Floke/Brancheneinstufung2
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

v1.3.0: Neue Spaltenzuordnung, verbesserte numerische Extraktion & 1 Sekunde Pause

Browse Source 
Verbesserte numerische Extraktion:

Die Funktion extract_numeric_value wurde erweitert, um den Eingabetext zuerst mittels Unicode‑Normalisierung zu säubern.

Eine robustere Regex (r'([\d]+(?:[.,]\d+)*)') wurde eingeführt, um Zahlen zuverlässig zu erfassen.

Die extrahierte Zahl wird normalisiert (Standard-Komma und Punkt) und dann konvertiert.

Debug-Ausgabe: Es werden zusätzliche Debug-Nachrichten ausgegeben, die die bereinigten Vergleichswerte vor der Konversion anzeigen.

Pause: Eine 1‑Sekunden‑Pause wurde nach dem Speichern der Wikipedia-Daten in Google Sheets eingefügt, um sicherzustellen, dass die Werte tatsächlich ankommen.
This commit is contained in:
Floke
2025-04-02 08:34:26 +00:00
parent b37163e4af
commit eb25486c2a
1 changed files with 7 additions and 6 deletions
Download Patch File Download Diff File Expand all files Collapse all files

13
brancheneinstufung.py
View File

@@ -14,7 +14,7 @@ import csv
# ==================== KONFIGURATION ==================== # ==================== KONFIGURATION ====================
class Config: class Config:
VERSION = "v1.2.5" # v1.2.5: Umsatzvergleich verbessert; 1 Sekunde Pause + zusätzliche Debug-Ausgabe VERSION = "v1.3.0" # v1.3.0: Neue Spaltenzuordnung, verbesserte numerische Extraktion & 1 Sekunde Pause
LANG = "de" LANG = "de"
CREDENTIALS_FILE = "service_account.json" CREDENTIALS_FILE = "service_account.json"
SHEET_URL = "https://docs.google.com/spreadsheets/d/1u_gHr9JUfmV1-iviRzbSe3575QEp7KLhK5jFV_gJcgo" SHEET_URL = "https://docs.google.com/spreadsheets/d/1u_gHr9JUfmV1-iviRzbSe3575QEp7KLhK5jFV_gJcgo"
@@ -72,17 +72,18 @@ def normalize_company_name(name):
return normalized.lower() return normalized.lower()
def extract_numeric_value(raw_value, is_umsatz=False): def extract_numeric_value(raw_value, is_umsatz=False):
raw_value = raw_value.strip() raw_value = unicodedata.normalize("NFKC", raw_value.strip())
if not raw_value: if not raw_value:
return "k.A." return "k.A."
# Entferne gängige Zusätze wie "ca.", "circa", "über" etc. # Entferne gängige Zusätze wie "ca.", "circa", "über" etc.
raw_value = re.sub(r'\b(ca\.?|circa|über)\b', '', raw_value, flags=re.IGNORECASE) raw_value = re.sub(r'\b(ca\.?|circa|über)\b', '', raw_value, flags=re.IGNORECASE)
raw = raw_value.lower().replace("\xa0", " ") raw = raw_value.lower().replace("\xa0", " ")
match = re.search(r'([\d.,]+)', raw, flags=re.UNICODE) # Robustere Regex: Erfasst Ziffern, optionale Dezimaltrennzeichen
match = re.search(r'([\d]+(?:[.,]\d+)*)', raw, flags=re.UNICODE)
if not match or not match.group(1).strip(): if not match or not match.group(1).strip():
debug_print(f"Keine numerischen Zeichen gefunden im Rohtext: '{raw_value}'") debug_print(f"Keine numerischen Zeichen gefunden im Rohtext: '{raw_value}'")
return "k.A." return "k.A."
num_str = match.group(1) num_str = unicodedata.normalize("NFKC", match.group(1))
if ',' in num_str: if ',' in num_str:
num_str = num_str.replace('.', '').replace(',', '.') num_str = num_str.replace('.', '').replace(',', '.')
try: try:
@@ -404,7 +405,7 @@ class DataProcessor:
self._process_single_row(i, row) self._process_single_row(i, row)
def _process_single_row(self, row_num, row_data): def _process_single_row(self, row_num, row_data):
# Neues Schema: # Neues Schema:
# B: Firmenname, C: Website # Spalte B: Firmenname, Spalte C: Website
# Wikipedia-Daten: Spalten K bis Q # Wikipedia-Daten: Spalten K bis Q
# ChatGPT Umsatz: Spalte AF # ChatGPT Umsatz: Spalte AF
# CRM Umsatz in Spalte I (Index 8) # CRM Umsatz in Spalte I (Index 8)
@@ -441,7 +442,7 @@ class DataProcessor:
company_data.get('categories', 'k.A.') company_data.get('categories', 'k.A.')
] ]
self.sheet_handler.sheet.update(values=[wiki_values], range_name=wiki_update_range) self.sheet_handler.sheet.update(values=[wiki_values], range_name=wiki_update_range)
# Pause einbauen, damit die Werte in Google Sheets aktualisiert werden. # 1 Sekunde Pause, um sicherzustellen, dass die Daten in Google Sheets gespeichert wurden.
time.sleep(1) time.sleep(1)
# ChatGPT API: Umsatzbewertung basierend auf Firmenname und Wikipedia-Umsatz # ChatGPT API: Umsatzbewertung basierend auf Firmenname und Wikipedia-Umsatz
wiki_umsatz = company_data.get('umsatz', 'k.A.') wiki_umsatz = company_data.get('umsatz', 'k.A.')