gwoe-antragspruefer/app/protokoll_parsers/bb.py

"""Brandenburg (BB) — Plenarprotokoll-Parser (#106 / #149, ADR 0009).

URL-Pattern (verifiziert WP8 Sitzung 22):
``https://www.parlamentsdokumentation.brandenburg.de/starweb/LBB/ELVIS/parladoku/w8/plpr/{n}.pdf``

**Wichtig:** parladoku-PDF-URL braucht Cookie-Session vom Portal. Erst
GET auf ``portal/browse.tt.html?wp=8`` zur Cookie-Akquise, dann mit
gesetztem Cookie die PDF-URL aufrufen. Im Auto-Ingest-Cron deshalb
ein eigener Block, der den BB-Cookie-Flow durchlaeuft.

## Anchor-Sprache (verifiziert WP8 Sitzung 22)

```
Wer dem zustimmt, den bitte ich um das Handzeichen. – Ich bitte um die
Gegenprobe. – Stimmenthaltungen? – Damit ist der Antrag mehrheitlich
abgelehnt; es gab keine Enthaltungen.
```

Pattern (NRW-aehnlich):
- **Result-Anchor:** ``Damit ist [Subjekt] (mehrheitlich|einstimmig)? (angenommen|abgelehnt|überwiesen)``
- **Vote-Block:** Q+A im Reden-Stil (Handzeichen-only, ohne Fraktionen-Listing)
  - "Wer dem zustimmt, ... Handzeichen"
  - "Gegenprobe"
  - "Enthaltungen?"
- **Drucksachen-Lookup:** ``Drucksache 8/N`` rueckwaerts vom Anchor

**Limitierung:** BB-Plenarprotokolle nennen die Fraktionen nicht
explizit — Vote-Listen bleiben leer. ``einstimmig=True`` setzt
JA=alle WP8-Fraktionen als Approximation.

## Fraktions-Mapping WP8 (ab 2024)

WP8 Konstellation (2024-Wahl): SPD + BSW (Koalition), AfD + CDU + GRÜNE
(Opposition).

- ``SPD``, ``AfD``, ``CDU``, ``BSW``, ``GRÜNE``
"""
from __future__ import annotations

import re
from typing import Optional

try:
    import fitz
except ImportError:
    fitz = None


ALLE_FRAKTIONEN_BB = ["SPD", "AfD", "CDU", "BSW", "GRÜNE"]


# Result-Anchor: "Damit ist/sind [Subjekt] (modus)? (ergebnis)"
RESULT_ANCHOR_RE = re.compile(
    r"Damit\s+(?:ist|sind)\s+(?:der|die|das|dieser?|dieses|beide|alle|auch)?\s*"
    r"(?P<subject>Antrag|Alternativantrag|Änderungsantrag|Gesetzentwurf|"
    r"Entschließungsantrag|Beschlussempfehlung|Tagesordnungspunkt|Anträge)?"
    r"[^.]{0,200}?(?P<modus>einstimmig|mehrheitlich|mit\s+(?:großer\s+)?Mehrheit)?\s*"
    r"(?P<ergebnis>angenommen|abgelehnt|überwiesen)",
    re.DOTALL,
)

DS_RE_BB = re.compile(r"Drucksache\s+8/(\d{1,5})")


def _resolve_drucksache_bb(text: str, anchor_start: int) -> Optional[str]:
    window_start = max(0, anchor_start - 1500)
    window = text[window_start:anchor_start]
    matches = list(DS_RE_BB.finditer(window))
    if matches:
        return f"8/{matches[-1].group(1)}"
    return None


def _normalize_text(text: str) -> str:
    text = re.sub(r"(?<=[a-zäöüß])-\s+(?=[a-zäöüß])", "", text)
    return re.sub(r"\s+", " ", text)


def parse_protocol(pdf_path: str) -> list[dict]:
    if fitz is None:
        raise ImportError("PyMuPDF (fitz) ist erforderlich fuer den BB-Parser")

    doc = fitz.open(pdf_path)
    full = "".join(p.get_text() for p in doc)
    doc.close()
    full = _normalize_text(full)

    results = []
    for m in RESULT_ANCHOR_RE.finditer(full):
        modus = (m.group("modus") or "").lower()
        ergebnis = m.group("ergebnis")
        ds = _resolve_drucksache_bb(full, m.start())
        if not ds:
            continue

        einstimmig = "einstimmig" in modus
        votes = {"ja": [], "nein": [], "enthaltung": []}
        if einstimmig:
            votes["ja"] = list(ALLE_FRAKTIONEN_BB)

        results.append({
            "drucksache": ds,
            "ergebnis": ergebnis,
            "einstimmig": einstimmig,
            "kind": "direct",
            "votes": votes,
            "anchor_pos": m.start(),
        })

    seen = set()
    deduped = []
    for r in results:
        key = (r["drucksache"], r["anchor_pos"])
        if key in seen:
            continue
        seen.add(key)
        deduped.append(r)
    return deduped