Aggiungi script per verificare duplicati di email e numeri di telefono in un file Excel

verifica_duplicati.py

@@ -0,0 +1,151 @@
+#!/usr/bin/env python3
+"""
+Verifica duplicati di Email e Numeri di Telefono in un file Excel dei soci.
+"""
+
+import sys
+import re
+import argparse
+from collections import defaultdict
+
+import pandas as pd
+
+
+SEPARATORI_TELEFONO = re.compile(r"[;,/|\n]+")
+
+
+def normalizza_email(email: str) -> str:
+    return str(email).strip().lower()
+
+
+def normalizza_telefono(n: str) -> str:
+    """Rimuove spazi interni dal numero (es. '344 503 2906' -> '3445032906')."""
+    return re.sub(r"\s+", "", n.strip())
+
+
+def estrai_telefoni(cella: str) -> list[str]:
+    if not cella or str(cella).strip() in ("", "nan"):
+        return []
+    parti = SEPARATORI_TELEFONO.split(str(cella).strip())
+    return [normalizza_telefono(p) for p in parti if p.strip()]
+
+
+def analizza_duplicati(filepath: str, esempi: int = 5):
+    print(f"\nCaricamento file: {filepath}")
+    df = pd.read_excel(filepath, dtype=str)
+    totale_righe = len(df)
+    print(f"Righe totali: {totale_righe}")
+
+    col_email = "Email"
+    col_tel = "Numeri di telefono"
+
+    if col_email not in df.columns:
+        print(f"[ERRORE] Colonna '{col_email}' non trovata. Colonne disponibili: {df.columns.tolist()}")
+        sys.exit(1)
+    if col_tel not in df.columns:
+        print(f"[ERRORE] Colonna '{col_tel}' non trovata. Colonne disponibili: {df.columns.tolist()}")
+        sys.exit(1)
+
+    # --- EMAIL ---
+    email_occorrenze: dict[str, list[int]] = defaultdict(list)
+    email_vuote = 0
+
+    for idx, val in df[col_email].items():
+        if pd.isna(val) or str(val).strip() == "":
+            email_vuote += 1
+            continue
+        norm = normalizza_email(val)
+        email_occorrenze[norm].append(idx + 2)  # +2: header riga 1, indice 0-based
+
+    email_duplicate = {e: righe for e, righe in email_occorrenze.items() if len(righe) > 1}
+    email_uniche = len(email_occorrenze)
+    totale_email_duplicate = sum(len(r) - 1 for r in email_duplicate.values())
+
+    # --- TELEFONI ---
+    tel_occorrenze: dict[str, list[int]] = defaultdict(list)
+    tel_vuote = 0
+    totale_numeri_estratti = 0
+
+    for idx, val in df[col_tel].items():
+        if pd.isna(val) or str(val).strip() == "":
+            tel_vuote += 1
+            continue
+        numeri = estrai_telefoni(val)
+        totale_numeri_estratti += len(numeri)
+        for n in numeri:
+            tel_occorrenze[n].append(idx + 2)
+
+    tel_duplicate = {t: righe for t, righe in tel_occorrenze.items() if len(righe) > 1}
+    tel_uniche = len(tel_occorrenze)
+    totale_tel_duplicate = sum(len(r) - 1 for r in tel_duplicate.values())
+
+    # --- STAMPA REPORT ---
+    sep = "=" * 60
+
+    print(f"\n{sep}")
+    print("  REPORT DUPLICATI - EMAIL")
+    print(sep)
+    print(f"  Righe totali                   : {totale_righe}")
+    print(f"  Righe senza email              : {email_vuote}")
+    print(f"  Email univoche                 : {email_uniche}")
+    print(f"  Email con duplicati            : {len(email_duplicate)}")
+    print(f"  Occorrenze duplicate extra     : {totale_email_duplicate}")
+
+    top_email = sorted(email_duplicate.items(), key=lambda x: len(x[1]), reverse=True) if email_duplicate else []
+
+    if top_email:
+        n = min(esempi, len(top_email))
+        print(f"\n  Top {n} email piu' duplicate:")
+        print(f"  {'#':<4} {'Email':<40} {'Volte':>6}  Righe Excel (prime 6)")
+        print("  " + "-" * 72)
+        for i, (email, righe) in enumerate(top_email[:n], 1):
+            righe_str = str(righe[:6])[1:-1] + ("..." if len(righe) > 6 else "")
+            print(f"  {i:<4} {email:<40} {len(righe):>6}  {righe_str}")
+    else:
+        print("\n  Nessun duplicato trovato.")
+
+    print(f"\n{sep}")
+    print("  REPORT DUPLICATI - NUMERI DI TELEFONO")
+    print(sep)
+    print(f"  Righe totali                   : {totale_righe}")
+    print(f"  Righe senza telefono           : {tel_vuote}")
+    print(f"  Numeri totali estratti         : {totale_numeri_estratti}")
+    print(f"  Numeri univoci                 : {tel_uniche}")
+    print(f"  Numeri con duplicati           : {len(tel_duplicate)}")
+    print(f"  Occorrenze duplicate extra     : {totale_tel_duplicate}")
+
+    top_tel = sorted(tel_duplicate.items(), key=lambda x: len(x[1]), reverse=True) if tel_duplicate else []
+
+    if top_tel:
+        n = min(esempi, len(top_tel))
+        print(f"\n  Top {n} numeri piu' duplicati:")
+        print(f"  {'#':<4} {'Numero':<20} {'Volte':>6}  Righe Excel (prime 6)")
+        print("  " + "-" * 60)
+        for i, (tel, righe) in enumerate(top_tel[:n], 1):
+            righe_str = str(righe[:6])[1:-1] + ("..." if len(righe) > 6 else "")
+            print(f"  {i:<4} {tel:<20} {len(righe):>6}  {righe_str}")
+    else:
+        print("\n  Nessun duplicato trovato.")
+
+    print(f"\n{sep}")
+    print("  RIEPILOGO GENERALE")
+    print(sep)
+    pct_email = len(email_duplicate) / email_uniche * 100 if email_uniche else 0
+    pct_tel = len(tel_duplicate) / tel_uniche * 100 if tel_uniche else 0
+    print(f"  Email duplicate     : {len(email_duplicate):>5}  ({pct_email:.1f}% delle email univoche)")
+    print(f"  Telefoni duplicati  : {len(tel_duplicate):>5}  ({pct_tel:.1f}% dei numeri univoci)")
+    print(sep)
+
+
+def main():
+    parser = argparse.ArgumentParser(description="Verifica duplicati email e telefoni in un file Excel.")
+    parser.add_argument("file",
+                        help="Percorso del file Excel da analizzare")
+    parser.add_argument("--esempi", type=int, default=5,
+                        help="Numero di esempi da mostrare per categoria (default: 5)")
+    args = parser.parse_args()
+    analizza_duplicati(args.file, args.esempi)
+
+
+if __name__ == "__main__":
+    main()