22a2b63c35
Erster vollwertiger Plenarprotokoll-Parser nach NRW. Quelle: https://dserver.bundestag.de/btp/{wp}/{wp}{n:03}.xml Anchor-Sprache (verifiziert WP20 Sitzungen 30 + 100): 'Die Beschlussempfehlung ist mit den Stimmen der Koalitionsfraktionen gegen die Stimmen der CDU/CSU-Fraktion bei Enthaltung der AfD-Fraktion angenommen.' Pattern: - Subjekt: Beschlussempfehlung | Ueberweisungsvorschlag | Antrag | Gesetzentwurf - Vote-Block: 'mit den Stimmen X / gegen die Stimmen Y / bei Enthaltung Z' - Ergebnis: 'angenommen' oder 'abgelehnt' - Drucksache rueckwaerts vom Anchor (1500 chars Window) - Kind 'ueberweisung' invertiert ergebnis zu 'ueberwiesen' Fraktions-Mapping (WP20 = Ampel): - 'Koalitionsfraktionen' → SPD + GRÜNE + FDP - 'Oppositionsfraktionen' → CDU/CSU + AfD + LINKE - 'CDU/CSU-Fraktion', 'Fraktion Bündnis 90/Die Grünen', etc. WP21 (ab 2025) braucht eigenes Mapping-Update. 26 Tests in test_protokoll_parsers_bund.py (Vote-Block-Parsing, Anchor- Erkennung, Drucksachen-Lookup, End-to-End mit Mock-XML). Cron + Ingest-CLI: - PROTO_TARGETS-Format erweitert um PROTOKOLL_ID_PREFIX und {n3}- Placeholder fuer 3-stellig zero-gepaddetes BT-Schema (BTP20-N) - ingest_votes URL-Suffix dynamisch (PDF vs XML) statt hardcoded .pdf - Eintrag in PROTOKOLL_PARSERS (NRW + BUND) - Stub-Test angepasst: BUND raus aus STUB_BL_CODES 889 Tests gruen (787 → 889, +102 fuer Phase-2 Stubs+Tests+BUND).
72 lines
2.4 KiB
Python
72 lines
2.4 KiB
Python
"""BL-uebergreifende Plenarprotokoll-Abstimmungsparser (#126).
|
|
|
|
Architektur (vgl. ADR 0009): pro Bundesland eine Modul-Datei
|
|
``app/protokoll_parsers/<bl-code>.py``, die mindestens eine Funktion
|
|
``parse_protocol(pdf_path: str) -> list[dict]`` exportiert. Die Registry
|
|
``PROTOKOLL_PARSERS`` mappt BL-Code → Parser-Funktion.
|
|
|
|
Erwartetes Result-Schema pro Eintrag in der Liste::
|
|
|
|
{
|
|
"drucksache": str | None, # z.B. "18/1234"; None bei nicht aufloesbar
|
|
"ergebnis": str, # angenommen | abgelehnt | ueberwiesen | ...
|
|
"einstimmig": bool, # explizit als einstimmig markiert
|
|
"kind": str, # parser-intern, fuer Debug
|
|
"votes": { # fraktions-Listen pro Vote-Kategorie
|
|
"ja": list[str],
|
|
"nein": list[str],
|
|
"enthaltung": list[str],
|
|
},
|
|
}
|
|
|
|
NRW ist die Referenz-Implementierung. Folge-BL (HE/BB/MV/BE/...) bekommen
|
|
eigene Module mit demselben Funktions-Vertrag — neue Eintraege in der
|
|
Registry sind reine Tippelarbeit, das Reverse-Engineering pro Landtag
|
|
ist die eigentliche Arbeit.
|
|
"""
|
|
from __future__ import annotations
|
|
|
|
from typing import Callable
|
|
|
|
from .nrw import parse_protocol as _parse_nrw
|
|
from .bund import parse_protocol as _parse_bund
|
|
|
|
# Typ-Alias fuer Lesbarkeit; Parser-Signatur ist bewusst minimal.
|
|
ProtokollParser = Callable[[str], list[dict]]
|
|
|
|
PROTOKOLL_PARSERS: dict[str, ProtokollParser] = {
|
|
"NRW": _parse_nrw,
|
|
"BUND": _parse_bund,
|
|
}
|
|
|
|
|
|
def parse_protocol(bundesland: str, pdf_path: str) -> list[dict]:
|
|
"""BL-uebergreifender Einstieg. Sucht den Parser in der Registry.
|
|
|
|
Raises:
|
|
NotImplementedError: wenn fuer das Bundesland (noch) kein Parser
|
|
registriert ist. Folge-Issue: BL-Adapter ergaenzen mit einem
|
|
eigenen Modul plus Eintrag hier.
|
|
"""
|
|
parser = PROTOKOLL_PARSERS.get(bundesland)
|
|
if parser is None:
|
|
supported = ", ".join(sorted(PROTOKOLL_PARSERS)) or "(keine)"
|
|
raise NotImplementedError(
|
|
f"Kein Plenarprotokoll-Parser fuer {bundesland!r}. "
|
|
f"Unterstuetzt: {supported}. Siehe #126."
|
|
)
|
|
return parser(pdf_path)
|
|
|
|
|
|
def supported_bundeslaender() -> list[str]:
|
|
"""Liste der BL-Codes mit registrierten Parsern."""
|
|
return sorted(PROTOKOLL_PARSERS)
|
|
|
|
|
|
__all__ = [
|
|
"ProtokollParser",
|
|
"PROTOKOLL_PARSERS",
|
|
"parse_protocol",
|
|
"supported_bundeslaender",
|
|
]
|