pv-agent/tools/kb_common.py

"""Gemeinsame Konstanten für die Wissensbasis-Tools (Intake + Registry).

Quellen-ID-Räume: `lb` (Lexis Briefings), `wk` (WIKU Personal), `kv`
(WKO.at Kollektivvertrag-Seiten), `ris` (RIS-Gesetze). Die bestehende
Cluster-Map (topic -> ID-Präfix) der lb/wk-Einträge wird von
`build_registry.py` aus den Layer-2-Frontmatterdaten abgeleitet; nur die
Cluster der neuen Quellen sind hier deklariert.

LAW_MAP begründet je Gesetz topic/chapter aus dem tatsächlichen Inhalt
der .ris-Dateien (Stand 2026-09-15, vgl. §-Inventar der Quelldateien):
Gesetze ohne natürlichen Cluster bekommen einen eigenen Rechtsgebiet-
Cluster oder landen bewusst im Sammel-Cluster `normen-sonstige`.
"""
from __future__ import annotations

import re
from pathlib import Path

# Alle ID-Räume des Korpus (Schema-Beschreibung für kb.json).
ID_SPACES = {
    "lb": "Lexis Briefings Personalrecht (Lexis 360-Export)",
    "wk": "WIKU Personal (Fachbroschüren, Arbeitsunterlagen, Casebook, Personal aktuell)",
    "kv": "WKO.at — Kollektivvertrag-Dokumente (Lohn-/Gehaltsordnungen, KV-Texte)",
    "ris": "RIS — Rechtsinformationssystem des Bundes (Gesetzes-§-Auschnitte)",
}

# Neue Cluster der Quellen kv/ris: slug -> (ID-Präfix, Anzeigename).
NEW_CLUSTERS = {
    "kollektivvertraege": ("kvt", "Kollektivverträge (WKO.at)"),
    "zivilrecht-normen": ("zvr", "Zivilrechtliche Normen (ABGB, ZPO & Co.)"),
    "arbeitsvertragsrecht": ("avr", "Arbeitsvertragsrecht (AVRAG)"),
    "arbeitsgerichtsbarkeit": ("agg", "Arbeits- und Sozialgerichtsbarkeit (ASGG)"),
    "lohnsteuer": ("lst", "Lohnsteuer & Einkommensteuer (EStG)"),
    "abgabenverfahren": ("abo", "Abgabenverfahren (BAO)"),
    "normen-sonstige": ("nso", "Weitere Gesetze und Verordnungen"),
}

# Werk-Namen der neuen Quellen (Frontmatter `work`).
WORK_KV = "WKO.at – Kollektivvertrag"
WORK_RIS = "RIS – Rechtsinformationssystem des Bundes"

# .ris/<Datei ohne .md> -> (topic, chapter, lfd. Nummer im Cluster).
# Nummern sind fix (dann eingefroren); neue Gesetze hängen in ihrem Cluster
# an der höchsten Nummer an.
LAW_MAP: dict[str, tuple[str, str, int]] = {
    "ABGB": ("zivilrecht-normen", "Zivilrecht", 1),
    "IPRG": ("zivilrecht-normen", "Zivilrecht", 2),
    "KSchG": ("zivilrecht-normen", "Verbraucherschutz", 3),
    "ZPO": ("zivilrecht-normen", "Zivilrecht", 4),
    "APG": ("pension", "Pensionsrecht", 1),
    "APSG": ("arbeitszeitmodelle", "Arbeitsrecht (Kurzarbeit)", 1),
    "APflG": ("lehrlinge", "Arbeitsrecht (Lehrverhältnis)", 1),
    "BAG": ("lehrlinge", "Arbeitsrecht (Lehrverhältnis)", 2),
    "ARG": ("ruhezeiten", "Arbeitsrecht", 1),
    "ASGG": ("arbeitsgerichtsbarkeit", "Arbeits- und Sozialgerichtsbarkeit", 1),
    "ASVG": ("beitragsrecht-asvg", "Sozialversicherungsrecht", 1),
    "ASchG": ("arbeitnehmerschutz", "Arbeitnehmerschutz", 1),
    "BS-V": ("arbeitnehmerschutz", "Arbeitnehmerschutz", 2),
    "BauV": ("arbeitnehmerschutz", "Arbeitnehmerschutz", 3),
    "AVRAG": ("arbeitsvertragsrecht", "Arbeitsrecht", 1),
    "AZG": ("arbeitszeitgrenzen", "Arbeitsrecht", 1),
    "AktG": ("vorstand", "Gesellschaftsrecht", 1),
    "AlVG": ("altersteilzeit", "Sozialversicherungsrecht", 1),
    "AngG": ("beendigungsarten", "Arbeitsrecht", 1),
    "LAG": ("beendigungsarten", "Arbeitsrecht", 2),
    "ArbIG": ("normen-sonstige", "Arbeitsrecht", 1),
    "RStDG": ("normen-sonstige", "Dienstrecht", 2),
    "StGB": ("normen-sonstige", "Strafrecht", 3),
    "StPO": ("normen-sonstige", "Strafrecht", 4),
    "UGB": ("normen-sonstige", "Gesellschaftsrecht", 5),
    "ArbVG": ("betriebsrat", "Arbeitsverfassungsrecht", 1),
    "AÜG": ("arbeitskrafteuberlassung", "Arbeitsrecht", 1),
    "BAO": ("abgabenverfahren", "Steuerrecht", 1),
    "BBG": ("behinderte", "Sozialrecht", 1),
    "BEinstG": ("behinderte", "Sozialrecht", 2),
    "BMSVG": ("vorsorgeleistungen", "Betriebliche Vorsorge", 1),
    "PKG": ("vorsorgeleistungen", "Betriebliche Vorsorge", 2),
    "FlexKapGG": ("vorsorgeleistungen", "Gesellschaftsrecht", 3),
    "BSVG": ("bauerliche-sozialversicherung", "Sozialversicherungsrecht", 1),
    "BUAG": ("endabrechnung", "Arbeitsrecht", 1),
    "DHG": ("dienstnehmerhaftung", "Arbeitsrecht", 1),
    "EFZG": ("krankenstand", "Arbeitsrecht", 1),
    "EO": ("lohnpfandung", "Exekutionsrecht", 1),
    "EStG": ("lohnsteuer", "Steuerrecht", 1),
    "FLAG": ("kinderbetreuungsgeld", "Familienleistungen", 1),
    "KBGG": ("kinderbetreuungsgeld", "Familienleistungen", 2),
    "FamZeitbG": ("familienzeit", "Familienleistungen", 1),
    "GSVG": ("gsvg-fsvg", "Sozialversicherungsrecht", 1),
    "GewO": ("gewerbe", "Gewerberecht", 1),
    "GlBG": ("gleichbehandlung", "Arbeitsrecht", 1),
    "GmbHG": ("geschaftsfuhrer", "Gesellschaftsrecht", 1),
    "IESG": ("insolvenz-betriebsubergang", "Insolvenzrecht", 1),
    "KJBG": ("jugendliche", "Jugendschutz", 1),
    "LSD-BG": ("lohndumping", "Arbeitsrecht", 1),
    "MSchG": ("schwangerschaft", "Mutterschutz", 1),
    "MSchV": ("schwangerschaft", "Mutterschutz", 2),
    "NSchG": ("nachtschwerarbeit", "Arbeitsrecht", 1),
    "Sachbezugswerteverordnung": ("sachbezuge", "Steuerrecht", 1),
    "Schwerarbeitsverordnung": ("schwerarbeit", "Arbeitsrecht", 1),
    "UrlG": ("urlaub", "Arbeitsrecht", 1),
    "TAG": ("urlaub", "Arbeitsrecht", 2),
    "VBG": ("urlaub", "Dienstrecht", 3),
    "VKG": ("karenz", "Familienrecht", 1),
    "ZDG": ("prasenzdienst", "Zivildienst", 1),
}

DATE_RE = re.compile(r"(\d{1,2})\.\s*(\d{1,2})\.\s*(\d{4})")
YEAR_RE = re.compile(r"(20\d\d)")


def load_topic_prefix_map(kb_json_path) -> dict[str, str]:
    """topic -> ID-Präfix über ALLE Cluster: aus den bestehenden Layer-2-
    Einträgen (kb.json) abgeleitet, ergänzt um die neuen Cluster."""
    import json

    kb = json.loads(Path(kb_json_path).read_text(encoding="utf-8"))
    mapping: dict[str, str] = {}
    for e in kb["entries"]:
        prefix = e["id"].split("-")[1]
        known = mapping.get(e["topic"])
        if known is not None and known != prefix:
            raise SystemExit(
                f"inkonsistente Cluster-Map: topic '{e['topic']}' hat Präfixe "
                f"{known} und {prefix}"
            )
        mapping[e["topic"]] = prefix
    for slug, (prefix, _name) in NEW_CLUSTERS.items():
        mapping[slug] = prefix
    return mapping


def ascii_slug(text: str) -> str:
    """Wissensbasis-Konvention: Umlaute auf Basisbuchstabe (ü→u, nicht ue),
    ß→ss, Rest klein; alles außer a-z0-9 und Bindestrich fällt weg."""
    repl = {"ä": "a", "ö": "o", "ü": "u", "Ä": "a", "Ö": "o", "Ü": "u", "ß": "ss"}
    for k, v in repl.items():
        text = text.replace(k, v)
    return re.sub(r"[^a-z0-9-]+", "-", text.lower()).strip("-")


def stand_from_date(date_match: tuple[str, str, str]) -> str:
    d, m, y = date_match
    return f"{y}-{int(m):02d}"