breakpilot-compliance/backend-compliance/compliance/services/cross_doc_reconcile.py

"""B — Cross-Doc-Reconciliation.

Ein „X fehlt"/„zu prüfen"-Finding eines Doc-Agenten wird unterdrückt, wenn die
Pflicht in einem ANDEREN Dokument des Snapshots erfüllt ist (z.B. § 36 VSBG oder
OS-Link stehen bei BMW in AGB/„Rechtlicher Hinweis", nicht im Impressum → unser
Impressum-Finding war ein False Positive).

KONSERVATIV: nur eine kuratierte Allowlist wirklich cross-doc-fähiger Pflichten
wird abgeglichen — sonst würde z.B. eine E-Mail in der DSE fälschlich die
Impressum-Pflicht „abdecken". Pattern-Quelle = der Check selbst (mcs.py /
CHECKLIST), gegen die Texte der anderen Dokumente gesucht.
"""

from __future__ import annotations

import re

# (agent_id, field_id), die legitim in einem ANDEREN Dokument erfüllt sein können.
_RECONCILABLE: set[tuple[str, str]] = {
    ("impressum", "verbraucher_streitbeilegung"),   # § 36 VSBG
    ("impressum", "odr_link"),                        # OS-/ODR-Link (524/2013)
}

_DOC_LABEL = {
    "agb": "AGB", "dse": "Datenschutzerklärung", "impressum": "Impressum",
    "legal_notice": "Rechtliche Hinweise", "widerruf": "Widerrufsbelehrung",
    "nutzungsbedingungen": "Nutzungsbedingungen", "cookie": "Cookie-Richtlinie",
}
_RECONCILED_STATES = {"fail", "possibly_applicable"}


def _field_patterns(agent_id: str) -> dict[str, list]:
    if agent_id == "impressum":
        from compliance.services.specialist_agents.impressum.mcs import MCS
        return {mc.field_id: list(mc.patterns) for mc in MCS}
    from compliance.services.specialist_agents import REGISTRY
    cl = getattr(REGISTRY.get(agent_id), "CHECKLIST", None) or []
    out: dict[str, list] = {}
    for c in cl:
        pats = []
        for p in c.get("patterns", []):
            try:
                pats.append(re.compile(p, re.IGNORECASE | re.MULTILINE))
            except re.error:
                pass
        out[c["id"]] = pats
    return out


def _field_labels(agent_id: str) -> dict[str, str]:
    if agent_id == "impressum":
        from compliance.services.specialist_agents.impressum.mcs import MCS
        return {mc.field_id: mc.label for mc in MCS}
    from compliance.services.specialist_agents import REGISTRY
    cl = getattr(REGISTRY.get(agent_id), "CHECKLIST", None) or []
    return {c["id"]: c.get("label", "") for c in cl}


def _covered_in(patterns: list, other_docs: list) -> str | None:
    for dt, text in other_docs:
        if not text:
            continue
        for p in patterns:
            if p.search(text):
                return dt
    return None


def reconcile_doc_findings(result: dict, agent_id: str, other_docs: list) -> dict:
    """Mutiert `result` (AgentOutput-JSON): cross-doc-fähige Findings, die in
    einem anderen Dokument erfüllt sind, wandern nach `result['reconciled']`
    (raus aus den aktiven Findings; passende Coverage-Zeile + Speedometer
    angepasst). `other_docs` = [(doc_type, text), …] der ANDEREN Dokumente."""
    findings = result.get("findings") or []
    if not findings or not other_docs:
        return result
    fp = _field_patterns(agent_id)
    labels = _field_labels(agent_id)
    active: list = []
    reconciled: list = []
    for f in findings:
        key = (agent_id, f.get("field_id"))
        if (f.get("status") in _RECONCILED_STATES and key in _RECONCILABLE
                and fp.get(f.get("field_id"))):
            hit = _covered_in(fp[f["field_id"]], other_docs)
            if hit:
                f["reconciled_in"] = hit
                f["reconciled_in_label"] = _DOC_LABEL.get(hit, hit)
                reconciled.append(f)
                continue
        active.append(f)
    if not reconciled:
        return result
    result["findings"] = active
    result["reconciled"] = (result.get("reconciled") or []) + reconciled
    cov = result.get("mc_coverage") or []
    sev_key = {"high": "mc_high", "medium": "mc_medium", "low": "mc_low"}
    for f in reconciled:
        lbl = labels.get(f.get("field_id"), "")
        for c in cov:
            if lbl and c.get("label") == lbl:
                c["status"] = "ok"
                c["reason"] = f"in {f['reconciled_in_label']} abgedeckt"
                c["found"] = f"→ {f['reconciled_in_label']}"
        k = sev_key.get((f.get("severity") or "").lower())
        if k and result.get(k, 0) > 0:
            result[k] -= 1
        result["mc_ok"] = result.get("mc_ok", 0) + 1
    return result