Added all

file-management/mautic.py

@@ -0,0 +1,73 @@
+import pandas as pd
+import csv
+
+def filtrar_i_consolidar_etiquetes(tags_str):
+    """Filtra i agrupa les etiquetes segons les regles de negoci."""
+    if pd.isna(tags_str) or str(tags_str).strip().lower() == 'nan':
+        return ''
+    
+    # 1. Separem les etiquetes i les netegem
+    llista_tags = [t.strip().lower() for t in str(tags_str).split(',')]
+    
+    # Utilitzem un 'set' per evitar etiquetes duplicades al final
+    tags_finals = set()
+    
+    for t in llista_tags:
+        # 2. Regla de conservació directa: test_, int_ i rrhh
+        if t.startswith('test_') or t.startswith('int_') or t == 'rrhh':
+            tags_finals.add(t)
+            continue
+            
+        # 3. Regles d'agrupació (l'ordre és important per als prefixos llargs)
+        if t.startswith('skupspo2-') or t.startswith('pspo2-'):
+            tags_finals.add('pspo2')
+        elif t.startswith('pspo-'):
+            tags_finals.add('pspo')
+        elif t.startswith('psm2-'):
+            tags_finals.add('psm2')
+        elif t.startswith('psm-'):
+            tags_finals.add('psm')
+        elif t.startswith('psux-') or t.startswith('psu-'):
+            tags_finals.add('psu')
+        elif t.startswith('sps-'):
+            tags_finals.add('sps')
+        elif t.startswith('safe-'):
+            tags_finals.add('safe-ls')
+        elif t.startswith('pal_ebm-'):
+            tags_finals.add('pal_ebm')
+        elif t.startswith('pal-'):
+            tags_finals.add('pal')
+    
+    # 4. Si tenim etiquetes vàlides, les ordenem, les unim amb | i hi posem cometes
+    if tags_finals:
+        # Ordenar-les (sorted) fa que el resultat sigui més fàcil de llegir al CSV
+        tags_units = '|'.join(sorted(list(tags_finals)))
+        return f'"{tags_units}"'
+    else:
+        return ''
+
+# --- INICI DEL PROCÉS ---
+
+# 1. Carregar el fitxer original
+df = pd.read_excel('contactes_mautic/Contactos_2602026_7881pax.xlsx')
+
+# 2. Seleccionar només les columnes que ens interessen
+columnes_mautic = ['email', 'nombre_x', 'apellidos_x', '*ciudad_x', '*pais_x', 'etiquetas_x']
+df_net = df[columnes_mautic].copy()
+
+# 3. Reanomenar les columnes perquè Mautic les auto-detecti
+df_net.rename(columns={
+    'nombre_x': 'firstname',
+    'apellidos_x': 'lastname',
+    '*ciudad_x': 'city',
+    '*pais_x': 'country',
+    'etiquetas_x': 'etiquetes'
+}, inplace=True)
+
+# 4. APLICAR EL FILTRE I LA CONSOLIDACIÓ
+df_net['etiquetes'] = df_net['etiquetes'].apply(filtrar_i_consolidar_etiquetes)
+
+# 5. Guardar com a CSV llest per importar
+df_net.to_csv('Contactes_Mautic_Consolidats.csv', index=False, encoding='utf-8', quoting=csv.QUOTE_NONE, escapechar='\\')
+
+print("✅ Fitxer preparat! Les etiquetes s'han filtrat i agrupat correctament.")