paketen der Größe Config.BATCH_SIZE (z. B. 10 Zeilen) verarbeitet.
-    - Für jedes Batch wird ein aggregierter Prompt erstellt, an ChatGPT gesendet und die Antwort zeilenweise geparst.
+    - Falls der Nutzer eine Gesamtzeilenanzahl eingibt, die vor dem Startpunkt liegt,
+      wird dieser Wert ignoriert und alle Zeilen ab dem Startpunkt verarbeitet.
+    - Verarbeitet die Zeilen ab diesem Startpunkt in Paketen der Größe Config.BATCH_SIZE (z. B. 10 Zeilen).
+    - Für jedes Batch wird ein aggregierter Prompt erstellt, an ChatGPT gesendet und die Antwort
+      zeilenweise geparst.
     - Die Ergebnisse werden in den Spalten S bis Y geschrieben:
          S: Wiki-Validierung ("OK" oder "X")
          T: Alternativer Wiki-Artikel (URL oder "Kein Wikipedia-Eintrag vorhanden.")
@@ -544,20 +547,18 @@ def process_verification_only():
          V–Y: Platzhalter (leer)
     - Umfangreiche Log-Ausgaben unterstützen die Fehlerdiagnose.
     """
-    debug_print("Starte Verifizierungsmodus (Modus 51) im Batch-Prozess (Version 1.5.9)...")
+    debug_print("Starte Verifizierungsmodus (Modus 51) im Batch-Prozess (Version 1.5.10)...")
     
-    # Bestimme ab Zeile 7 die erste Zeile, in der Spalte AO (Index 41) leer ist.
+    # Ermittlung des Startpunkts: ab Zeile 7 die erste Zeile, in der Spalte AO (Index 41) leer ist.
     gc = gspread.authorize(ServiceAccountCredentials.from_json_keyfile_name(
         Config.CREDENTIALS_FILE, ["https://www.googleapis.com/auth/spreadsheets"]))
     sh = gc.open_by_url(Config.SHEET_URL)
     main_sheet = sh.sheet1
     data = main_sheet.get_all_values()
     
-    # Setze den Startindex: Beginne mindestens bei Zeile 7.
     start_row = None
     for i in range(7, len(data) + 1):
         row = data[i - 1]
-        # Prüfe, ob die Zeile weniger als 41 Spalten hat oder Spalte AO leer ist.
         if len(row) < 41 or row[40].strip() == "":
             start_row = i
             break
@@ -574,8 +575,12 @@ def process_verification_only():
         total_rows = None
 
     available_total = len(data) - 1  # ohne Header
-    if total_rows is not None:
-        available_rows = min(total_rows, available_total)
+    # Wenn der Nutzer einen Wert eingibt, der vor dem Startpunkt liegt, wird dieser ignoriert.
+    if total_rows is not None and total_rows < start_row - 1:
+        debug_print("Die angegebene Zeilenanzahl liegt vor dem Startpunkt. Es werden alle Zeilen ab dem Startpunkt verarbeitet.")
+        available_rows = available_total
+    elif total_rows is not None:
+        available_rows = total_rows
     else:
         available_rows = available_total
 
@@ -586,11 +591,9 @@ def process_verification_only():
     batch_size = Config.BATCH_SIZE  # z. B. 10
     batches = []
     row_numbers = []
-    
-    # Verarbeitung ab start_row bis available_rows
-    for i in range(start_row, available_rows + 2):  # +1 wegen 1-basierter Index, +1 um bis available_rows einzubeziehen
+
+    for i in range(start_row, available_rows + 2):  # +1 für Einbeziehung, +1 wegen 1-basierter Index
         row = data[i - 1]
-        # Da wir ab start_row starten, gehen wir davon aus, dass bisher keine Zeitstempel in AO vorhanden sind.
         entry_text = (
             f"Eintrag {i}:\n"
             f"Firmenname: {row[1] if len(row) > 1 else ''}\n"
@@ -686,8 +689,164 @@ def _process_batch(main_sheet, batches, row_numbers):
         except Exception as e:
             debug_print(f"Fehler beim Updaten der Zeile {current_row}: {e}")
         time.sleep(Config.RETRY_DELAY)
+def process_verification_only():
+    """
+    Überarbeiteter Batch‑Prozess (Version 1.5.10, Modus 51):
+    - Startet die Verarbeitung ab Zeile 7 und sucht ab dort die erste Zeile, in der Spalte AO (Index 41) leer ist.
+    - Falls der Nutzer eine Gesamtzeilenanzahl eingibt, die vor dem Startpunkt liegt,
+      wird dieser Wert ignoriert und alle Zeilen ab dem Startpunkt verarbeitet.
+    - Verarbeitet die Zeilen ab diesem Startpunkt in Paketen der Größe Config.BATCH_SIZE (z. B. 10 Zeilen).
+    - Für jedes Batch wird ein aggregierter Prompt erstellt, an ChatGPT gesendet und die Antwort
+      zeilenweise geparst.
+    - Die Ergebnisse werden in den Spalten S bis Y geschrieben:
+         S: Wiki-Validierung ("OK" oder "X")
+         T: Alternativer Wiki-Artikel (URL oder "Kein Wikipedia-Eintrag vorhanden.")
+         U: Wiki-Erklärung / Begründung
+         V–Y: Platzhalter (leer)
+    - Umfangreiche Log-Ausgaben unterstützen die Fehlerdiagnose.
+    """
+    debug_print("Starte Verifizierungsmodus (Modus 51) im Batch-Prozess (Version 1.5.10)...")
+    
+    # Ermittlung des Startpunkts: ab Zeile 7 die erste Zeile, in der Spalte AO (Index 41) leer ist.
+    gc = gspread.authorize(ServiceAccountCredentials.from_json_keyfile_name(
+        Config.CREDENTIALS_FILE, ["https://www.googleapis.com/auth/spreadsheets"]))
+    sh = gc.open_by_url(Config.SHEET_URL)
+    main_sheet = sh.sheet1
+    data = main_sheet.get_all_values()
+    
+    start_row = None
+    for i in range(7, len(data) + 1):
+        row = data[i - 1]
+        if len(row) < 41 or row[40].strip() == "":
+            start_row = i
+            break
+    if start_row is None:
+        debug_print("Keine Zeile ohne Zeitstempel in Spalte AO gefunden. Es wird nichts verarbeitet.")
+        return
+    debug_print(f"Verarbeitung startet ab Zeile {start_row} (erste Zeile ohne Zeitstempel in Spalte AO).")
+    
+    # Abfrage: Wie viele Zeilen sollen insgesamt verarbeitet werden?
+    try:
+        total_rows = int(input("Wie viele Zeilen sollen insgesamt bearbeitet werden? "))
+    except Exception as e:
+        debug_print(f"Fehler bei der Eingabe der Zeilenanzahl: {e}. Es werden alle verfügbaren Zeilen verarbeitet.")
+        total_rows = None
+
+    available_total = len(data) - 1  # ohne Header
+    # Wenn der Nutzer einen Wert eingibt, der vor dem Startpunkt liegt, wird dieser ignoriert.
+    if total_rows is not None and total_rows < start_row - 1:
+        debug_print("Die angegebene Zeilenanzahl liegt vor dem Startpunkt. Es werden alle Zeilen ab dem Startpunkt verarbeitet.")
+        available_rows = available_total
+    elif total_rows is not None:
+        available_rows = total_rows
+    else:
+        available_rows = available_total
+
+    if start_row > available_rows + 1:
+        debug_print("Es gibt keine Zeilen ohne Zeitstempel ab dem Startpunkt. Es wird nichts verarbeitet.")
+        return
+
+    batch_size = Config.BATCH_SIZE  # z. B. 10
+    batches = []
+    row_numbers = []
+
+    for i in range(start_row, available_rows + 2):  # +1 für Einbeziehung, +1 wegen 1-basierter Index
+        row = data[i - 1]
+        entry_text = (
+            f"Eintrag {i}:\n"
+            f"Firmenname: {row[1] if len(row) > 1 else ''}\n"
+            f"CRM-Beschreibung: {row[7] if len(row) > 7 else ''}\n"
+            f"Wikipedia-URL: {row[11] if len(row) > 11 and row[11].strip() not in ['', 'k.A.'] else 'k.A.'}\n"
+            f"Wiki-Absatz: {row[12] if len(row) > 12 else 'k.A.'}\n"
+            f"Wiki-Kategorien: {row[16] if len(row) > 16 else 'k.A.'}\n"
+            "-----\n"
+        )
+        batches.append(entry_text)
+        row_numbers.append(i)
+        if len(batches) == batch_size:
+            _process_batch(main_sheet, batches, row_numbers)
+            batches = []
+            row_numbers = []
+    if batches:
+        _process_batch(main_sheet, batches, row_numbers)
+    debug_print("Verifizierungs-Batch abgeschlossen.")
 
 
+def _process_batch(main_sheet, batches, row_numbers):
+    """
+    Hilfsfunktion: Bearbeitet einen Batch, indem ein aggregierter Prompt erstellt und
+    die aggregierte Antwort zeilenweise den entsprechenden Zeilennummern zugeordnet wird.
+    Die Ergebnisse werden in Spalten S bis Y geschrieben.
+    """
+    aggregated_prompt = (
+        "Du bist ein Experte in der Verifizierung von Wikipedia-Artikeln für Unternehmen. "
+        "Für jeden der folgenden Einträge prüfe, ob der vorhandene Wikipedia-Artikel (URL, Absatz, Kategorien) plausibel passt. "
+        "Gib das Ergebnis für jeden Eintrag im Format aus:\n"
+        "Eintrag <Zeilennummer>: <Antwort>\n"
+        "Regeln:\n"
+        "- Bei Übereinstimmung: 'OK'\n"
+        "- Bei Nichtübereinstimmung: 'Alternativer Wikipedia-Artikel vorgeschlagen: <URL> | X | <Begründung>'\n"
+        "- Falls kein Artikel gefunden wurde: 'Kein Wikipedia-Eintrag vorhanden.'\n\n"
+    )
+    aggregated_prompt += "\n".join(batches)
+    debug_print(f"Verarbeite Batch für Zeilen {row_numbers[0]} bis {row_numbers[-1]}.")
+    if tiktoken:
+        try:
+            enc = tiktoken.encoding_for_model(Config.TOKEN_MODEL)
+            debug_print(f"Token-Zahl für aktuellen Batch: {len(enc.encode(aggregated_prompt))}")
+        except Exception as e:
+            debug_print(f"Fehler beim Token-Counting: {e}")
+    try:
+        with open("api_key.txt", "r") as f:
+            api_key = f.read().strip()
+    except Exception as e:
+        debug_print(f"Fehler beim Lesen des API-Tokens für Verifizierung: {e}")
+        return
+    openai.api_key = api_key
+    try:
+        response = openai.ChatCompletion.create(
+            model=Config.TOKEN_MODEL,
+            messages=[{"role": "user", "content": aggregated_prompt}],
+            temperature=0.0
+        )
+        result = response.choices[0].message.content.strip()
+        debug_print(f"Aggregierte Antwort für Batch {row_numbers[0]}-{row_numbers[-1]}: {result}")
+    except Exception as e:
+        debug_print(f"Fehler bei der ChatGPT-Anfrage für Batch {row_numbers[0]}-{row_numbers[-1]}: {e}")
+        result = ""
+    answers = result.split("\n")
+    for current_row in row_numbers:
+        answer = "k.A."
+        for line in answers:
+            if line.strip().startswith(f"Eintrag {current_row}:"):
+                answer = line.split(":", 1)[1].strip()
+                break
+        if answer.upper() == "OK":
+            wiki_confirm = "OK"
+            alt_article = ""
+            wiki_explanation = ""
+        elif answer.upper() == "KEIN WIKIPEDIA-EINTRAG VORHANDEN.":
+            wiki_confirm = ""
+            alt_article = "Kein Wikipedia-Eintrag vorhanden."
+            wiki_explanation = ""
+        elif answer.startswith("Alternativer Wikipedia-Artikel vorgeschlagen:"):
+            parts = answer.split(":", 1)[1].split("|")
+            alt_article = parts[0].strip() if len(parts) > 0 else "k.A."
+            wiki_explanation = parts[2].strip() if len(parts) > 2 else ""
+            wiki_confirm = "X"
+        else:
+            wiki_confirm = ""
+            alt_article = answer
+            wiki_explanation = answer
+        try:
+            main_sheet.update(values=[[wiki_confirm]], range_name=f"S{current_row}")
+            main_sheet.update(values=[[alt_article]], range_name=f"T{current_row}")
+            main_sheet.update(values=[[wiki_explanation]], range_name=f"U{current_row}")
+            main_sheet.update(values=[["", "", "", ""]], range_name=f"V{current_row}:Y{current_row}")
+            debug_print(f"Zeile {current_row} verifiziert: Antwort: {answer}")
+        except Exception as e:
+            debug_print(f"Fehler beim Updaten der Zeile {current_row}: {e}")
+        time.sleep(Config.RETRY_DELAY)
 
 
 # ==================== List Metatitel, Description und Überschriften aus Websiten aus ====================