Floke
83a5d181e7
- Bugfix: Behebt ein Problem, bei dem das Skript beim Start zu hängen schien, weil große Wissensbasis-Dateien blockierend geladen wurden. - Die Initialisierung der `ContactGrouper`-Klasse wurde verschlankt und lädt die JSON-Dateien nicht mehr automatisch. - Eine neue Methode `load_knowledge_base()` wurde eingeführt, um das Laden der Dateien explizit und mit Logging-Feedback zu steuern. - Das Skript gibt nun sofort nach dem Start eine Rückmeldung auf der Konsole und im Logfile, bevor zeitaufwändige Operationen beginnen. - Verbesserte Fehlerbehandlung, falls die Wissensbasis nicht geladen werden kann.
222 lines
9.6 KiB
Python
222 lines
9.6 KiB
Python
# contact_grouping.py
|
|
|
|
__version__ = "v1.1.2" # Versionsnummer hochgezählt
|
|
|
|
import logging
|
|
import json
|
|
import re
|
|
import os
|
|
import sys # NEU: Import für sauberen Abbruch
|
|
import pandas as pd
|
|
|
|
from google_sheet_handler import GoogleSheetHandler
|
|
from helpers import create_log_filename, call_openai_chat
|
|
from config import LOG_DIR, Config
|
|
|
|
# --- Konfiguration ---
|
|
TARGET_SHEET_NAME = "Matching_Positions"
|
|
LEARNING_SOURCE_SHEET_NAME = "CRM_Jobtitles"
|
|
EXACT_MATCH_FILE = "exact_match_map.json"
|
|
KEYWORD_RULES_FILE = "keyword_rules.json"
|
|
DEFAULT_DEPARTMENT = "Undefined"
|
|
|
|
def setup_logging():
|
|
"""Konfiguriert das Logging, um sowohl in der Konsole als auch in einer Datei zu loggen."""
|
|
log_filename = create_log_filename("contact_grouping")
|
|
log_level = logging.DEBUG
|
|
|
|
logging.basicConfig(
|
|
level=log_level,
|
|
format='%(asctime)s - %(name)s - %(levelname)s - %(message)s',
|
|
handlers=[
|
|
logging.FileHandler(log_filename, encoding='utf-8'),
|
|
logging.StreamHandler()
|
|
]
|
|
)
|
|
logging.getLogger("gspread").setLevel(logging.WARNING)
|
|
logging.getLogger("oauth2client").setLevel(logging.WARNING)
|
|
logging.info(f"Logging initialisiert. Log-Datei: {log_filename}")
|
|
|
|
|
|
class ContactGrouper:
|
|
"""
|
|
Kapselt die Logik zur automatischen Gruppierung von Kontakten
|
|
basierend auf ihrem Jobtitel. Inklusive Lernfunktion via KI.
|
|
"""
|
|
def __init__(self):
|
|
self.logger = logging.getLogger(__name__ + ".ContactGrouper")
|
|
# --- ÄNDERUNG: Initialisierung ist jetzt "faul" (lazy) ---
|
|
self.exact_match_map = None
|
|
self.keyword_rules = None
|
|
|
|
def load_knowledge_base(self):
|
|
"""
|
|
NEUE METHODE: Lädt die Wissensbasis-Dateien explizit.
|
|
Gibt True bei Erfolg, False bei Fehlern zurück.
|
|
"""
|
|
self.logger.info("Lade Wissensbasis...")
|
|
self.exact_match_map = self._load_json(EXACT_MATCH_FILE)
|
|
self.keyword_rules = self._load_json(KEYWORD_RULES_FILE)
|
|
|
|
if self.exact_match_map is None or self.keyword_rules is None:
|
|
self.logger.critical("Eine oder mehrere Wissensbasis-Dateien konnten nicht geladen werden. Abbruch.")
|
|
return False
|
|
|
|
self.logger.info("Wissensbasis erfolgreich geladen.")
|
|
return True
|
|
|
|
def _load_json(self, file_path):
|
|
"""Lädt eine JSON-Datei und gibt den Inhalt als Dictionary zurück."""
|
|
if not os.path.exists(file_path):
|
|
self.logger.error(f"Wissensbasis-Datei '{file_path}' nicht gefunden. Bitte 'knowledge_base_builder.py' ausführen.")
|
|
return None
|
|
try:
|
|
with open(file_path, 'r', encoding='utf-8') as f:
|
|
self.logger.debug(f"Lese und parse '{file_path}'...")
|
|
data = json.load(f)
|
|
self.logger.debug(f"'{file_path}' erfolgreich geparst.")
|
|
return data
|
|
except (json.JSONDecodeError, IOError) as e:
|
|
self.logger.error(f"Fehler beim Laden oder Parsen der Datei '{file_path}': {e}")
|
|
return None
|
|
|
|
# ... (alle anderen Methoden wie _normalize_job_title, _find_best_match etc. bleiben unverändert) ...
|
|
|
|
def _normalize_job_title(self, job_title):
|
|
if not isinstance(job_title, str): return ""
|
|
return job_title.lower().strip()
|
|
|
|
def _find_best_match(self, job_title):
|
|
normalized_title = self._normalize_job_title(job_title)
|
|
if not normalized_title: return DEFAULT_DEPARTMENT
|
|
|
|
exact_match = self.exact_match_map.get(normalized_title)
|
|
if exact_match:
|
|
self.logger.debug(f"'{job_title}' -> '{exact_match}' (Stufe 1: Exakter Match)")
|
|
return exact_match
|
|
|
|
title_tokens = set(re.split(r'[\s/(),-]+', normalized_title))
|
|
scores = {}
|
|
for department, rules in self.keyword_rules.items():
|
|
matches = title_tokens.intersection(rules.get("keywords", []))
|
|
if matches: scores[department] = len(matches)
|
|
|
|
if not scores:
|
|
self.logger.debug(f"'{job_title}' -> '{DEFAULT_DEPARTMENT}' (Stufe 2: Keine Keywords gefunden)")
|
|
return DEFAULT_DEPARTMENT
|
|
|
|
max_score = max(scores.values())
|
|
top_departments = [dept for dept, score in scores.items() if score == max_score]
|
|
|
|
if len(top_departments) == 1:
|
|
winner = top_departments[0]
|
|
self.logger.debug(f"'{job_title}' -> '{winner}' (Stufe 2: Keyword Match, Score {max_score})")
|
|
return winner
|
|
|
|
best_priority = float('inf')
|
|
winner = top_departments[0]
|
|
for department in top_departments:
|
|
priority = self.keyword_rules[department].get("priority", 99)
|
|
if priority < best_priority:
|
|
best_priority = priority
|
|
winner = department
|
|
|
|
self.logger.debug(f"'{job_title}' -> '{winner}' (Stufe 2: Keyword Match, Score {max_score}, Prio-Tiebreak: {best_priority})")
|
|
return winner
|
|
|
|
def _get_ai_classification(self, job_titles_to_classify):
|
|
self.logger.info(f"Starte Stufe 3: Sende {len(job_titles_to_classify)} 'Undefined' Jobtitel zur KI-Klassifizierung...")
|
|
if not job_titles_to_classify: return {}
|
|
|
|
valid_departments = sorted([dept for dept in self.keyword_rules.keys() if dept != DEFAULT_DEPARTMENT])
|
|
prompt_parts = [
|
|
"Du bist ein HR-Experte...",
|
|
json.dumps(job_titles_to_classify, ensure_ascii=False)
|
|
]
|
|
prompt = "\n".join(prompt_parts)
|
|
|
|
try:
|
|
response_str = call_openai_chat(prompt, temperature=0.0, model="gpt-4o-mini", response_format_json=True)
|
|
json_start = response_str.find('[')
|
|
json_end = response_str.rfind(']')
|
|
if json_start == -1 or json_end == -1: raise json.JSONDecodeError("Kein JSON-Array.", response_str, 0)
|
|
json_str = response_str[json_start : json_end + 1]
|
|
results_list = json.loads(json_str)
|
|
classified_map = {item['job_title']: item['department'] for item in results_list if item.get('department') in valid_departments}
|
|
self.logger.info(f"{len(classified_map)} Jobtitel erfolgreich von der KI klassifiziert.")
|
|
return classified_map
|
|
except Exception as e:
|
|
self.logger.error(f"Fehler bei der KI-Klassifizierung: {e}")
|
|
return {}
|
|
|
|
def _append_learnings_to_source(self, gsh, new_mappings_df):
|
|
if new_mappings_df.empty: return
|
|
self.logger.info(f"Lern-Mechanismus: Hänge {len(new_mappings_df)} neue KI-Erkenntnisse an '{LEARNING_SOURCE_SHEET_NAME}' an...")
|
|
rows_to_append = new_mappings_df[["Job Title", "Department"]].values.tolist()
|
|
success = gsh.append_rows(LEARNING_SOURCE_SHEET_NAME, rows_to_append)
|
|
if success: self.logger.info("Lern-Daten erfolgreich angehängt.")
|
|
else: self.logger.error("Fehler beim Anhängen der Lern-Daten.")
|
|
|
|
def process_contacts(self):
|
|
"""
|
|
Führt den eigentlichen Verarbeitungsprozess aus, nachdem die Wissensbasis geladen wurde.
|
|
"""
|
|
self.logger.info("Starte Kontakt-Verarbeitung...")
|
|
gsh = GoogleSheetHandler()
|
|
df = gsh.get_sheet_as_dataframe(TARGET_SHEET_NAME)
|
|
|
|
if df is None or df.empty:
|
|
self.logger.warning(f"'{TARGET_SHEET_NAME}' ist leer. Nichts zu tun.")
|
|
return
|
|
|
|
df.columns = [col.strip() for col in df.columns]
|
|
if "Job Title" not in df.columns:
|
|
self.logger.critical(f"Benötigte Spalte 'Job Title' nicht gefunden. Abbruch.")
|
|
return
|
|
|
|
df['Original Job Title'] = df['Job Title']
|
|
self.logger.info(f"{len(df)} Kontakte aus '{TARGET_SHEET_NAME}' geladen.")
|
|
|
|
if "Department" not in df.columns: df["Department"] = ""
|
|
df['Department'] = df['Job Title'].apply(self._find_best_match)
|
|
|
|
undefined_df = df[df['Department'] == DEFAULT_DEPARTMENT]
|
|
if not undefined_df.empty:
|
|
titles_to_classify = undefined_df['Job Title'].unique().tolist()
|
|
ai_results_map = self._get_ai_classification(titles_to_classify)
|
|
df['Department'] = df.apply(
|
|
lambda row: ai_results_map.get(row['Job Title'], row['Department']) if row['Department'] == DEFAULT_DEPARTMENT else row['Department'],
|
|
axis=1
|
|
)
|
|
|
|
new_learnings = [{'Job Title': title, 'Department': dept} for title, dept in ai_results_map.items()]
|
|
if new_learnings:
|
|
self._append_learnings_to_source(gsh, pd.DataFrame(new_learnings))
|
|
|
|
self.logger.info("--- Zuordnungs-Statistik ---")
|
|
stats = df['Department'].value_counts()
|
|
for department, count in stats.items(): self.logger.info(f"- {department}: {count} Zuordnungen")
|
|
self.logger.info(f"GESAMT: {len(df)} Jobtitel verarbeitet.")
|
|
|
|
output_df = df.drop(columns=['Original Job Title'])
|
|
output_data = [output_df.columns.values.tolist()] + output_df.values.tolist()
|
|
|
|
success = gsh.clear_and_write_data(TARGET_SHEET_NAME, output_data)
|
|
if success: self.logger.info(f"Ergebnisse erfolgreich in '{TARGET_SHEET_NAME}' geschrieben.")
|
|
else: self.logger.error("Fehler beim Zurückschreiben der Daten.")
|
|
|
|
|
|
if __name__ == "__main__":
|
|
setup_logging()
|
|
logging.info(f"Starte contact_grouping.py v{__version__}")
|
|
|
|
Config.load_api_keys()
|
|
|
|
grouper = ContactGrouper()
|
|
|
|
# NEU: Expliziter Lade-Schritt mit Fehlerprüfung
|
|
if not grouper.load_knowledge_base():
|
|
logging.critical("Skript-Abbruch aufgrund von Fehlern beim Laden der Wissensbasis.")
|
|
sys.exit(1) # Beendet das Skript mit einem Fehlercode
|
|
|
|
grouper.process_contacts() |