companies: Links aus Firmennamen normalisieren — API-Eingang und Bestandsbefehl

38 oeffentliche Firmen tragen eine URL im Namen ("Firma - https://..."), laufend ueber die API. Nicht ablehnen (traefe die Meldung), sondern normalisieren: URL raus, Rest bleibt Name, URL ins leere Website-Feld; besteht der Name nur aus der URL, wird der Host zum Namen. Am API-Eingang vor der Zuordnung; im Bestand per companies:strip-links-from-names mit Dry-Run, Slugs bleiben. Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>
2026-09-17 09:07:49 +00:00 · 2026-09-17 09:07:49 +00:00 · 8ea5e52c84
commit 8ea5e52c84
parent 5d8e379e85
5 changed files with 310 additions and 3 deletions
--- a/app/Services/Company/CompanyNameNormalizer.php
+++ b/app/Services/Company/CompanyNameNormalizer.php
@ -0,0 +1,80 @@
+<?php
+
+namespace App\Services\Company;
+
+use Illuminate\Support\Str;
+
+/**
+ * Zieht Links aus einem Firmennamen (17.09.2026).
+ *
+ * Über die API kommen Namen wie „Steinreinigung - https://www.bgn.at/…"
+ * oder nur „www.beispiel.de" — SEO-Gewohnheit der Einlieferer, auf der
+ * Newsroom-Seite aber ein Link im Namen. Ablehnen träfe die Meldung des
+ * Einlieferers, deshalb normalisieren: URL raus, Rest bleibt Name, die
+ * URL wandert ins Website-Feld, falls das leer ist. Bleibt vom Namen nichts
+ * übrig, wird der Host der URL zum Namen („ak-autos.de") — eine nackte
+ * Domain ist Marke, kein Link.
+ */
+class CompanyNameNormalizer
+{
+    private const URL_PATTERN = '~(?:https?://|www\.)[^\s,;|()<>"\']+|\b[a-z0-9-]+(?:\.[a-z0-9-]+)*\.[a-z]{2,}/[^\s,;|()<>"\']*~iu';
+
+    /**
+     * @return array{name: string, website: ?string, removed: list<string>}
+     */
+    public static function normalize(string $name, ?string $website = null): array
+    {
+        $removed = [];
+        $stripped = (string) preg_replace_callback(self::URL_PATTERN, static function (array $match) use (&$removed): string {
+            $removed[] = rtrim($match[0], '.,:;');
+
+            return ' ';
+        }, $name);
+
+        $clean = self::tidy($stripped);
+
+        if ($clean === '' && $removed !== []) {
+            $clean = self::host($removed[0]) ?? Str::squish($name);
+        }
+
+        if (blank($website) && $removed !== []) {
+            $website = $removed[0];
+        }
+
+        return [
+            'name' => $clean !== '' ? $clean : Str::squish($name),
+            'website' => filled($website) ? trim((string) $website) : null,
+            'removed' => $removed,
+        ];
+    }
+
+    public static function containsUrl(string $name): bool
+    {
+        return preg_match(self::URL_PATTERN, $name) === 1;
+    }
+
+    /**
+     * Verwaiste Trenner nach dem Herausziehen der URL aufräumen:
+     * „Firma - “, „ - Firma", „Firma ( )", „Firma /".
+     */
+    private static function tidy(string $value): string
+    {
+        $value = (string) preg_replace('~\(\s*\)|\[\s*\]~u', ' ', $value);
+        $value = Str::squish($value);
+        $value = (string) preg_replace('~(?:\s*[-–—|/,:]+\s*){2,}~u', ' - ', $value);
+
+        return trim($value, " \t\n\r\0\x0B-–—|/,:");
+    }
+
+    private static function host(string $url): ?string
+    {
+        $candidate = Str::startsWith(mb_strtolower($url), ['http://', 'https://']) ? $url : 'https://'.$url;
+        $host = parse_url($candidate, PHP_URL_HOST);
+
+        if (! is_string($host) || $host === '') {
+            return null;
+        }
+
+        return (string) preg_replace('~^www\.~i', '', mb_strtolower($host));
+    }
+}