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

"""B9 — Multi-Entity-Impressum-Check.

Findings, wenn ein Impressum mehrere Entitäten (mehrere GmbH/AG/UG)
nennt, aber Pflichtangaben nur bei einer davon vollständig sind.

Konkreter Elli-Pattern (GT IMPRESSUM-001):
  - Entity 1: "Elli Mobility GmbH ... USt-IdNr DE814424009 ..."
  - Entity 2: "VW Group Charging GmbH ... [keine USt-IdNr] ..."
  → USt-IdNr fehlt bei Entity 2.

Heuristik:
  1. Entitäten erkennen: jede Match auf "<Name> (GmbH|AG|UG|KG|SE)" als
     Entity-Boundary; Text-Slice von dort bis zur nächsten Entity.
  2. Pro Entity prüfen: USt-IdNr, Handelsregister, Vertretungsberechtigte.
  3. Wenn Entity N ein Feld nennt, das Entity M nicht hat → MEDIUM.
"""

from __future__ import annotations

import logging
import re

logger = logging.getLogger(__name__)

_ENTITY_PAT = re.compile(
    r"([A-ZÄÖÜ][\w\-\&\s]{1,50}?\s+(?:GmbH|AG|UG|KG|SE|"
    r"e\.V\.|GbR|OHG|Limited|Ltd|LLC))",
    re.IGNORECASE,
)

_USTID_PAT = re.compile(r"\b(?:USt-?Id(?:Nr)?\.?|VAT(?:-?Id)?)\s*[:.\s]\s*"
                        r"(DE\d{8,10}|[A-Z]{2}\d{6,12})", re.IGNORECASE)
_HR_PAT = re.compile(r"\b(?:HR[BA]|Handelsregister|Registergericht)"
                     r"\s*[:.\s]*([\w\s\d\-/]{4,80})", re.IGNORECASE)
_GF_PAT = re.compile(r"(?:Geschäftsführer|Vertretungsberechtigt|"
                     r"vertreten\s+durch)\s*[:.\s]+", re.IGNORECASE)


def _slice_entities(text: str) -> list[tuple[str, str]]:
    """Return [(entity_name, text_slice)] for each detected entity."""
    matches = list(_ENTITY_PAT.finditer(text))
    if len(matches) < 2:
        return []
    slices: list[tuple[str, str]] = []
    for i, m in enumerate(matches):
        start = m.start()
        end = matches[i + 1].start() if i + 1 < len(matches) else len(text)
        slices.append((m.group(1).strip(), text[start:end]))
    return slices


def check_multi_entity_impressum(state: dict) -> list[dict]:
    doc_texts = state.get("doc_texts") or {}
    imp = doc_texts.get("impressum") or ""
    if not imp:
        return []
    slices = _slice_entities(imp)
    if not slices:
        return []
    # Compute features per entity
    features = []
    for name, slc in slices:
        features.append({
            "name": name,
            "ust_id": bool(_USTID_PAT.search(slc)),
            "hr": bool(_HR_PAT.search(slc)),
            "gf": bool(_GF_PAT.search(slc)),
        })
    # If ALL share the same flags → no inconsistency
    findings: list[dict] = []
    for field, label in (
        ("ust_id", "USt-IdNr."),
        ("hr", "Handelsregister-Eintrag"),
        ("gf", "Vertretungsberechtigte"),
    ):
        present = [f for f in features if f[field]]
        missing = [f for f in features if not f[field]]
        if present and missing and len(present) >= 1:
            findings.append({
                "check_id": f"IMPRESSUM-MULTI-{field.upper()}",
                "severity": "MEDIUM",
                "severity_reason": "incomplete",
                "title": (
                    f"{label} fehlt bei "
                    f"{len(missing)} von {len(features)} Entitäten"
                ),
                "norm": "§ 5 Abs. 1 TMG (Pflichtangabe pro Diensteanbieter)",
                "entities_present": [f["name"] for f in present],
                "entities_missing": [f["name"] for f in missing],
                "action": (
                    f"{label} im Impressum für "
                    f"{', '.join(f['name'] for f in missing)} ergänzen. "
                    "Pflichtangabe ist pro Diensteanbieter zu erfüllen, "
                    "nicht 'eine reicht für alle'."
                ),
            })
    if findings:
        logger.info("B9 multi-entity impressum: %d findings", len(findings))
    return findings