PIM Cleanup

Liest die Rohdaten, wendet die Regeln an und schreibt zwei Ergebnisdateien. Bricht mit einer verständlichen Meldung ab, wenn die Datei fehlt, leer ist oder eine Pflichtspalte fehlt.

A1002,Wanderrucksack 35L Blau,rucksack,
  84.90,Blau,Nylon,

A1008,Regenjacke Damen wasserdicht,
  REGENBEKLEIDUNG,,rot,,https://…/a1008.jpg

A1010,Stirnlampe LED 300 Lumen,,
  19.90,schwarz,,

A1002,Wanderrucksack 35L Blau,Rucksäcke,
  84.90,Blau,Nylon,

A1008,Regenjacke Damen Wasserdicht,
  Regenbekleidung,,rot,,https://…/a1008.jpg

A1010,Stirnlampe LED 300 Lumen,,
  19.90,schwarz,,

Auszug aus 10 Zeilen, Umbrüche zur Lesbarkeit eingefügt. Die Kategorien sind vereinheitlicht, LED bleibt groß – und die leeren Felder sind unverändert leer geblieben.

Geprüfte Datensätze: 10

Kategorien automatisch vereinheitlicht: 3
Produkte mit mindestens einer fehlenden Pflichtangabe: 9/10

Dieses Skript hat KEINE fehlenden Werte erfunden oder geschätzt.
Alles unten Gelistete braucht eine menschliche Entscheidung.

- **A1002** (Wanderrucksack 35L Blau): fehlt Bild-URL
- **A1008** (Regenjacke Damen Wasserdicht): fehlt Preis, Material
- **A1010** (Stirnlampe LED 300 Lumen): fehlt Kategorie, Material, Bild-URL

# Abkürzungen, die in Produktnamen groß bleiben sollen. Bewusst eine kurze,
# explizite Liste: Das Skript rät nicht, welches Wort eine Abkürzung ist.
ABBREVIATIONS = {"LED", "UV", "XL", "XXL"}

# Kategorie-Mapping: verschiedene Schreibweisen -> eine kanonische Kategorie
CATEGORY_MAP = {
    "rucksäcke": "Rucksäcke",
    "rucksack": "Rucksäcke",
    "trinkflaschen": "Trinkflaschen",
    "zubehör": "Zubehör",
    "zelte": "Zelte",
    "schlafsäcke": "Schlafsäcke",
    "schuhe": "Schuhe",
    "regenbekleidung": "Regenbekleidung",
}

def normalize_name(raw: str) -> str:
    """Titelcase, aber Maßeinheiten/Zahlen und bekannte Abkürzungen unangetastet."""
    if not raw:
        return raw
    words = raw.strip().split()
    fixed = []
    for w in words:
        # Wörter mit Ziffern (30l, -5°C, 44) so lassen wie sie sind
        if any(ch.isdigit() for ch in w):
            fixed.append(w)
        elif w.upper() in ABBREVIATIONS:
            fixed.append(w.upper())
        else:
            fixed.append(w.capitalize())
    return " ".join(fixed)

Die Normalisierungsregeln sind durch neun kleine Tests abgesichert (python3 pim_cleanup.py --selftest).

Die Lückenliste als Arbeitsansicht, nach Dringlichkeit sortierbar. Alle Zahlen stammen aus dem tatsächlichen Report des Skripts oben – die Oberfläche selbst ist ein Gestaltungsentwurf und noch nicht implementiert.

Oberflächenentwurf, Auszug aus 10 Zeilen. Die Kachel „geschätzt: 0“ ist Absicht – sie hält fest, dass keine einzige Angabe automatisch ergänzt wurde.

Die Regeln finden die Lücke. Für Texte – und nur für Texte – schlägt ein Sprachmodell eine Formulierung vor, die vor der Übernahme geprüft werden muss.

Entwurf der Oberfläche, nicht bedienbar. Drei der vier Lücken bleiben bewusst unangetastet – ein generierter Preis oder ein generiertes Material wäre genau das, was diese Arbeitsprobe vermeidet.