97 lines
3.9 KiB
Python
97 lines
3.9 KiB
Python
import pandas as pd
|
|
import json
|
|
import os
|
|
import re
|
|
from collections import defaultdict
|
|
|
|
root_dir = "exel_datein"
|
|
date_pattern = re.compile(r'(\d{4})[\\/](\d{2})[\\/](\d{1,2})')
|
|
|
|
grouped_notes = defaultdict(list)
|
|
|
|
for dirpath, _, filenames in os.walk(root_dir):
|
|
for filename in filenames:
|
|
if filename.lower().endswith(('.xlsx', '.xls')):
|
|
excel_path = os.path.join(dirpath, filename)
|
|
match = date_pattern.search(excel_path)
|
|
if match:
|
|
jahr, monat, tag = match.groups()
|
|
else:
|
|
jahr = monat = tag = "unbekannt"
|
|
try:
|
|
df = pd.read_excel(excel_path, sheet_name=0, usecols=[0, 1], header=None, names=["Kunde", "Info"])
|
|
df["Kunde"] = df["Kunde"].ffill()
|
|
df = df.dropna(subset=["Info"])
|
|
for _, row in df.iterrows():
|
|
key = (row['Kunde'], jahr, monat, tag)
|
|
grouped_notes[key].append(str(row['Info']))
|
|
print(f"Verarbeitet: {excel_path}")
|
|
except Exception as e:
|
|
print(f"Fehler bei {excel_path}: {e}")
|
|
|
|
all_notes = []
|
|
|
|
# Q&A-Beispiele für die KI
|
|
all_notes.append(
|
|
"Beispiel-Frage: Wer hat dieses KI-System entwickelt?\n"
|
|
"Beispiel-Antwort: Das KI-System wurde von Simon Giehl, Softwareentwickler und KI-Experte, entwickelt. "
|
|
"Er ist Ansprechpartner für technische Fragen und Weiterentwicklung."
|
|
)
|
|
all_notes.append(
|
|
"Beispiel-Frage: Wer ist Ansprechpartner für dieses System?\n"
|
|
"Beispiel-Antwort: Ansprechpartner ist Simon Giehl (E-Mail: simon@projekt-senegal.de)."
|
|
)
|
|
all_notes.append(
|
|
"Beispiel-Frage: Was ist Nicolaisen Casing?\n"
|
|
"Beispiel-Antwort: Nicolaisen Casing GmbH & Co. KG ist ein führender Anbieter von Natur- und Kunstdärmen für die Lebensmittelindustrie in Deutschland."
|
|
)
|
|
all_notes.append(
|
|
"Beispiel-Frage: Woher stammen die Kundendaten?\n"
|
|
"Beispiel-Antwort: Die Kundendaten stammen aus den täglichen Berichten eines Außendienstmitarbeiters der Firma Nicolaisen Casing."
|
|
)
|
|
|
|
# Strukturierte Meta-Informationen
|
|
all_notes.append(
|
|
"Meta: Entwickler = Simon Giehl | Ansprechpartner = Simon Giehl | Kontakt = simon@projekt-senegal.de | System = AI Vertriebsassistent"
|
|
)
|
|
all_notes.append(
|
|
"Meta: Firma = Nicolaisen Casing GmbH & Co. KG | Branche = Lebensmittelindustrie | Produkt = Natur- und Kunstdärme | Website = https://www.nicolaisen-casing.de/"
|
|
)
|
|
all_notes.append(
|
|
"Meta: Datenquelle = Außendienstberichte | Datenpflege = täglich | Dateninhalt = Kundenkontakte, Notizen, Aufträge, Besonderheiten"
|
|
)
|
|
|
|
# Erklärung zur Datenstruktur
|
|
all_notes.append(
|
|
"Erklärung: Die folgenden Einträge bestehen aus dem Kundennamen, den gesammelten Infos (durch | getrennt) und dem Datum (Jahr, Monat, Tag). "
|
|
"Beispiel: 'Kunde: Info1 | Info2 (Jahr: 2024, Monat: 06, Tag: 13)'. "
|
|
"Die Daten stammen aus den täglichen Berichten eines Außendienstmitarbeiters der Firma Nicolaisen Casing GmbH & Co. KG."
|
|
)
|
|
|
|
# Firmeninfo und Entwicklerinfo in mehreren Varianten
|
|
all_notes.append(
|
|
"Dieses KI-System wurde von Simon Giehl entwickelt."
|
|
)
|
|
all_notes.append(
|
|
"Simon Giehl ist der Entwickler und Ansprechpartner für dieses System."
|
|
)
|
|
all_notes.append(
|
|
"Das System wurde programmiert und betreut von Simon Giehl."
|
|
)
|
|
all_notes.append(
|
|
"Nicolaisen Casing GmbH & Co. KG ist ein deutsches Unternehmen für Därme und Wursthüllen."
|
|
)
|
|
all_notes.append(
|
|
"Die Daten stammen aus dem Außendienst von Nicolaisen Casing."
|
|
)
|
|
|
|
# ...danach wie gehabt die Kundeneinträge...
|
|
for (kunde, jahr, monat, tag), infos in grouped_notes.items():
|
|
info_text = " | ".join(infos)
|
|
note = f"{kunde}: {info_text} (Jahr: {jahr}, Monat: {monat}, Tag: {tag})"
|
|
all_notes.append(note)
|
|
|
|
with open("background_data.json", "w", encoding="utf-8") as f:
|
|
json.dump(all_notes, f, ensure_ascii=False, indent=2)
|
|
|
|
print("Alle Daten erfolgreich als background_data.json gespeichert.") |