Verbesserte Wikipedia-Suche:

- Titelprüfung ergänzt: Namensfragmente müssen im Seitentitel vorkommen
- Validierungsmethode erweitert: Kombiniert Titel- und Inhaltsprüfung
- Präzisere Ergebnis-Auswahl durch Matching-Score
- Blacklist bewusst NICHT verwendet
- Leere oder fehlerhafte Wikipedia-Ergebnisse werden sicher erkannt und mit "k.A." ausgegeben

brancheneinstufung.py

@@ -78,12 +78,12 @@ WHITELIST_KATEGORIEN = [
     "logistik", "automobil"
 ]
 
-def validate_wikipedia_page(content, name, domain_key):
+def validate_wikipedia_page(content, title, name, domain_key):
     name_fragments = name.lower().split()[:2]
-    return (
-        any(frag in content.lower() for frag in name_fragments) or
-        (domain_key and domain_key.lower() in content.lower())
-    )
+    title_check = any(frag in title.lower() for frag in name_fragments)
+    content_check = any(frag in content.lower() for frag in name_fragments)
+    domain_check = domain_key and domain_key.lower() in content.lower()
+    return (title_check or content_check or domain_check)
 
 def get_wikipedia_data(name, website_hint=""):
     domain_key = extract_domain_key(website_hint)
@@ -98,7 +98,7 @@ def get_wikipedia_data(name, website_hint=""):
                     try:
                         page = wikipedia.page(title, auto_suggest=False)
                         html = requests.get(page.url, timeout=10).text
-                        if not validate_wikipedia_page(page.content, name, domain_key):
+                        if not validate_wikipedia_page(page.content, title, name, domain_key):
                             continue
                         soup = BeautifulSoup(html, "html.parser")
                         branche, umsatz = parse_infobox_with_fallback(soup)
@@ -139,6 +139,7 @@ print("\n✅ Wikipedia-Auswertung abgeschlossen")
 
 
 
+
 # === SCHRITT 2: GPT-BEWERTUNG ===
 def classify_company(row, wikipedia_url=""):
     user_prompt = {