Markenerkennung: Grenzen gemessen, Summenzeile im Kopf ist keine Marke

Auf die Frage, ob Belege einheitlich gestaltet sind: nein. Die Erkennung haengt an drei Annahmen - Marke in den ersten acht Zeilen, Marke in der festen Liste, Marke ueberhaupt vorhanden. Alle drei sind jetzt gemessen und in Tests festgehalten. Dabei ein echter Defekt gefunden: "Total" ist Kopfmarke UND Summenwort. Ein Beleg mit Betrag in den ersten acht Zeilen lieferte faelschlich die Marke "Total" (an einem echten Beleg reproduziert). _betragszeile() filtert Summenzeilen jetzt aus dem Kopf - verlangt werden beide Kennzeichen zugleich, Summenwort und Geldangabe, damit "SHELL TANKSTELLE, 6450 SOELDEN" nicht mitfaellt. Gegenprobe: ein echter "TOTAL TANKSTELLE"-Kopf ergibt weiter Total. Der Ausfall beschaedigt nichts: mit unbekannter Marke im Kopf bleiben Liter, Betrag, Rabatt und Anschrift unveraendert richtig, nur die Marke fehlt. Parser-Suite 17 Tests (von 11), alle zwoelf abgelegten Belege liefern weiter Shell, audi_ha_test auf 2026.9.4.22 ohne Traceback.
2026-09-04 17:09:12 +02:00
parent bdbdb4a010
commit 8557bfe230
7 changed files with 204 additions and 5 deletions
@@ -0,0 +1,49 @@
+import { readFileSync, writeFileSync } from "node:fs"
+const p = "custom_components/audi_dashboard/shell_beleg_parser.py"
+let s = readFileSync(p, "utf8")
+const alt = [
+  "def _marke(zeilen):",
+  '    """Markenname aus dem Belegkopf ("SHELL STATION" -> "Shell"). None, wenn',
+  '    keine bekannte Marke draufsteht - dann bleibt es beim Betreibernamen."""',
+  '    kopf = "\n".join(zeilen[:8])',
+  "    for marke in _MARKEN:",
+  '        if re.search(r"\b" + re.escape(marke) + r"\b", kopf, re.IGNORECASE):',
+  "            return marke",
+  "    return None",
+].join("\n")
+const neu = [
+  "def _betragszeile(zeile):",
+  '    """Eine Summenzeile ("GESAMT 78,78 EUR")? Sie darf im Kopf nicht nach',
+  "    Marken durchsucht werden.",
+  "",
+  '    Grund: "Total" ist beides - eine Kopfmarke und ein Summenwort. Auf einem',
+  "    Beleg mit knappem Kopf, der den Betrag schon in den ersten acht Zeilen",
+  '    druckt, wuerde daraus faelschlich die Marke "Total" (am 04.09.2026 an',
+  "    einem echten Beleg mit vorangestellter Summenzeile nachgestellt und",
+  "    reproduziert). Verlangt werden beide Kennzeichen zugleich - Summenwort",
+  "    UND echte Geldangabe -, damit eine Anschrift mit Hausnummer oder eine",
+  '    Postleitzahl ("SHELL TANKSTELLE, 6450 SÖLDEN") nicht mitfaellt."""',
+  '    kompakt = re.sub(r"\s+", "", zeile).upper()',
+  "    if not any(wort in kompakt for wort in _GESAMT_WOERTER):",
+  "        return False",
+  "    return bool(re.search(_GELD, zeile))",
+  "",
+  "",
+  "def _marke(zeilen):",
+  '    """Markenname aus dem Belegkopf ("SHELL STATION" -> "Shell"). None, wenn',
+  "    keine bekannte Marke draufsteht - dann bleibt es beim Betreibernamen.",
+  "",
+  "    Acht Zeilen, weil die Marke in den bekannten Belegen in Zeile 0 steht und",
+  "    im oesterreichischen Format in Zeile 1 (am 04.09.2026 ueber alle zwoelf",
+  '    abgelegten Belege gemessen) - das Fenster ist der Puffer, nicht die",',
+  '    Erwartung."""',
+  "    kopf = [z for z in zeilen[:8] if not _betragszeile(z)]",
+  '    text = "\n".join(kopf)',
+  "    for marke in _MARKEN:",
+  '        if re.search(r"\b" + re.escape(marke) + r"\b", text, re.IGNORECASE):',
+  "            return marke",
+  "    return None",
+].join("\n")
+if (s.split(alt).length - 1 !== 1) throw new Error("Anker nicht eindeutig")
+writeFileSync(p, s.replace(alt, neu))
+console.log("ok")
@@ -10855,3 +10855,62 @@ dieselben Eingaben laufen lassen, nicht nachgebaut.
 OTA-Buendel (2026.9.4.21) und brauchen keinen Xcode-Lauf. Der offene Punkt aus
 Abschnitt CM bleibt: dass die `packageClassList`-Registrierung auf dem Geraet
 greift, zeigt erst der naechste Xcode-Lauf.
+
+## CO. "Gibt es eine Garantie, dass alle Tankstellen ihre Belege gleich gestalten?" - Nein. Was gemessen wurde (2026.9.4.22)
+
+Die Frage des Eigentuemers zur Markenerkennung. Die ehrliche Antwort ist nein,
+und sie ist gemessen statt behauptet.
+
+### Wovon die Erkennung abhaengt
+
+Drei Annahmen, jede eine mit Bruchstelle:
+
+1. **Die Marke steht in den ersten acht Zeilen.** Gemessen ueber alle zwoelf
+   abgelegten Belege: elfmal Zeile 0, beim oesterreichischen Format Zeile 1.
+   Das Fenster ist der Puffer, nicht die Erwartung - ab Zeile 8 findet sie
+   niemand mehr (nachgestellt, liefert `None`).
+2. **Die Marke steht in `_MARKEN`.** Eine feste Liste von 26 Namen, von Hand
+   gepflegt. Was nicht drinsteht, wird nicht erkannt.
+3. **Sie steht ueberhaupt drauf.** Freie Tankstellen fuehren keine.
+
+### Der Ausfall beschaedigt nichts - nachgestellt
+
+Kopfzeile eines echten Belegs durch `OIL! Tankstelle`, `Hoyer Tankstelle`,
+`Freie Tankstelle Mueller` ersetzt:
+
+* `station_brand` wird `None`,
+* `station_name` faellt auf den Betreibernamen zurueck,
+* Liter, Betrag, Rabatt, Anschrift bleiben **unveraendert richtig**.
+
+In der Anzeige heisst das `Pascalstr., Ingolstadt` statt
+`Shell, Pascalstr., Ingolstadt` - die Marke fehlt, sonst nichts. Genau so soll
+es sein: **ein falscher Name waere schlimmer als keiner.**
+
+### Ein echter Defekt, dabei gefunden
+
+`"Total"` ist **beides**: eine Kopfmarke und ein Summenwort. Ein Beleg, der den
+Betrag schon in den ersten acht Zeilen druckt, lieferte faelschlich die Marke
+`Total` - an einem echten Beleg mit vorangestellter Summenzeile reproduziert.
+Der Kommentar an `_GELD` warnt seit jeher vor genau diesem Wort; das Fenster
+allein war die einzige Absicherung.
+
+Jetzt filtert `_betragszeile()` Summenzeilen aus dem Kopf, bevor gesucht wird.
+Verlangt werden **beide** Kennzeichen zugleich - Summenwort UND echte
+Geldangabe -, damit eine Kopfzeile wie `SHELL TANKSTELLE, 6450 SÖLDEN` nicht
+mitfaellt. Gegenprobe geprueft: ein echter `TOTAL TANKSTELLE`-Kopf ergibt
+weiterhin `Total`.
+
+### Was daraus NICHT folgt
+
+Die Erkennung ist **an genau einer Marke belegt**: alle zwoelf abgelegten
+Belege sind Shell. Ueber die anderen 25 Eintraege der Liste sagt das nichts -
+sie sind plausibel, aber ungeprueft. Ein Beleg einer anderen Kette waere der
+erste echte Test.
+
+### Verifiziert
+
+Parser-Suite jetzt **17 Tests** (von 11): die neue Klasse
+`MarkenerkennungGrenzen` haelt fest, wo die Erkennung greift, wo sie aufgibt,
+und dass ein Aufgeben den Beleg nicht beschaedigt. Alle zwoelf Belege liefern
+weiterhin `Shell`. `audi_ha_test` auf 2026.9.4.22, 0 Tracebacks, das Nachtragen
+lief erwartungsgemaess **nicht** erneut.
@@ -1 +1 @@
-{"version":"2026.9.4.21","sha256":"3601a55ee4120c8508dd8f5018dcfbe806f10d87fd706763a0bbd97377d217d1","bytes":323037,"gebaut":"2026-09-04T14:55:41Z"}
+{"version":"2026.9.4.22","sha256":"66406934fb50aa810ff782ce877bc82d25ec8d338979d5ae9e28e5dc5c2ea521","bytes":323041,"gebaut":"2026-09-04T15:08:22Z"}
@@ -1,7 +1,7 @@
 {
  "domain": "audi_dashboard",
  "name": "Audi Dashboard",
-  "version": "2026.9.4.21",
+  "version": "2026.9.4.22",
  "documentation": "https://gitea.nothaft.cloud/paul/audi-app/src/branch/main/README.md",
  "issue_tracker": "https://gitea.nothaft.cloud/paul/audi-app/issues",
  "codeowners": [
@@ -113,12 +113,40 @@ _MARKEN = (
 _STRASSE_WOERTER = r"(?:stra(?:ss|ß)e|str\.|gasse|weg|platz|allee|ring|damm|chaussee)"


+def _betragszeile(zeile):
+    """Eine Summenzeile ("GESAMT 78,78 EUR")? Sie darf im Kopf nicht nach
+    Marken durchsucht werden.
+
+    Grund: "Total" ist beides - eine Kopfmarke und ein Summenwort. Auf einem
+    Beleg mit knappem Kopf, der den Betrag schon in den ersten acht Zeilen
+    druckt, wuerde daraus faelschlich die Marke "Total" (am 04.09.2026 an einem
+    echten Beleg mit vorangestellter Summenzeile nachgestellt und
+    reproduziert). Verlangt werden beide Kennzeichen ZUGLEICH - Summenwort UND
+    echte Geldangabe -, damit eine Anschrift mit Hausnummer oder eine
+    Postleitzahl ("SHELL TANKSTELLE, 6450 SÖLDEN") nicht mitfaellt."""
+    kompakt = re.sub(r"\s+", "", zeile).upper()
+    if not any(wort in kompakt for wort in _GESAMT_WOERTER):
+        return False
+    return bool(re.search(_GELD, zeile))
+
+
 def _marke(zeilen):
    """Markenname aus dem Belegkopf ("SHELL STATION" -> "Shell"). None, wenn
-    keine bekannte Marke draufsteht - dann bleibt es beim Betreibernamen."""
-    kopf = "\n".join(zeilen[:8])
+    keine bekannte Marke draufsteht - dann bleibt es beim Betreibernamen.
+
+    Acht Zeilen, weil die Marke in allen zwoelf abgelegten Belegen in Zeile 0
+    steht, im oesterreichischen Format in Zeile 1 (am 04.09.2026 gemessen).
+    Das Fenster ist der Puffer, nicht die Erwartung.
+
+    KEINE GARANTIE, UND DAS IST ABSICHT: Belege sind nicht genormt. Steht die
+    Marke woanders, heisst sie anders oder fuehrt die Station gar keine (freie
+    Tankstellen), gibt es hier None - und der Beleg wird trotzdem vollstaendig
+    eingelesen, nur eben ohne Marke. Ein falscher Name waere schlimmer als
+    keiner."""
+    kopf = [z for z in zeilen[:8] if not _betragszeile(z)]
+    text = "\n".join(kopf)
    for marke in _MARKEN:
-        if re.search(r"\b" + re.escape(marke) + r"\b", kopf, re.IGNORECASE):
+        if re.search(r"\b" + re.escape(marke) + r"\b", text, re.IGNORECASE):
            return marke
    return None

@@ -165,5 +165,68 @@ class BelegOhneRabatt(unittest.TestCase):
        self.assertAlmostEqual(d["liters"], 42.15, delta=0.001)


+
+class MarkenerkennungGrenzen(unittest.TestCase):
+    """Was die Markenerkennung leistet - und was ausdrücklich nicht.
+
+    Belege sind nicht genormt. Diese Suite hält fest, wo die Erkennung greift,
+    wo sie aufgibt, und dass ein Aufgeben den Beleg nicht beschädigt.
+    """
+
+    @classmethod
+    def setUpClass(cls):
+        cls.zeilen = p._text_aus_pdf(os.path.join(_BELEGE, "e-receipt.pdf")).splitlines()
+
+    def test_marke_steht_ganz_oben(self):
+        # Gemessen am 04.09.2026: in allen elf Belegen in Zeile 0. Das Fenster
+        # von acht Zeilen ist der Puffer, nicht die Erwartung - der
+        # österreichische Beleg (nur in der Instanz) hat sie in Zeile 1.
+        for datei in sorted(f for f in os.listdir(_BELEGE) if f.endswith(".pdf")):
+            with self.subTest(datei=datei):
+                zeilen = p._text_aus_pdf(os.path.join(_BELEGE, datei)).splitlines()
+                self.assertEqual(p._marke(zeilen[:1]), "Shell")
+
+    def test_ausserhalb_des_fensters_wird_nicht_gefunden(self):
+        # Ehrlich dokumentiert statt stillschweigend angenommen: steht die
+        # Marke erst ab Zeile 8, findet sie niemand.
+        verschoben = [""] * 8 + self.zeilen
+        self.assertIsNone(p._marke(verschoben))
+
+    def test_unbekannte_marke_beschaedigt_den_beleg_nicht(self):
+        # Freie Tankstellen und Marken, die nicht in _MARKEN stehen: der Beleg
+        # wird vollständig eingelesen, nur eben ohne Marke. Ein falscher Name
+        # wäre schlimmer als keiner.
+        for ersatz in ("OIL! Tankstelle", "Hoyer Tankstelle", "Freie Tankstelle Mueller"):
+            with self.subTest(kopf=ersatz):
+                d = p._parsen("\n".join([ersatz] + self.zeilen[1:]))
+                self.assertIsNone(d["station_brand"])
+                # Ohne Marke tritt der Betreibername an ihre Stelle.
+                self.assertEqual(d["station_name"], "A. Zrenner GmbH, Pascalstr. 8, Ingolstadt")
+                self.assertAlmostEqual(d["liters"], 42.15, delta=0.001)
+                self.assertAlmostEqual(d["fuel_total_eur"], 78.78, delta=0.001)
+
+    def test_summenzeile_im_kopf_ist_keine_marke(self):
+        # "Total" ist beides - Kopfmarke und Summenwort. Ein Beleg mit knappem
+        # Kopf, der den Betrag schon oben druckt, lieferte vorher fälschlich
+        # die Marke "Total" (nachgestellt am 04.09.2026).
+        for summe in ("TOTAL: 78,78 EUR", "GESAMT 78,78 EUR", "Summe        78,78 EUR"):
+            with self.subTest(zeile=summe):
+                self.assertEqual(p._marke([summe] + self.zeilen), "Shell")
+
+    def test_echte_marke_total_bleibt_erkennbar(self):
+        # Die Gegenprobe zum Test darüber: verworfen wird nur, wo Summenwort
+        # UND Geldangabe zusammenkommen - eine Kopfzeile ohne Betrag nicht.
+        self.assertEqual(p._marke(["TOTAL TANKSTELLE", "Musterweg 1", "80331 München"]), "Total")
+        # Und eine Postleitzahl in der Kopfzeile faellt nicht mit heraus.
+        self.assertEqual(
+            p._marke(["AUTO B. FRISCHMANN GMBH", "SHELL TANKSTELLE, 6450 SÖLDEN"]), "Shell"
+        )
+
+    def test_wortgrenze_schuetzt_vor_teiltreffern(self):
+        # "Star" darf nicht in "Starnberg" treffen, "Eni" nicht in "Enisstr.".
+        self.assertIsNone(p._marke(["Tankstelle Mueller", "Seestr. 3", "82319 Starnberg"]))
+        self.assertIsNone(p._marke(["Freie Tankstelle", "Enisweg 4", "12345 Musterort"]))
+
+
 if __name__ == "__main__":
    unittest.main(verbosity=2)