diff --git a/src/report_generator.py b/src/report_generator.py index 5615b96..2830bb8 100644 --- a/src/report_generator.py +++ b/src/report_generator.py @@ -171,53 +171,151 @@ def _strip_citation_numbers(text: str) -> str: return text +def _find_source_for_citation(num: str, sources: list) -> dict | None: + """Sucht eine Quelle anhand der Zitat-Nummer (inkl. Suffix-Fallback wie 1383a -> 1383).""" + if not sources: + return None + for s in sources: + try: + if str(s.get("nr")) == num: + return s + except Exception: + continue + # Suffix-Fallback: 1383a -> 1383 + if re.search(r"[a-z]$", num): + base = re.sub(r"[a-z]$", "", num) + for s in sources: + if str(s.get("nr")) == base: + return s + return None + + +def _linkify_citations_html(text: str, sources: list) -> str: + """Ersetzt [1234]-Zitate durch HTML-Links zur jeweiligen Quelle. + + Nummern ohne zugeordnete Quelle bleiben als sichtbare Zahl erhalten. + """ + if not text: + return text + if not sources: + return text + + def repl(match: re.Match) -> str: + num = match.group(1) + src = _find_source_for_citation(num, sources) + if src and src.get("url"): + url = src["url"].replace('"', """) + name = (src.get("name") or "").replace('"', """) + return f'[{num}]' + return match.group(0) + + return re.sub(r"\[(\d{1,5}[a-z]?)\]", repl, text) + + +def _add_docx_hyperlink(paragraph, url: str, text: str): + """Fügt einen klickbaren Hyperlink in ein python-docx-Paragraph-Objekt ein.""" + from docx.oxml.shared import OxmlElement, qn + + part = paragraph.part + r_id = part.relate_to( + url, + "http://schemas.openxmlformats.org/officeDocument/2006/relationships/hyperlink", + is_external=True, + ) + hyperlink = OxmlElement("w:hyperlink") + hyperlink.set(qn("r:id"), r_id) + + new_run = OxmlElement("w:r") + rPr = OxmlElement("w:rPr") + color = OxmlElement("w:color") + color.set(qn("w:val"), "0066CC") + rPr.append(color) + u = OxmlElement("w:u") + u.set(qn("w:val"), "single") + rPr.append(u) + sz = OxmlElement("w:sz") + sz.set(qn("w:val"), "20") + rPr.append(sz) + new_run.append(rPr) + + t = OxmlElement("w:t") + t.text = text + t.set(qn("xml:space"), "preserve") + new_run.append(t) + hyperlink.append(new_run) + paragraph._p.append(hyperlink) + return hyperlink + + +def _add_docx_paragraph_with_citations(doc_or_para, text: str, sources: list, style: str | None = None): + """Fügt ein Paragraph hinzu, bei dem [1234]-Zitate als Hyperlink-Runs eingefügt werden. + + doc_or_para darf ein Document sein (neues Paragraph wird angelegt) oder bereits ein Paragraph. + """ + if hasattr(doc_or_para, "add_paragraph"): + para = doc_or_para.add_paragraph(style=style) if style else doc_or_para.add_paragraph() + else: + para = doc_or_para + + pattern = re.compile(r"\[(\d{1,5}[a-z]?)\]") + pos = 0 + for m in pattern.finditer(text): + if m.start() > pos: + para.add_run(text[pos:m.start()]) + num = m.group(1) + src = _find_source_for_citation(num, sources) + if src and src.get("url"): + _add_docx_hyperlink(para, src["url"], f"[{num}]") + else: + para.add_run(m.group(0)) + pos = m.end() + if pos < len(text): + para.add_run(text[pos:]) + return para -def _extract_zusammenfassung(summary_text: str) -> tuple[str, str]: - """Extrahiert die ZUSAMMENFASSUNG-Sektion aus einem Research-Briefing. + + +def _extract_zusammenfassung_lines(summary_text: str) -> tuple[list[str], str]: + """Extrahiert die ZUSAMMENFASSUNG-Sektion als Liste von Rohzeilen (ohne Zitatbearbeitung). Returns: - (zusammenfassung_html, remaining_summary) - zusammenfassung_html: HTML-formatierte Bullet Points - remaining_summary: Der Rest des Berichts ohne die Zusammenfassung + (lines, remaining_summary) """ if not summary_text: - return "", summary_text + return [], summary_text - # Suche nach ## ZUSAMMENFASSUNG ... bis zur naechsten ## Ueberschrift pattern = r"(## (?:ZUSAMMENFASSUNG|ÜBERBLICK)\s*\n)(.*?)(?=\n## |\Z)" match = re.search(pattern, summary_text, re.DOTALL) if not match: - return "", summary_text + return [], summary_text zusammenfassung_raw = match.group(2).strip() - # Rest des Berichts ohne die Zusammenfassung-Sektion remaining = summary_text[:match.start()] + summary_text[match.end():] remaining = remaining.strip() - # Bullet Points als HTML formatieren - lines = [] + lines: list[str] = [] for line in zusammenfassung_raw.split("\n"): stripped = line.strip() - if stripped.startswith("- "): - clean = _strip_citation_numbers(stripped[2:].strip()) - if clean: - lines.append(clean) - elif stripped.startswith("* "): - clean = _strip_citation_numbers(stripped[2:].strip()) - if clean: - lines.append(clean) + if stripped.startswith("- ") or stripped.startswith("* "): + content = stripped[2:].strip() + if content: + lines.append(content) elif stripped and not stripped.startswith("#"): - clean = _strip_citation_numbers(stripped) - if clean: - lines.append(clean) + lines.append(stripped) + return lines, remaining - if lines: - html = "" - else: - html = f"

{_strip_citation_numbers(zusammenfassung_raw)}

" +def _extract_zusammenfassung(summary_text: str, sources: list | None = None) -> tuple[str, str]: + """Extrahiert die ZUSAMMENFASSUNG-Sektion und liefert sie als HTML mit verlinkten Zitaten.""" + lines, remaining = _extract_zusammenfassung_lines(summary_text) + if not lines: + return "", summary_text + + src_list = sources or [] + html_lines = [f"
  • {_linkify_citations_html(line, src_list)}
    • " for line in lines] + html = "" return html, remaining @@ -310,17 +408,22 @@ async def generate_pdf( # Fuer Research-Lagen: Zusammenfassung aus dem Bericht extrahieren is_research = incident.get("type") == "research" + all_sources = _prepare_sources(incident) zusammenfassung_html = executive_summary_html bericht_summary = incident.get("summary", "") zusammenfassung_title = "Zusammenfassung" if is_research and bericht_summary: - extracted_html, remaining = _extract_zusammenfassung(bericht_summary) + extracted_html, remaining = _extract_zusammenfassung(bericht_summary, all_sources) if extracted_html: zusammenfassung_html = extracted_html zusammenfassung_title = "Zusammenfassung" bericht_summary = remaining + # Auch das (nicht-research) Executive Summary linkifizieren — ggf. enthaelt es Zitate + if not is_research and zusammenfassung_html: + zusammenfassung_html = _linkify_citations_html(zusammenfassung_html, all_sources) + env = Environment(loader=FileSystemLoader(str(TEMPLATE_DIR))) template = env.get_template("report.html") @@ -337,8 +440,8 @@ async def generate_pdf( zusammenfassung_title=zusammenfassung_title, sections=sections, scope=scope, - lagebild_html=_markdown_to_html( - _strip_citation_numbers(bericht_summary) + lagebild_html=_linkify_citations_html( + _markdown_to_html(bericht_summary), all_sources ), lagebild_timestamp=(incident.get("updated_at") or "")[:16].replace("T", " "), sources=_prepare_sources(incident)[:30] if scope == "report" else _prepare_sources(incident), @@ -380,14 +483,16 @@ async def generate_docx( # Fuer Research-Lagen: Zusammenfassung aus dem Bericht extrahieren is_research = incident.get("type") == "research" + all_sources = _prepare_sources(incident) zusammenfassung_text = executive_summary_text bericht_summary = incident.get("summary") or "Keine Zusammenfassung verfuegbar." zusammenfassung_title = "Zusammenfassung" + zusammenfassung_lines: list[str] = [] if is_research and bericht_summary: - extracted_html, remaining = _extract_zusammenfassung(bericht_summary) - if extracted_html: - zusammenfassung_text = extracted_html + extracted_lines, remaining = _extract_zusammenfassung_lines(bericht_summary) + if extracted_lines: + zusammenfassung_lines = extracted_lines zusammenfassung_title = "Zusammenfassung" bericht_summary = remaining @@ -446,31 +551,35 @@ async def generate_docx( if "zusammenfassung" in sections: doc.add_heading(zusammenfassung_title, level=1) - # HTML-Tags entfernen und als Bullet Points - clean_text = re.sub(r'<[^>]+>', '', zusammenfassung_text) - lines = [line.strip().lstrip("- ").lstrip("* ") for line in clean_text.strip().split("\n") if line.strip()] - for line in lines: - if line: - doc.add_paragraph(line, style='List Bullet') + if zusammenfassung_lines: + for line in zusammenfassung_lines: + _add_docx_paragraph_with_citations(doc, line, all_sources, style='List Bullet') + else: + # Fallback: HTML-Tags aus executive_summary_text strippen, dann Bullets bilden + clean_text = re.sub(r'<[^>]+>', '', zusammenfassung_text or '') + lines = [line.strip().lstrip("- ").lstrip("* ") for line in clean_text.strip().split("\n") if line.strip()] + for line in lines: + if line: + _add_docx_paragraph_with_citations(doc, line, all_sources, style='List Bullet') if "bericht" in sections: # --- Lagebild / Recherchebericht --- doc.add_heading("Recherchebericht" if is_research else "Lagebild", level=1) - summary = _strip_citation_numbers(bericht_summary) - # Markdown-Formatierung entfernen - clean_summary = re.sub(r'\*\*(.+?)\*\*', r'\1', summary) - clean_summary = re.sub(r'\[([^\]]+)\]\([^)]+\)', r'\1', clean_summary) + # Markdown-Formatierung entfernen, Zitate aber als [NNN] beibehalten und als Hyperlinks rendern + clean_summary = re.sub(r'\*\*(.+?)\*\*', r'\1', bericht_summary) + clean_summary = re.sub(r'\[([^\]]+)\]\(([^)]+)\)', r'\1', clean_summary) clean_summary = re.sub(r'^#{1,3}\s+', '', clean_summary, flags=re.MULTILINE) for para_text in clean_summary.split("\n\n"): para_text = para_text.strip() - if para_text: - if para_text.startswith("- "): - for bullet in para_text.split("\n"): - bullet = bullet.lstrip("- ").strip() - if bullet: - doc.add_paragraph(bullet, style='List Bullet') - else: - doc.add_paragraph(para_text) + if not para_text: + continue + if para_text.startswith("- "): + for bullet in para_text.split("\n"): + bullet = bullet.lstrip("- ").strip() + if bullet: + _add_docx_paragraph_with_citations(doc, bullet, all_sources, style='List Bullet') + else: + _add_docx_paragraph_with_citations(doc, para_text, all_sources) if "faktencheck" in sections: # --- Faktencheck ---