Optimierung der Umsatz- und Mitarbeiterextraktion; Re‑Evaluierungsmodus ohne Zeileneingabe (v1.1.8)

Umsatz-Extraktion:

Erweiterte Regex, um Zahlenstrings robust zu normalisieren:

Entfernt Tausendertrennzeichen (Punkte und Leerzeichen).

Verwendet Komma als Dezimaltrenner, falls vorhanden.

Wenn keine Einheit (Mio, Mrd) vorhanden ist, wird der Wert als Euro angenommen und durch 1.000.000 geteilt.

Mitarbeiter-Extraktion:

Erweiterung der Schlüsselwortliste (z. B. "mitarbeiterzahl", "angestellte", "belegschaft", "personalstärke").

Falls "mitarbeiterzahl" explizit vorkommt, wird direkt der Zahlenwert danach extrahiert.

Re‑Evaluierungsmodus:

Im Modus "2" werden alle Zeilen verarbeitet, bei denen in Spalte A ein "x" steht, ohne dass nach der Anzahl der zu überprüfenden Zeilen gefragt wird.

Übersprungene Zeilen werden nicht geloggt.

Spaltenanpassungen:

Im normalen Modus: Firmenname in Spalte A, Website in Spalte B; Ausgabe in G:K, Datum in N, Version in Q.

Im Re‑Evaluierungsmodus: Firmenname in Spalte B, Website in Spalte C; Ausgabe in H:L, Datum in O, Version in R.

brancheneinstufung.py

@@ -12,7 +12,7 @@ import csv
 
 # ==================== KONFIGURATION ====================
 class Config:
-    VERSION = "1.1.7"  # Neue Version
+    VERSION = "1.1.8"  # Neue Version
     LANG = "de"
     CREDENTIALS_FILE = "service_account.json"
     SHEET_URL = "https://docs.google.com/spreadsheets/d/1u_gHr9JUfmV1-iviRzbSe3575QEp7KLhK5jFV_gJcgo"
@@ -199,9 +199,12 @@ class WikipediaScraper:
                             return raw_value.strip()
                         if target == 'mitarbeiter':
                             raw = raw_value.lower()
-                            # Falls "mitarbeiterzahl" explizit vorkommt, entferne diesen Teil
+                            # Spezifisch nach "mitarbeiterzahl" suchen und den direkt folgenden Zahlenwert extrahieren
                             if "mitarbeiterzahl" in raw:
-                                raw = raw.split("mitarbeiterzahl")[-1]
+                                match = re.search(r'mitarbeiterzahl\D*(\d+)', raw)
+                                if match:
+                                    return match.group(1)
+                            # Alternativ: Finde die erste Zahl
                             numbers = re.findall(r'\d+', raw)
                             if numbers:
                                 return numbers[0]
@@ -271,7 +274,6 @@ class DataProcessor:
         self.sheet_handler = GoogleSheetHandler()
         self.wiki_scraper = WikipediaScraper()
     def process_rows(self, num_rows=None):
-        # Im Re-Evaluierungsmodus wird num_rows ignoriert.
         if MODE == "2":
             print("Re-Evaluierungsmodus: Verarbeitung aller Zeilen mit 'x' in Spalte A.")
         else:
@@ -279,17 +281,12 @@ class DataProcessor:
             print(f"Starte bei Zeile {start_index+1}")
         for i, row in enumerate(self.sheet_handler.sheet_values[1:], start=2):
             if MODE == "2":
-                # Nur Zeilen mit "x" in Spalte A verarbeiten
                 if row[0].strip().lower() == "x":
                     self._process_single_row(i, row)
             else:
-                # Normalmodus: Alle Zeilen ab Startindex verarbeiten
                 if i >= self.sheet_handler.get_start_index():
                     self._process_single_row(i, row)
     def _process_single_row(self, row_num, row_data):
-        # Modusabhängige Verarbeitung:
-        # Normalmodus (Modus "1"): Firmenname in Spalte A, Website in Spalte B; Ausgabe in G:K, Datum in N, Version in Q.
-        # Re-Evaluierungsmodus (Modus "2"): Nur Zeilen mit "x" in Spalte A; Firmenname in Spalte B, Website in Spalte C; Ausgabe in H:L, Datum in O, Version in R.
         if MODE == "2":
             company_name = row_data[1] if len(row_data) > 1 else ""
             website = row_data[2] if len(row_data) > 2 else ""