Brancheneinstufung2/contact_grouping.py

# contact_grouping.py

__version__ = "v1.0.0"

import logging
import json
import re
import os
import pandas as pd

# Importiere die existierenden, robusten Handler und Konfigurationen
from google_sheet_handler import GoogleSheetHandler

# --- Konfiguration ---
# Name des Tabellenblatts, das die zu matchenden Kontakte enthält
TARGET_SHEET_NAME = "Matching_Positions"
# Namen der zu ladenden Wissensbasis-Dateien
EXACT_MATCH_FILE = "exact_match_map.json"
KEYWORD_RULES_FILE = "keyword_rules.json"
# Standard-Department, falls keine Zuordnung möglich ist
DEFAULT_DEPARTMENT = "Undefined"


class ContactGrouper:
    """
    Kapselt die Logik zur automatischen Gruppierung von Kontakten
    basierend auf ihrem Jobtitel.
    """
    def __init__(self):
        self.logger = logging.getLogger(__name__ + ".ContactGrouper")
        self.exact_match_map = self._load_json(EXACT_MATCH_FILE)
        self.keyword_rules = self._load_json(KEYWORD_RULES_FILE)

    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.critical(f"Wissensbasis-Datei '{file_path}' nicht gefunden. Bitte zuerst 'knowledge_base_builder.py' ausführen.")
            return None
        try:
            with open(file_path, 'r', encoding='utf-8') as f:
                self.logger.info(f"Lade Wissensbasis aus '{file_path}'...")
                return json.load(f)
        except (json.JSONDecodeError, IOError) as e:
            self.logger.critical(f"Fehler beim Laden oder Parsen der Datei '{file_path}': {e}")
            return None

    def _normalize_job_title(self, job_title):
        """Bereinigt und normalisiert einen Jobtitel für den Abgleich."""
        if not isinstance(job_title, str):
            return ""
        return job_title.lower().strip()

    def _find_best_match(self, job_title):
        """
        Führt den mehrstufigen Matching-Algorithmus aus.
        Stufe 1: Exakter Match.
        Stufe 2: Keyword-basierter Match mit Priorisierung.
        """
        normalized_title = self._normalize_job_title(job_title)
        if not normalized_title:
            return DEFAULT_DEPARTMENT

        # --- Stufe 1: Exakter Match ---
        exact_match = self.exact_match_map.get(normalized_title)
        if exact_match:
            self.logger.debug(f"'{job_title}' -> '{exact_match}' (Exakter Match)")
            return exact_match

        # --- Stufe 2: Keyword-basierter Match ---
        # Zerlege den Jobtitel in einzigartige Wörter (Tokens)
        title_tokens = set(re.split(r'[\s/(),-]+', normalized_title))
        
        scores = {}
        for department, rules in self.keyword_rules.items():
            # Zähle, wie viele der Department-Keywords im Jobtitel vorkommen
            matches = title_tokens.intersection(rules.get("keywords", []))
            if matches:
                scores[department] = len(matches)
        
        if not scores:
            self.logger.debug(f"'{job_title}' -> '{DEFAULT_DEPARTMENT}' (Keine Keywords gefunden)")
            return DEFAULT_DEPARTMENT

        # Finde die Departments mit der höchsten Trefferanzahl
        max_score = max(scores.values())
        top_departments = [dept for dept, score in scores.items() if score == max_score]

        # Wenn es nur ein Department mit der höchsten Punktzahl gibt, ist es der Gewinner
        if len(top_departments) == 1:
            winner = top_departments[0]
            self.logger.debug(f"'{job_title}' -> '{winner}' (Keyword Match: Score {max_score})")
            return winner
        
        # --- Tie-Breaker: Priorität ---
        # Wenn mehrere Departments die gleiche Punktzahl haben, gewinnt das mit der höchsten Priorität (niedrigste Prio-Zahl)
        best_priority = float('inf')
        winner = top_departments[0] # Fallback
        
        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}' (Keyword Match: Score {max_score}, Prio-Tiebreak: {best_priority})")
        return winner


    def process_contacts(self):
        """
        Orchestriert den gesamten Prozess: Daten laden, zuordnen und zurückschreiben.
        """
        self.logger.info(f"Starte Kontakt-Gruppierung (Version {__version__})...")
        if self.exact_match_map is None or self.keyword_rules is None:
            self.logger.error("Verarbeitung abgebrochen, da Wissensbasis nicht geladen werden konnte.")
            return

        # 1. Daten aus Google Sheet laden
        gsh = GoogleSheetHandler()
        df = gsh.get_sheet_as_dataframe(TARGET_SHEET_NAME)

        if df is None:
            self.logger.critical("Konnte Daten nicht laden. Verarbeitung abgebrochen.")
            return
        if df.empty:
            self.logger.warning("Tabellenblatt 'Matching_Positions' ist leer. Es gibt nichts zu tun.")
            return
            
        df.columns = [col.strip() for col in df.columns]
        if "Job Title" not in df.columns:
            self.logger.critical("Benötigte Spalte 'Job Title' in 'Matching_Positions' nicht gefunden. Abbruch.")
            return
        
        self.logger.info(f"{len(df)} Kontakte aus '{TARGET_SHEET_NAME}' zum Verarbeiten geladen.")
        
        # 2. Zuordnung für jeden Jobtitel durchführen
        # Sicherstellen, dass die Department-Spalte existiert
        if "Department" not in df.columns:
            df["Department"] = ""
            
        df['Department'] = df['Job Title'].apply(self._find_best_match)
        
        self.logger.info("Zuordnung abgeschlossen. Bereite das Schreiben der Ergebnisse vor...")
        
        # 3. Ergebnisse zurück in das Google Sheet schreiben
        # Erstelle eine Liste von Listen, inklusive der Header-Zeile
        output_data = [df.columns.values.tolist()] + df.values.tolist()
        
        success = gsh.clear_and_write_data(TARGET_SHEET_NAME, output_data)
        
        if success:
            self.logger.info(f"Erfolgreich {len(df)} Kontakte verarbeitet und Ergebnisse in '{TARGET_SHEET_NAME}' geschrieben.")
        else:
            self.logger.error("Ein Fehler ist beim Zurückschreiben der Daten in das Google Sheet aufgetreten.")


if __name__ == "__main__":
    logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s')
    grouper = ContactGrouper()
    grouper.process_contacts()