ADD EV3-357 a laza javaslatok eltérés-jelleg szerint kategorizálva

101 javaslat egy kupacban túl sok egy kézi átnézéshez, ráadásul nagyon eltérő
mérlegelést igényelnek: a "Békás Kft." és a "Békás Kft" között nincs mit
eldönteni, a "Dénes Natura" és a "Dénes Natura Kft" között viszont van.

- ProducerDeduplicator::differenceCategory(): a LEGKEVÉSBÉ agresszív átalakítás,
  ami már egy kulcsra hozza a csoport tagjait - csak írásjel / egybeírás /
  ékezet / cégforma / vegyes.
- a riport ebben a sorrendben írja ki a csoportokat (elöl a gyakorlatilag
  eldöntött esetek), és a "csak írásjel" kategóriánál előre beírja a javaslatot;
  a többinél a végleges név üresen marad, a javaslat a Megjegyzés oszlopban.

A d2d másolaton: 14 csak írásjel (előre kitöltve, azonnal végrehajtható),
7 egybeírás, 8 ékezet, 72 cégforma - utóbbi 87 vár a megrendelő döntésére.

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

app/Console/Commands/ProducersDedupeReport.php

@@ -33,8 +33,6 @@ class ProducersDedupeReport extends Command
 
     private const TYPE_CERTAIN = 'biztos';
 
-    private const TYPE_REVIEW = 'ellenőrizendő';
-
     public function handle(ProducerDeduplicator $deduplicator): int
     {
         $certain = $deduplicator->duplicateGroups();
@@ -107,12 +105,14 @@ private function writeIntro($sheet, bool $hasLoose): void
         $sheet->getRowDimension(6)->setRowHeight(46);
 
         if ($hasLoose) {
-            $sheet->setCellValue('A7', 'A "Típus" oszlop kétféle sort különböztet meg. A "' . self::TYPE_CERTAIN
+            $sheet->setCellValue('A7', 'A "Típus" oszlop megmutatja, miben térnek el a nevek – így kötegelve '
-                . '" csoportoknál a nevek csak írásmódban térnek el, ott már beírtuk a javaslatunkat. '
+                . 'tudsz haladni. A "' . ProducerDeduplicator::DIFF_PUNCTUATION . '" csoportoknál csak pont, '
-                . 'Az "' . self::TYPE_REVIEW . '" csoportoknál a nevek jobban különböznek (elírás, kötőjel, '
+                . 'kötőjel vagy vessző a különbség ("Békás Kft." és "Békás Kft"), ott már beírtuk a '
-                . 'egybeírás, hiányzó ékezet), ezért NEM töltöttük ki a végleges nevet: '
+                . 'javaslatot. A többinél ("' . ProducerDeduplicator::DIFF_SPACING . '", "'
+                . ProducerDeduplicator::DIFF_ACCENT . '", "' . ProducerDeduplicator::DIFF_COMPANY_FORM
+                . '") NEM töltöttük ki a végleges nevet, mert ott valódi döntés kell: '
                 . 'ha ugyanaz a cég, írd be a nevet (a javaslat a "Megjegyzés" oszlopban van); '
-                . 'HA NEM UGYANAZ, HAGYD ÜRESEN – akkor nem nyúlunk hozzájuk.');
+                . 'HA NEM UGYANAZ A CÉG, HAGYD ÜRESEN – akkor nem nyúlunk hozzájuk.');
             $sheet->mergeCells('A7:J7');
             $sheet->getStyle('A7')->getAlignment()->setWrapText(true)->setVertical(Alignment::VERTICAL_TOP);
             $sheet->getStyle('A7')->getFont()->setBold(true)->getColor()->setARGB('FF9C5700');
@@ -138,24 +138,50 @@ private function writeHeader($sheet, int $headerRow): void
         $sheet->getRowDimension($headerRow)->setRowHeight(32);
     }
 
+    /**
+     * A laza javaslatok sorrendje: elöl a gyakorlatilag eldöntött esetek, hátul azok,
+     * amik valódi cégismeretet igényelnek. Így a megrendelő kötegelve tud haladni.
+     */
+    private const CATEGORY_ORDER = [
+        ProducerDeduplicator::DIFF_PUNCTUATION,
+        ProducerDeduplicator::DIFF_SPACING,
+        ProducerDeduplicator::DIFF_ACCENT,
+        ProducerDeduplicator::DIFF_COMPANY_FORM,
+        ProducerDeduplicator::DIFF_MIXED,
+    ];
+
     private function writeGroups($sheet, int $headerRow, array $certain, array $loose): int
     {
         $row = $headerRow + 1;
         $groupIndex = 0;
 
-        foreach ([self::TYPE_CERTAIN => $certain, self::TYPE_REVIEW => $loose] as $type => $groups) {
+        foreach ($certain as $members) {
-            foreach ($groups as $members) {
             $groupIndex++;
-                $row = $this->writeGroup($sheet, $row, $groupIndex, $type, $members);
+            $row = $this->writeGroup($sheet, $row, $groupIndex, self::TYPE_CERTAIN, $members, false);
+        }
+
+        $deduplicator = app(ProducerDeduplicator::class);
+        $byCategory = [];
+        foreach ($loose as $key => $members) {
+            $byCategory[$deduplicator->differenceCategory($members)][$key] = $members;
+        }
+
+        foreach (self::CATEGORY_ORDER as $category) {
+            foreach ($byCategory[$category] ?? [] as $members) {
+                $groupIndex++;
+                // Az írásjel-eltérésnél nincs mérlegelnivaló (a "Kft." és a "Kft" ugyanaz),
+                // ezért ott előre beírjuk a javaslatot - a megrendelő így csak a valóban
+                // kérdéses eseteket nézi át tételesen.
+                $prefill = $category === ProducerDeduplicator::DIFF_PUNCTUATION;
+                $row = $this->writeGroup($sheet, $row, $groupIndex, $category, $members, ! $prefill);
             }
         }
 
         return $row - 1;
     }
 
-    private function writeGroup($sheet, int $row, int $groupIndex, string $type, array $members): int
+    private function writeGroup($sheet, int $row, int $groupIndex, string $type, array $members, bool $isReview): int
     {
-        $isReview = $type === self::TYPE_REVIEW;
         $proposed = trim((string) $members[0]['producer']->name);
         $shade = $isReview ? 'FFFDF2E9' : ($groupIndex % 2 === 0 ? 'FFF2F2F2' : 'FFFFFFFF');
         $groupFirstRow = $row;

app/Services/ProducerDeduplicator.php

@@ -32,6 +32,17 @@ class ProducerDeduplicator
 
     private const UPDATE_CHUNK = 5000;
 
+    /** Az eltérés jellege egy laza jelölt-csoportban (lásd differenceCategory) */
+    public const DIFF_PUNCTUATION = 'csak írásjel';
+
+    public const DIFF_SPACING = 'egybeírás';
+
+    public const DIFF_ACCENT = 'ékezet';
+
+    public const DIFF_COMPANY_FORM = 'cégforma';
+
+    public const DIFF_MIXED = 'vegyes';
+
     /**
      * Duplikált névcsoportok, csoportonként a tagokkal és a hivatkozás-darabszámokkal.
      * A tagok rendezettek: az első a javasolt megtartandó (legtöbb termék).
@@ -129,6 +140,51 @@ public function looseCandidateGroups(): array
         return $result;
     }
 
+    /**
+     * Egy laza jelölt-csoport eltérésének jellege - a LEGKEVÉSBÉ agresszív átalakítás,
+     * ami már egy kulcsra hozza a tagokat.
+     *
+     * Ez adja meg a megrendelőnek, mennyi mérlegelést igényel a sor: a "csak írásjel"
+     * eseteknél gyakorlatilag nincs döntés, a "cégforma" és a "vegyes" viszont valódi
+     * ismeretet kíván a cégekről.
+     *
+     * @param  array<int, array{producer: object, counts: array<string, int>}>  $members
+     */
+    public function differenceCategory(array $members): string
+    {
+        $names = array_map(fn ($m) => (string) $m['producer']->name, $members);
+
+        $levels = [
+            self::DIFF_PUNCTUATION => fn ($n) => $this->stripPunctuation(NameNormalizer::normalize($n)),
+            self::DIFF_SPACING => fn ($n) => preg_replace('/\s+/u', '',
+                $this->stripPunctuation(NameNormalizer::normalize($n))),
+            self::DIFF_ACCENT => fn ($n) => preg_replace('/\s+/u', '',
+                $this->stripAccents($this->stripPunctuation(NameNormalizer::normalize($n)))),
+            self::DIFF_COMPANY_FORM => fn ($n) => $this->splitCompanyForm($n)[0],
+        ];
+
+        foreach ($levels as $category => $key) {
+            if (count(array_unique(array_map($key, $names))) === 1) {
+                return $category;
+            }
+        }
+
+        return self::DIFF_MIXED;
+    }
+
+    private function stripPunctuation(string $text): string
+    {
+        return trim(preg_replace('/\s+/u', ' ', preg_replace('/[.,\-\'"()]/u', ' ', $text) ?? $text) ?? $text);
+    }
+
+    private function stripAccents(string $text): string
+    {
+        return strtr($text, [
+            'Á' => 'A', 'É' => 'E', 'Í' => 'I', 'Ó' => 'O', 'Ö' => 'O',
+            'Ő' => 'O', 'Ú' => 'U', 'Ü' => 'U', 'Ű' => 'U',
+        ]);
+    }
+
     /**
      * Név szétbontása alapnévre és cégforma-toldatra, a "csak elírás" eltérések
      * kiszűrésével: írásjelek, ékezetek és szóközök elhagyásával.
@@ -137,12 +193,7 @@ public function looseCandidateGroups(): array
      */
     private function splitCompanyForm(string $name): array
     {
-        $normalized = NameNormalizer::normalize($name);
+        $normalized = $this->stripAccents($this->stripPunctuation(NameNormalizer::normalize($name)));
-        $normalized = preg_replace('/[.,\-\'"()]/u', ' ', $normalized) ?? $normalized;
-        $normalized = strtr($normalized, [
-            'Á' => 'A', 'É' => 'E', 'Í' => 'I', 'Ó' => 'O', 'Ö' => 'O',
-            'Ő' => 'O', 'Ú' => 'U', 'Ü' => 'U', 'Ű' => 'U',
-        ]);
 
         $form = '';
         $pattern = '/\b(KFT|ZRT|BT|NYRT|KKT|RT|GMBH|LTD|INC|SRL|NV|BV|AG|SA|SPA)\b/u';