sync_manager.py aktualisiert

This commit is contained in:
2025-08-27 18:45:37 +00:00
parent 8cd2581159
commit d6f39eb942

View File

@@ -1,206 +1,201 @@
def main():
#!/usr/bin/env python3
"""
sync_manager.py
Modul für den Datenabgleich zwischen einem D365 Excel-Export und dem Google Sheet.
Führt einen intelligenten "Full-Sync" durch, um neue, geänderte und
gelöschte Datensätze zu identifizieren und zu verarbeiten.
Enthält Logik für:
- Smart-Merging von Feldern (z.B. Website).
- Automatisches Setzen des Re-Eval-Flags bei Stammdatenänderungen.
- Markieren von archivierten Datensätzen.
- Protokollieren von Datenkonflikten.
"""
import pandas as pd
import logging
from datetime import datetime
# Importiere die benötigten Konfigurationen
from config import COLUMN_ORDER, COLUMN_MAP
class SyncManager:
"""
Haupteinstiegspunkt des Skripts.
Verarbeitet Kommandozeilen-Argumente, richtet Logging ein,
initialisiert Komponenten und dispatchet zu den passenden Modi.
Kapselt die Logik für den Abgleich zwischen D365-Export und Google Sheet.
"""
# --- Importe innerhalb der Funktion, um Abhängigkeiten klar zu halten ---
import argparse
import time
import logging
import os # <<< NEU: für Dateipfad-Prüfung
from config import Config, log_module_versions, create_log_filename
from google_sheet_handler import GoogleSheetHandler
from wikipedia_scraper import WikipediaScraper
from data_processor import DataProcessor
from sync_manager import SyncManager # <<< NEU: SyncManager importieren
import helpers
import google_sheet_handler # Für Version-Logging
def __init__(self, sheet_handler, d365_export_path):
"""
Initialisiert den SyncManager.
# --- Argument Parser ---
parser = argparse.ArgumentParser(
description=f"Firmen-Datenanreicherungs-Skript {Config.VERSION}.",
formatter_class=argparse.RawTextHelpFormatter
)
mode_categories = {
"Daten-Synchronisation": ["sync"], # <<< NEU: Eigene Kategorie für den Sync
"Batch-Verarbeitung": ["wiki_verify", "website_scraping", "summarize_website", "branch_eval", "suggest_parents", "fsm_pitch"],
"Sequentielle Verarbeitung": ["full_run"],
"Re-Evaluation": ["reeval"],
"Dienstprogramme": ["find_wiki_serp", "check_urls", "contacts", "update_wiki_suggestions", "wiki_reextract_missing_an", "website_details", "train_technician_model", "predict_technicians", "alignment", "reparatur_sitz", "plausi_check_data"],
"Kombinierte Läufe": ["combined_all"],
"Spezial-Modi": ["reclassify_branches"],
}
valid_modes = [mode for modes in mode_categories.values() for mode in modes]
mode_help_text = "Betriebsmodus. Waehlen Sie einen der folgenden:\n"
for category, modes in mode_categories.items():
mode_help_text += f"\n{category}:\n" + "".join([f" - {mode}\n" for mode in modes])
Args:
sheet_handler: Eine instanziierte GoogleSheetHandler-Klasse.
d365_export_path (str): Der Dateipfad zur D365 Excel-Exportdatei.
"""
self.sheet_handler = sheet_handler
self.d365_export_path = d365_export_path
self.logger = logging.getLogger(__name__)
parser.add_argument("--mode", type=str, help=mode_help_text)
parser.add_argument("--limit", type=int, help="Maximale Anzahl zu verarbeitender Zeilen.", default=None)
parser.add_argument("--start_sheet_row", type=int, help="Startzeile im Sheet (1-basiert).", default=None)
parser.add_argument("--end_sheet_row", type=int, help="Endzeile im Sheet (1-basiert).", default=None)
valid_steps = ['wiki', 'chat', 'web', 'ml_predict']
parser.add_argument("--steps", type=str, help=f"Schritte für 'reeval'/'full_run' (z.B. 'wiki,chat'). Optionen: {', '.join(valid_steps)}.", default=','.join(valid_steps))
parser.add_argument("--min_umsatz", type=float, help="Mindestumsatz in MIO € für 'find_wiki_serp'.", default=200.0)
parser.add_argument("--min_employees", type=int, help="Mindest-MA für 'find_wiki_serp'.", default=500)
# <<< NEU: Argument für den Pfad der Sync-Datei
parser.add_argument("--sync_file", type=str, help="Pfad zur D365 Excel-Exportdatei für den 'sync'-Modus.", default="d365_export.xlsx")
# Definiert, welche D365-Spalten welchen GSheet-Spalten entsprechen.
# Dies ist das zentrale Mapping, das auf deiner D365-View basiert.
self.d365_to_gsheet_map = {
"Account Name": "CRM Name",
"Parent Account": "Parent Account Name",
"Website": "CRM Website",
"City": "CRM Ort",
"Country": "CRM Land",
"Description FSM": "CRM Beschreibung",
"Branch detail": "CRM Branche",
"No. Service Technicians": "CRM Anzahl Techniker",
"Annual Revenue (Mio. €)": "CRM Umsatz",
"Number of Employees": "CRM Anzahl Mitarbeiter",
# Dies ist die wichtigste Zeile! Annahme: Die GUID-Spalte im Export heißt 'Account'.
# Falls sie anders heißt (z.B. 'Account ID'), muss nur dieser String angepasst werden.
"Account": "CRM ID"
}
args = parser.parse_args()
# Definiert die Merge-Strategien für GSheet-Spalten
self.d365_wins_cols = ["CRM Name", "Parent Account Name", "CRM Ort", "CRM Land",
"CRM Beschreibung", "CRM Branche", "CRM Anzahl Techniker",
"CRM Umsatz", "CRM Anzahl Mitarbeiter"]
self.smart_merge_cols = ["CRM Website"]
# --- Modusauswahl (interaktiv, wenn nicht über CLI) ---
selected_mode = args.mode.lower() if args.mode else None
if not selected_mode:
print("\nBitte waehlen Sie den Betriebsmodus:")
mode_map = {}
counter = 1
for category, modes in mode_categories.items():
print(f"\n{category}:")
for mode in modes:
print(f" {counter}: {mode}")
mode_map[str(counter)] = mode
mode_map[mode] = mode
counter += 1
print("\n 0: Abbrechen")
mode_map['0'] = 'exit'
while selected_mode is None:
try:
choice = input("Geben Sie den Modusnamen oder die Zahl ein: ").strip().lower()
if choice in mode_map:
selected_mode = mode_map[choice]
if selected_mode == 'exit':
print("Abgebrochen.")
return
else:
print("Ungueltige Eingabe.")
except (EOFError, KeyboardInterrupt):
print("\nAbgebrochen.")
return
# --- Logging Konfiguration ---
# Definiere hier die Logging-Konstanten, falls sie nicht global sind
LOG_LEVEL = logging.DEBUG if Config.DEBUG else logging.INFO
LOG_FORMAT = '%(asctime)s - %(levelname)-8s - %(name)-25s - %(message)s'
logging.basicConfig(level=LOG_LEVEL, format=LOG_FORMAT)
logger = logging.getLogger(__name__)
# --- Logdatei-Konfiguration abschließen ---
log_file_path = create_log_filename(selected_mode)
if log_file_path:
file_handler = logging.FileHandler(log_file_path, mode='a', encoding='utf-8')
file_handler.setLevel(LOG_LEVEL)
file_handler.setFormatter(logging.Formatter(LOG_FORMAT))
logging.getLogger('').addHandler(file_handler)
logger.info(f"===== Skript gestartet: Modus '{selected_mode}' =====")
logger.info(f"Projekt-Version (Config): {Config.VERSION}")
logger.info(f"Logdatei: {log_file_path or 'FEHLER - Keine Logdatei'}")
logger.info(f"CLI Argumente: {args}")
# --- Hauptlogik ---
try:
# --- Vorbereitung & Initialisierung ---
Config.load_api_keys()
sheet_handler = GoogleSheetHandler()
# <<< NEU: Früher Ausstieg für den Sync-Modus, da er keine Scraper/Prozessoren braucht
if selected_mode == "sync":
d365_file_path = args.sync_file
if not os.path.exists(d365_file_path):
logger.critical(f"Export-Datei nicht gefunden: {d365_file_path}")
print(f"\n! FEHLER: Die angegebene Sync-Datei wurde nicht gefunden: {d365_file_path}")
def _load_data(self):
"""Lädt Daten aus der D365-Exportdatei und dem Google Sheet."""
self.logger.info(f"Lade Daten aus D365-Export: '{self.d365_export_path}'...")
try:
# Lade alle Daten als String, um Formatierungsfehler (besonders bei GUIDs) zu vermeiden
self.d365_df = pd.read_excel(self.d365_export_path, dtype=str).fillna('')
# Finde den Spaltennamen für die GUID in der Export-Datei basierend auf unserem Mapping
d365_guid_col = next((k for k, v in self.d365_to_gsheet_map.items() if v == "CRM ID"), None)
if d365_guid_col and d365_guid_col in self.d365_df.columns:
self.d365_df.rename(columns={d365_guid_col: "CRM ID"}, inplace=True)
else:
sync_manager = SyncManager(sheet_handler, d365_file_path)
sync_manager.run_sync()
else:
# Bisherige Initialisierung für alle anderen Modi
wiki_scraper = WikipediaScraper()
data_processor = DataProcessor(sheet_handler=sheet_handler, wiki_scraper=wiki_scraper)
self.logger.critical(f"FEHLER: Die erwartete GUID-Spalte '{d365_guid_col}' wurde in der D365-Exportdatei nicht gefunden.")
raise ValueError(f"GUID-Spalte ('{d365_guid_col}') nicht in der D365-Exportdatei gefunden.")
# --- Modul-Versionen loggen ---
modules_to_log = {
"DataProcessor": data_processor,
"GoogleSheetHandler": google_sheet_handler,
"WikipediaScraper": wikipedia_scraper,
"Helpers": helpers
}
log_module_versions(modules_to_log)
# Bereinige CRM IDs und entferne Zeilen ohne gültige ID
self.d365_df['CRM ID'] = self.d365_df['CRM ID'].str.strip()
self.d365_df.dropna(subset=['CRM ID'], inplace=True)
self.d365_df = self.d365_df[self.d365_df['CRM ID'] != '']
except FileNotFoundError:
self.logger.critical(f"FEHLER: D365-Exportdatei nicht gefunden unter: {self.d365_export_path}")
return False
except Exception as e:
self.logger.critical(f"Ein unerwarteter Fehler ist beim Laden der Excel-Datei aufgetreten: {e}", exc_info=True)
return False
self.logger.info("Lade bestehende Daten aus dem Google Sheet...")
self.gsheet_df = self.sheet_handler.get_all_data_as_dataframe()
if self.gsheet_df is None:
self.logger.error("Konnte keine Daten aus dem Google Sheet laden.")
return False
if not data_processor.setup():
logger.critical("Setup des DataProcessors fehlgeschlagen. Das Skript wird beendet.")
return
self.gsheet_df['CRM ID'] = self.gsheet_df['CRM ID'].str.strip()
# --- Modus-Dispatching ---
start_time = time.time()
steps_to_run_set = set(step.strip().lower() for step in args.steps.split(',') if step.strip() in valid_steps) if args.steps else set(valid_steps)
self.logger.info(f"{len(self.d365_df)} gültige Datensätze aus D365 geladen, {len(self.gsheet_df)} im Google Sheet vorhanden.")
return True
if selected_mode == "full_run":
start_row = args.start_sheet_row or sheet_handler.get_start_row_index("Timestamp letzte Pruefung") + sheet_handler._header_rows + 1
num_to_process = args.limit or (len(sheet_handler.get_all_data_with_headers()) - start_row + 1)
data_processor.process_rows_sequentially(
start_sheet_row=start_row, num_to_process=num_to_process,
process_wiki_steps='wiki' in steps_to_run_set,
process_chatgpt_steps='chat' in steps_to_run_set,
process_website_steps='web' in steps_to_run_set,
process_ml_steps='ml_predict' in steps_to_run_set
)
elif selected_mode == "reeval":
data_processor.process_reevaluation_rows(
row_limit=args.limit, clear_flag=True,
process_wiki_steps='wiki' in steps_to_run_set,
process_chatgpt_steps='chat' in steps_to_run_set,
process_website_steps='web' in steps_to_run_set,
process_ml_steps='ml_predict' in steps_to_run_set
)
# ... (alle anderen elif-Blöcke bleiben wie sie sind) ...
elif selected_mode == "reclassify_branches":
data_processor.reclassify_all_branches(
start_sheet_row=args.start_sheet_row,
limit=args.limit
)
elif selected_mode == "alignment":
alignment_demo(sheet_handler)
elif selected_mode == "train_technician_model":
data_processor.train_technician_model()
elif selected_mode == "predict_technicians":
data_processor.process_predict_technicians(
start_sheet_row=args.start_sheet_row,
limit=args.limit
)
elif hasattr(data_processor, f"process_{selected_mode}"):
method_to_call = getattr(data_processor, f"process_{selected_mode}")
method_args = {}
if "limit" in method_to_call.__code__.co_varnames: method_args["limit"] = args.limit
if "start_sheet_row" in method_to_call.__code__.co_varnames: method_args["start_sheet_row"] = args.start_sheet_row
if "end_sheet_row" in method_to_call.__code__.co_varnames: method_args["end_sheet_row"] = args.end_sheet_row
if "min_umsatz" in method_to_call.__code__.co_varnames: method_args["min_umsatz"] = args.min_umsatz
if "min_employees" in method_to_call.__code__.co_varnames: method_args["min_employees"] = args.min_employees
method_to_call(**method_args)
elif hasattr(data_processor, f"run_{selected_mode}"):
method_to_call = getattr(data_processor, f"run_{selected_mode}")
method_to_call(start_sheet_row=args.start_sheet_row, end_sheet_row=args.end_sheet_row, limit=args.limit)
else:
logger.error(f"Unbekannter Modus '{selected_mode}' im Dispatcher.")
def run_sync(self):
"""Führt den gesamten Synchronisationsprozess aus."""
if not self._load_data():
return
duration = time.time() - start_time
logger.info(f"Verarbeitung im Modus '{selected_mode}' abgeschlossen. Dauer: {duration:.2f} Sekunden.")
d365_ids = set(self.d365_df['CRM ID'])
gsheet_ids = set(self.gsheet_df[self.gsheet_df['CRM ID'] != '']['CRM ID'])
except (KeyboardInterrupt, EOFError):
logger.warning("Skript durch Benutzer unterbrochen.")
print("\n! Skript wurde manuell beendet.")
except Exception as e:
logger.critical(f"FATAL: Unerwarteter Fehler im Hauptprozess: {e}", exc_info=True)
print(f"\n! Ein kritischer Fehler ist aufgetreten: {e}")
if 'log_file_path' in locals() and log_file_path:
print(f"Bitte pruefen Sie die Logdatei fuer Details: {log_file_path}")
finally:
logger.info(f"===== Skript beendet =====")
logging.shutdown()
if 'selected_mode' in locals() and selected_mode != 'exit' and 'log_file_path' in locals() and log_file_path:
print(f"\nVerarbeitung abgeschlossen. Logfile: {log_file_path}")
new_ids = d365_ids - gsheet_ids
deleted_ids = gsheet_ids - d365_ids
existing_ids = d365_ids.intersection(gsheet_ids)
self.logger.info(f"Sync-Analyse: {len(new_ids)} neue, {len(deleted_ids)} zu archivierende, {len(existing_ids)} bestehende Accounts.")
updates_to_batch = []
rows_to_append = []
# 1. Neue Accounts verarbeiten
if new_ids:
new_accounts_df = self.d365_df[self.d365_df['CRM ID'].isin(new_ids)]
for _, row in new_accounts_df.iterrows():
new_row_data = [""] * len(COLUMN_ORDER)
for d365_col, gsheet_col in self.d365_to_gsheet_map.items():
if d365_col in row:
col_idx = COLUMN_MAP[gsheet_col]['index']
new_row_data[col_idx] = row[d365_col]
rows_to_append.append(new_row_data)
# 2. Gelöschte/Archivierte Accounts verarbeiten
if deleted_ids:
for crm_id in deleted_ids:
row_indices = self.gsheet_df[self.gsheet_df['CRM ID'] == crm_id].index
if not row_indices.empty:
row_idx = row_indices[0]
updates_to_batch.append({
"range": f"{COLUMN_MAP['Archiviert']['Titel']}{row_idx + 2}",
"values": [["TRUE"]]
})
# 3. Bestehende Accounts intelligent mergen
if existing_ids:
d365_indexed = self.d365_df.set_index('CRM ID')
gsheet_indexed = self.gsheet_df.set_index('CRM ID')
for crm_id in existing_ids:
d365_row = d365_indexed.loc[crm_id]
gsheet_row = gsheet_indexed.loc[crm_id]
row_updates = {}
conflict_messages = []
needs_reeval = False
# Strategie 1: D365 gewinnt immer
for gsheet_col in self.d365_wins_cols:
d365_col = next((k for k, v in self.d365_to_gsheet_map.items() if v == gsheet_col), None)
if d365_col and d365_col in d365_row and str(d365_row[d365_col]) != str(gsheet_row[gsheet_col]):
row_updates[gsheet_col] = str(d365_row[d365_col])
needs_reeval = True
# Strategie 2: Smart-Merge für spezielle Spalten
for gsheet_col in self.smart_merge_cols:
d365_col = next((k for k, v in self.d365_to_gsheet_map.items() if v == gsheet_col), None)
d365_val = str(d365_row.get(d365_col, ''))
gsheet_val = str(gsheet_row.get(gsheet_col, ''))
if d365_val and not gsheet_val:
row_updates[gsheet_col] = d365_val
needs_reeval = True
elif d365_val and gsheet_val and d365_val != gsheet_val:
conflict_messages.append(f"{gsheet_col}_CONFLICT: D365='{d365_val}' | GSHEET='{gsheet_val}'")
# Updates und Flags zusammenstellen
if conflict_messages:
row_updates["SyncConflict"] = "; ".join(conflict_messages)
if needs_reeval:
row_updates["ReEval Flag"] = "x"
# Batch-Update-Objekte für die aktuelle Zeile erstellen
if row_updates:
row_idx = gsheet_indexed.index.get_loc(crm_id)
for col_name, value in row_updates.items():
updates_to_batch.append({
"range": f"{COLUMN_MAP[col_name]['Titel']}{row_idx + 2}",
"values": [[value]]
})
# 4. Änderungen ins Google Sheet schreiben
if rows_to_append:
self.logger.info(f"Füge {len(rows_to_append)} neue Zeilen zum Google Sheet hinzu...")
self.sheet_handler.append_rows(rows_to_append)
if updates_to_batch:
self.logger.info(f"Sende {len(updates_to_batch)} Zell-Updates an das Google Sheet...")
self.sheet_handler.batch_update_cells(updates_to_batch)
if not rows_to_append and not updates_to_batch:
self.logger.info("Keine Änderungen festgestellt. Das Google Sheet ist bereits auf dem neuesten Stand.")
self.logger.info("Synchronisation erfolgreich abgeschlossen.")