From 4f6f247986bfc428b95b611c4b42a0e8fa473cc9 Mon Sep 17 00:00:00 2001
From: Linsberger Christian <linchr@gba.geolba.ac.at>
Date: Mon, 6 Sep 2021 16:28:11 +0200
Subject: [PATCH] Comments

---
 02_not_in_db.R | 37 ++++++++++++++++++++++++++-----------
 1 file changed, 26 insertions(+), 11 deletions(-)

diff --git a/02_not_in_db.R b/02_not_in_db.R
index 5ac9392..c540ae3 100644
--- a/02_not_in_db.R
+++ b/02_not_in_db.R
@@ -4,26 +4,41 @@ library("dplyr")
 library("xlsx")
 library("stringi")
 
+#Konfiguration einbinden
 source("config/config.R")
 source("sparql.R")
 
-vorhanden_df = data.frame(get_current_geoera_lit_db()$citation)
-vorhanden_df_2 = unique(vorhanden_df)
+#Datenbank einlesen und doppelte entfernen
+vorhanden_df <- data.frame(get_current_geoera_lit_db()$citation)
+vorhanden_df_2 <- unique(vorhanden_df)
 
-colnames(vorhanden_df) = (c(COLUMN_NAME))
+#Spaltenname setzen
+colnames(vorhanden_df) <- (c(COLUMN_NAME))
 
-neu_df = data.frame(read_excel(paste(PFAD_EXCEL, "distincts_kontrolliert.xlsx", sep="")))
-neu_df = data.frame(lapply(neu_df, stri_enc_toutf8))
-neu_df_2 = unique(neu_df)
+#Excel mit den Zitaten die hinzugefügt werden sollen einlesen
+neu_df <- data.frame(read_excel(paste(PFAD_EXCEL, "distincts_kontrolliert.xlsx", sep="")))
+neu_df <- data.frame(lapply(neu_df, stri_enc_toutf8))
 
-all_df = rbind(vorhanden_df, neu_df)
-all_df_2 = unique(all_df)
+#die beiden Dataframes zusammenfügen (braucht gleiche Spaltennamen)
+all_df <- rbind(vorhanden_df, neu_df)
+all_df_2 <- unique(all_df)
 
 #inner_join finds common elements between two data frames
 #anti_join finds elements the are exclusively in one of the data frames
-common = inner_join(neu_df, vorhanden_df)
-not_in_db = anti_join(neu_df, common)
 
-not_in_db_2 = anti_join(all_df, vorhanden_df)
+#Gemeinsame Element finden
+common <- inner_join(neu_df, vorhanden_df)
 
+#Finde die Element die noch nicht in der Datenbank sind
+not_in_db <- anti_join(neu_df, common)
+
+#Variante 2
+not_in_db_2 <- anti_join(all_df, vorhanden_df)
+
+#Die der Uniques in eine Datei schreiben
 write_xlsx(not_in_db, paste(PFAD_OUT, "not_in_db_",format(Sys.time(), "%Y_%m_%d") ,".xlsx", sep=""))
+
+#### TO DO ####
+# Die direkte Vergleichsfunktion durch die %-Match-Funktion aus 03 ersetzen.
+# Ist etwas heikler, sollte aber weiterhin ganz gut funktionieren.
+# Gehört komplett ausprogrammiert und getest.