257 lines
13 KiB
Python
257 lines
13 KiB
Python
#!/usr/bin/env python3
|
|
"""
|
|
brancheneinstufung.py - Hauptskript v1.8.0
|
|
|
|
Dieses Skript dient als Haupteinstiegspunkt für das Projekt zur automatisierten
|
|
Anreicherung, Validierung und Standardisierung von Unternehmensdaten. Es parst
|
|
Kommandozeilen-Argumente, initialisiert die notwendigen Handler und den
|
|
DataProcessor und startet den ausgewählten Verarbeitungsmodus.
|
|
|
|
Autor: Christian Godelmann
|
|
Version: v1.8.0
|
|
"""
|
|
|
|
import logging
|
|
import os
|
|
import argparse
|
|
import time
|
|
from datetime import datetime
|
|
|
|
# Import der Projekt-Module
|
|
# Wichtig: Config muss zuerst importiert werden, damit die DEBUG-Variable verfügbar ist.
|
|
from config import Config
|
|
from helpers import create_log_filename, initialize_target_schema, alignment_demo, log_module_versions
|
|
from google_sheet_handler import GoogleSheetHandler
|
|
from wikipedia_scraper import WikipediaScraper
|
|
from data_processor import DataProcessor
|
|
from sync_manager import SyncManager
|
|
|
|
import helpers
|
|
import google_sheet_handler
|
|
import wikipedia_scraper
|
|
import data_processor
|
|
|
|
# ==============================================================================
|
|
# 1. INITIALE KONFIGURATION (wird vor allem anderen ausgeführt)
|
|
# ==============================================================================
|
|
|
|
# Logging sofort konfigurieren, damit es für alle importierten Module greift.
|
|
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, force=True, handlers=[logging.StreamHandler()])
|
|
|
|
# Haupt-Logger für dieses Skript
|
|
logger = logging.getLogger(__name__)
|
|
|
|
# ==============================================================================
|
|
# 2. HAUPTFUNKTION
|
|
# ==============================================================================
|
|
|
|
def main():
|
|
"""
|
|
Haupteinstiegspunkt des Skripts.
|
|
Verarbeitet Kommandozeilen-Argumente, richtet Logging ein,
|
|
initialisiert Komponenten und dispatchet zu den passenden Modi.
|
|
"""
|
|
# --- 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
|
|
|
|
# --- 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])
|
|
|
|
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")
|
|
|
|
args = parser.parse_args()
|
|
|
|
# --- 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
|
|
print("DEBUG: Bin direkt vor der 'if selected_mode == sync'-Abfrage.") # <<< HINZUGEFÜGT
|
|
if selected_mode == "sync":
|
|
print("DEBUG: Sync-Modus wurde betreten.") # <<< HINZUGEFÜGT
|
|
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}")
|
|
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)
|
|
|
|
# --- Modul-Versionen loggen ---
|
|
modules_to_log = {
|
|
"DataProcessor": data_processor,
|
|
"GoogleSheetHandler": google_sheet_handler,
|
|
"WikipediaScraper": wikipedia_scraper,
|
|
"Helpers": helpers
|
|
}
|
|
log_module_versions(modules_to_log)
|
|
|
|
if not data_processor.setup():
|
|
logger.critical("Setup des DataProcessors fehlgeschlagen. Das Skript wird beendet.")
|
|
return
|
|
|
|
# --- 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)
|
|
|
|
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.")
|
|
|
|
duration = time.time() - start_time
|
|
logger.info(f"Verarbeitung im Modus '{selected_mode}' abgeschlossen. Dauer: {duration:.2f} Sekunden.")
|
|
|
|
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}") |