Abmelde-Link auch finden, wenn nur „hier“ verlinkt ist (Vikunja 97) #5

Merged
Rsclub2_2 merged 1 commits from feat/link-im-satz into main 2026-11-16 09:36:17 +01:00
Owner

Anlass

Beim ersten Lauf des Abmelde-Agenten (Vikunja 97) blieb eine Rundmail von Lieferando ohne Fall. Ihr Abmelde-Satz lautet „… kannst Du ihn hier abbestellen.“, verlinkt ist nur „hier“. Die Suche prüfte bisher allein den Link selbst (Text und Adresse); das Stichwort steht hier neben dem Link, die Adresse ist ein Tracking-Link.

Änderung (find_unsubscribe_links)

  • Hat ein Web-Link einen kurzen Text (bis 25 Zeichen) ohne Stichwort, entscheidet der Satz, in dem er steht.
  • Der Satz endet an Punkt, Ausrufe- oder Fragezeichen, an einem Zeilenumbruch (<br>) und am Rand von Absatz, Tabellenzelle oder anderem Block.
  • Zum Satz zählen weder der Text anderer Links (sonst käme in „Abmelden | Home“ auch „Home“ mit) noch ausgeschriebene Adressen.
  • Links, die schon durch ihren eigenen Text passen, stehen weiter vorn; nichts wird doppelt geführt.

Grenze

In einem Satz wie „Zum Abmelden hier einloggen“ wird der falsche Link genommen. Der Agent öffnet ihn, findet nichts zum Abmelden und meldet „nicht möglich“.

Tests

  • Neu in tests/test_app.py: der Lieferando-Satz, dem echten HTML nachgebaut (nur „hier“, nicht „online“, nicht die mailto:-Adresse); drei Fälle über Inline-Tags hinweg; neun Fälle, in denen der Link nicht genommen werden darf; Reihenfolge und Doppelte.
  • Zuerst rot (5 Fälle), dann grün. Ohne die beiden Ausnahmen (Text anderer Links, ausgeschriebene Adressen) schlagen je zwei Tests an.
  • Anwendung: 144 bestanden. Der Code des Agenten ist unberührt.

Nicht geprüft

Gegen die echte Mail im Sammelpostfach ist die neue Suche nicht gelaufen; das zeigt der nächste Lauf nach dem Ausrollen.

## Anlass Beim ersten Lauf des Abmelde-Agenten (Vikunja 97) blieb eine Rundmail von Lieferando ohne Fall. Ihr Abmelde-Satz lautet „… kannst Du ihn **hier** abbestellen.“, verlinkt ist nur „hier“. Die Suche prüfte bisher allein den Link selbst (Text und Adresse); das Stichwort steht hier neben dem Link, die Adresse ist ein Tracking-Link. ## Änderung (`find_unsubscribe_links`) - Hat ein Web-Link einen kurzen Text (bis 25 Zeichen) ohne Stichwort, entscheidet der Satz, in dem er steht. - Der Satz endet an Punkt, Ausrufe- oder Fragezeichen, an einem Zeilenumbruch (`<br>`) und am Rand von Absatz, Tabellenzelle oder anderem Block. - Zum Satz zählen weder der Text anderer Links (sonst käme in „Abmelden | Home“ auch „Home“ mit) noch ausgeschriebene Adressen. - Links, die schon durch ihren eigenen Text passen, stehen weiter vorn; nichts wird doppelt geführt. ## Grenze In einem Satz wie „Zum Abmelden hier einloggen“ wird der falsche Link genommen. Der Agent öffnet ihn, findet nichts zum Abmelden und meldet „nicht möglich“. ## Tests - Neu in `tests/test_app.py`: der Lieferando-Satz, dem echten HTML nachgebaut (nur „hier“, nicht „online“, nicht die `mailto:`-Adresse); drei Fälle über Inline-Tags hinweg; neun Fälle, in denen der Link nicht genommen werden darf; Reihenfolge und Doppelte. - Zuerst rot (5 Fälle), dann grün. Ohne die beiden Ausnahmen (Text anderer Links, ausgeschriebene Adressen) schlagen je zwei Tests an. - Anwendung: 144 bestanden. Der Code des Agenten ist unberührt. ## Nicht geprüft Gegen die echte Mail im Sammelpostfach ist die neue Suche nicht gelaufen; das zeigt der nächste Lauf nach dem Ausrollen.
Rsclub2_2 added 1 commit 2026-11-16 09:27:04 +01:00
Hat ein Link einen kurzen Text ohne Stichwort, entscheidet der Satz, in
dem er steht (bis Punkt, Zeilenumbruch oder Rand des Absatzes). Text
anderer Links und ausgeschriebene Adressen zählen nicht zum Satz.
Rsclub2_2 merged commit 081f50f69a into main 2026-11-16 09:36:17 +01:00
Sign in to join this conversation.
No Reviewers
No labels
1 Participants
Notifications
Due Date
No due date set.
Dependencies

No dependencies set.

Reference: Rsclub2_2/email-unsubscribe-links-scraper#5