Floke/Brancheneinstufung2
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
Files
f31a8f5ff69ba1dd8b10de24c285ec014c5ef65c
Brancheneinstufung2/config.py
Floke e2dc58a391 config.py aktualisiert
2025-07-08 10:40:04 +00:00

288 lines
13 KiB
Python
Raw Blame History

#!/usr/bin/env python3
"""
config.py
Zentrale Konfiguration für das Projekt "Automatisierte Unternehmensbewertung".
Enthält Dateipfade, API-Schlüssel-Pfade, die globale Config-Klasse
und das Spalten-Mapping für das Google Sheet.
"""
import os
import re
import openai
import logging
# ==============================================================================
# 1. GLOBALE KONSTANTEN UND DATEIPFADE
# ==============================================================================
# --- Dateipfade (NEU: Absolute Pfade) ---
# Basisverzeichnis des Projekts, in dem sich diese config.py befindet.
BASE_DIR = os.path.dirname(os.path.abspath(__file__))
CREDENTIALS_FILE = os.path.join(BASE_DIR, "service_account.json")
API_KEY_FILE = os.path.join(BASE_DIR, "api_key.txt") # OpenAI
SERP_API_KEY_FILE = os.path.join(BASE_DIR, "serpApiKey.txt")
GENDERIZE_API_KEY_FILE = os.path.join(BASE_DIR, "genderize_API_Key.txt")
BRANCH_MAPPING_FILE = None
LOG_DIR = os.path.join(BASE_DIR, "Log")
# --- ML Modell Artefakte ---
MODEL_FILE = os.path.join(BASE_DIR, "technician_decision_tree_model.pkl")
IMPUTER_FILE = os.path.join(BASE_DIR, "median_imputer.pkl")
PATTERNS_FILE_TXT = os.path.join(BASE_DIR, "technician_patterns.txt") # Alt (Optional beibehalten)
PATTERNS_FILE_JSON = os.path.join(BASE_DIR, "technician_patterns.json") # Neu (Empfohlen)
# Marker für URLs, die erneut per SERP gesucht werden sollen
URL_CHECK_MARKER = "URL_CHECK_NEEDED"
# --- User Agents für Rotation ---
USER_AGENTS = [
'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/109.0.0.0 Safari/537.36',
'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/109.0.0.0 Safari/537.36',
'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/108.0.0.0 Safari/537.36',
'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/108.0.0.0 Safari/537.36',
'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/108.0.0.0 Safari/537.36',
'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/605.1.15 (KHTML, like Gecko) Version/16.1 Safari/605.1.15',
'Mozilla/5.0 (Macintosh; Intel Mac OS X 13_1) AppleWebKit/605.1.15 (KHTML, like Gecko) Version/16.1 Safari/605.1.15',
'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:109.0) Gecko/20100101 Firefox/109.0',
'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:108.0) Gecko/20100101 Firefox/108.0',
'Mozilla/5.0 (X11; Linux i686; rv:108.0) Gecko/20100101 Firefox/108.0',
'Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:108.0) Gecko/20100101 Firefox/108.0',
]
# ==============================================================================
# 2. VORAB-HELPER FUNKTION (wird von Config-Klasse benötigt)
# ==============================================================================
def normalize_for_mapping(text):
"""
Normalisiert einen String aggressiv für Mapping-Zwecke.
Muss VOR der Config-Klasse definiert werden, da sie dort verwendet wird.
"""
if not isinstance(text, str):
return ""
text = text.lower()
text = text.strip()
text = re.sub(r'[^a-z0-9]', '', text)
return text
# ==============================================================================
# 3. ZENTRALE KONFIGURATIONS-KLASSE
# ==============================================================================
class Config:
"""Zentrale Konfigurationseinstellungen."""
VERSION = "v2.0.0" # Version hochgezählt nach Refactoring
LANG = "de" # Sprache fuer Wikipedia etc.
# ACHTUNG: SHEET_URL ist hier ein Platzhalter. Ersetzen Sie ihn durch Ihre tatsaechliche URL.
SHEET_URL = "https://docs.google.com/spreadsheets/d/1u_gHr9JUfmV1-iviRzbSe3575QEp7KLhK5jFV_gJcgo" # <<< ERSETZEN SIE DIES!
MAX_RETRIES = 5
RETRY_DELAY = 10
REQUEST_TIMEOUT = 20
SIMILARITY_THRESHOLD = 0.65
DEBUG = True
WIKIPEDIA_SEARCH_RESULTS = 5
HTML_PARSER = "html.parser"
TOKEN_MODEL = "gpt-3.5-turbo"
USER_AGENT = 'Mozilla/5.0 (compatible; UnternehmenSkript/1.0; +https://www.example.com/bot)'
# --- Konfiguration fuer Batching & Parallelisierung ---
PROCESSING_BATCH_SIZE = 20
OPENAI_BATCH_SIZE_LIMIT = 4
MAX_SCRAPING_WORKERS = 10
UPDATE_BATCH_ROW_LIMIT = 50
MAX_BRANCH_WORKERS = 10
OPENAI_CONCURRENCY_LIMIT = 3
PROCESSING_BRANCH_BATCH_SIZE = 20
SERPAPI_DELAY = 1.5
# --- Plausibilitäts-Schwellenwerte ---
PLAUSI_UMSATZ_MIN_WARNUNG = 50000
PLAUSI_UMSATZ_MAX_WARNUNG = 200000000000
PLAUSI_MA_MIN_WARNUNG_ABS = 1
PLAUSI_MA_MIN_WARNUNG_BEI_UMSATZ = 3
PLAUSI_UMSATZ_MIN_SCHWELLE_FUER_MA_CHECK = 1000000
PLAUSI_MA_MAX_WARNUNG = 1000000
PLAUSI_RATIO_UMSATZ_PRO_MA_MIN = 25000
PLAUSI_RATIO_UMSATZ_PRO_MA_MAX = 1500000
PLAUSI_ABWEICHUNG_CRM_WIKI_PROZENT = 30
# --- Branchen-Gruppen Mapping (NEUE STRUKTUR) ---
# Single Source of Truth für alle Branchen.
# Key: Lesbare Branche (wie sie im Sheet steht und von ChatGPT erwartet wird)
# Value: Obergruppe für ML-Modell
BRANCH_GROUP_MAPPING = {
"Baustoffhandel": "Baubranche",
"Bauunternehmen": "Baubranche",
"Versicherungsgutachten": "Gutachter / Versicherungen",
"Technische Gutachten": "Gutachter / Versicherungen",
"Baugutachter": "Gutachter / Versicherungen",
"Medizinische Gutachten": "Gutachter / Versicherungen",
"Energie (Brennstoffe)": "Handel",
"Großhandel": "Handel",
"Einzelhandel": "Handel",
"Automaten (Vending / Slot)": "Hersteller / Produzenten",
"Anlagenbau": "Hersteller / Produzenten",
"IT / Telekommunikation": "Hersteller / Produzenten",
"Maschinenbau": "Hersteller / Produzenten",
"Chemie & Pharma": "Hersteller / Produzenten",
"Medizintechnik": "Hersteller / Produzenten",
"Agrar / Pellets": "Hersteller / Produzenten",
"Elektrotechnik": "Hersteller / Produzenten",
"Gebäudetechnik Allgemein": "Hersteller / Produzenten",
"Fenster / Glas": "Hersteller / Produzenten",
"Lebensmittelproduktion": "Hersteller / Produzenten",
"Automobil": "Hersteller / Produzenten",
"Gebäudetechnik Heizung / Lüftung / Klima": "Hersteller / Produzenten",
"Braune & Weiße Ware": "Hersteller / Produzenten",
"Bürotechnik": "Hersteller / Produzenten",
"Möbel": "Hersteller / Produzenten",
"Getränke": "Hersteller / Produzenten",
"Sozialbau Unternehmen": "Housing",
"Renovierungsunternehmen": "Housing",
"Anbieter für Soziales Wohnen": "Housing",
"Logistik / Sonstige": "Logistik",
"Auslieferdienste": "Logistik",
"Logistik": "Logistik",
"Facility Management": "Service provider (Dienstleister)",
"Servicedienstleister / Reparatur ohne Produktion": "Service provider (Dienstleister)",
"Feuer- und Sicherheitssysteme": "Service provider (Dienstleister)",
"Healthcare/Pflegedienste": "Service provider (Dienstleister)",
"Schädlingsbekämpfung": "Service provider (Dienstleister)",
"Entsorgung": "Service provider (Dienstleister)",
"Personentransport": "Service provider (Dienstleister)",
"Messdienstleister": "Service provider (Dienstleister)",
"Aufzüge und Rolltreppen": "Service provider (Dienstleister)",
"Catering Services": "Service provider (Dienstleister)",
"Sonstige": "Sonstige",
"IT Beratung": "Sonstige",
"Unternehmensberatung": "Sonstige",
"Sonstiger Service": "Sonstige",
"Öffentliche Verwaltung": "Sonstige",
"Engineering": "Sonstige",
"Telekommunikation": "Versorger",
"Verteilnetzbetreiber": "Versorger",
"Stadtwerke": "Versorger",
"Gase & Mineralöl": "Versorger",
}
# --- API Schlüssel Speicherung (werden in main() geladen) ---
API_KEYS = {}
@classmethod
def load_api_keys(cls):
"""Laedt API-Schluessel aus den definierten Dateien."""
logger = logging.getLogger(__name__)
logger.info("Lade API-Schluessel...")
cls.API_KEYS['openai'] = cls._load_key_from_file(API_KEY_FILE)
cls.API_KEYS['serpapi'] = cls._load_key_from_file(SERP_API_KEY_FILE)
cls.API_KEYS['genderize'] = cls._load_key_from_file(GENDERIZE_API_KEY_FILE)
if cls.API_KEYS.get('openai'):
openai.api_key = cls.API_KEYS['openai']
logger.info("OpenAI API Key erfolgreich geladen.")
else:
logger.warning("OpenAI API Key konnte nicht geladen werden. OpenAI-Funktionen sind deaktiviert.")
if not cls.API_KEYS.get('serpapi'):
logger.warning("SerpAPI Key konnte nicht geladen werden. Suchfunktionen sind deaktiviert.")
if not cls.API_KEYS.get('genderize'):
logger.warning("Genderize API Key konnte nicht geladen werden. Geschlechtserkennung ist eingeschraenkt.")
@staticmethod
def _load_key_from_file(filepath):
"""Hilfsfunktion zum Laden eines Schluessels aus einer Datei."""
logger = logging.getLogger(__name__)
try:
with open(filepath, "r", encoding="utf-8") as f:
key = f.read().strip()
if key:
return key
else:
logger.warning(f"Datei '{filepath}' ist leer.")
return None
except FileNotFoundError:
logger.info(f"API-Schluesseldatei '{filepath}' nicht gefunden.")
return None
except Exception as e:
logger.error(f"FEHLER beim Lesen der Schluesseldatei '{filepath}': {e}")
return None
# ==============================================================================
# 4. GLOBALE DATENSTRUKTUR-VARIABLEN
# ==============================================================================
# --- Spalten-Mapping (Single Source of Truth) ---
# Version 1.8.0 - 68 Spalten (A-BP)
COLUMN_MAP = {
# CRM-Daten & Parent (A-N)
"ReEval Flag": 0, "CRM Name": 1, "CRM Kurzform": 2, "Parent Account Name": 3,
"CRM Website": 4, "CRM Ort": 5, "CRM Land": 6, "CRM Beschreibung": 7, "CRM Branche": 8,
"CRM Beschreibung Branche extern": 9, "CRM Anzahl Techniker": 10, "CRM Umsatz": 11,
"CRM Anzahl Mitarbeiter": 12, "CRM Vorschlag Wiki URL": 13,
# System Parent Vorschlag (O-Q)
"System Vorschlag Parent Account": 14, "Parent Vorschlag Status": 15, "Parent Vorschlag Timestamp": 16,
# Wikipedia Daten & Verifizierung (R-AF)
"Wiki URL": 17, "Wiki Sitz Stadt": 18, "Wiki Sitz Land": 19, "Wiki Absatz": 20, "Wiki Branche": 21,
"Wiki Umsatz": 22, "Wiki Mitarbeiter": 23, "Wiki Kategorien": 24, "Wikipedia Timestamp": 25,
"Wiki Verif. Timestamp": 26, "SerpAPI Wiki Search Timestamp": 27, "Chat Wiki Konsistenzpruefung": 28,
"Chat Begruendung Wiki Inkonsistenz": 29, "Chat Vorschlag Wiki Artikel": 30, "Begruendung bei Abweichung": 31,
# Website Daten (AG-AK)
"Website Rohtext": 32, "Website Zusammenfassung": 33, "Website Meta-Details": 34,
"Website Scrape Timestamp": 35, "URL Prüfstatus": 36,
# ChatGPT Branchen-Evaluation (AL-AO)
"Chat Vorschlag Branche": 37, "Chat Branche Konfidenz": 38, "Chat Konsistenz Branche": 39,
"Chat Begruendung Abweichung Branche": 40,
# ChatGPT FSM-Relevanz (AP-AQ)
"Chat Prüfung FSM Relevanz": 41, "Chat Begründung für FSM Relevanz": 42,
# ChatGPT Schätzungen (AR-AX)
"Chat Schätzung Anzahl Mitarbeiter": 43, "Chat Konsistenzprüfung Mitarbeiterzahl": 44,
"Chat Begruendung Abweichung Mitarbeiterzahl": 45, "Chat Einschätzung Anzahl Servicetechniker": 46,
"Chat Begruendung Abweichung Anzahl Servicetechniker": 47, "Chat Schätzung Umsatz": 48,
"Chat Begruendung Abweichung Umsatz": 49,
# FSM Pitch & Timestamp (NEUE GRUPPE)
"FSM Pitch": 50,
"FSM Pitch Timestamp": 51, # NEU
# LinkedIn Kontakte (Indizes verschoben)
"Linked Serviceleiter gefunden": 52,
"Linked It-Leiter gefunden": 53,
"Linked Management gefunden": 54,
"Linked Disponent gefunden": 55,
"Contact Search Timestamp": 56,
# Finale Werte & Plausi (Indizes verschoben)
"Finaler Umsatz (Wiki>CRM)": 57,
"Finaler Mitarbeiter (Wiki>CRM)": 58,
"Geschaetzter Techniker Bucket": 59,
"Plausibilität Umsatz": 60,
"Plausibilität Mitarbeiter": 61,
"Plausibilität Umsatz/MA Ratio": 62,
"Abweichung Umsatz CRM/Wiki": 63,
"Abweichung MA CRM/Wiki": 64,
"Plausibilität Begründung": 65,
"Plausibilität Prüfdatum": 66,
# Systemspalten (Indizes verschoben)
"Timestamp letzte Pruefung": 67,
"Version": 68,
"Tokens": 69,
"CRM ID": 70,
}
# ==============================================================================
# 5. DEALFRONT AUTOMATION CONFIGURATION
# ==============================================================================
DEALFRONT_CREDENTIALS_FILE = os.path.join(BASE_DIR, "dealfront_credentials.json")
DEALFRONT_LOGIN_URL = "https://app.dealfront.com/login"
# Die direkte URL zum 'Target'-Bereich. Dies hat sich als der robusteste Weg erwiesen.
DEALFRONT_TARGET_URL = "https://app.dealfront.com/t/prospector/companies"
# WICHTIG: Der exakte Name der vordefinierten Suche, die nach der Navigation geladen werden soll.
TARGET_SEARCH_NAME = "Facility Management" # <-- PASSEN SIE DIESEN NAMEN AN IHRE ZIEL-LISTE AN
# --- END OF FILE config.py ---
Reference in New Issue View Git Blame Copy Permalink