Update app.py

app.py

@@ -6,7 +6,7 @@ import json
 from fastapi import FastAPI
 from fastapi.responses import JSONResponse
 from pydantic import BaseModel
-from datetime import datetime, timedelta # Importieren für Datumsberechnungen
+from datetime import datetime, timedelta
 
 # Lade RecipeBERT Modell (für semantische Zutat-Kombination)
 bert_model_name = "alexdseo/RecipeBERT"
@@ -59,7 +59,6 @@ def get_cosine_similarity(vec1, vec2):
         return 0
     return dot_product / (norm_a * norm_b)
 
-# NEUE FUNKTION: Berechnet den Altersbonus für eine Zutat
 def calculate_age_bonus(date_added_str: str, category: str) -> float:
     """
     Berechnet einen prozentualen Bonus basierend auf dem Alter der Zutat.
@@ -67,7 +66,8 @@ def calculate_age_bonus(date_added_str: str, category: str) -> float:
     - Gemüse: 2.0% pro Tag, max. 10%.
     """
     try:
-        date_added = datetime.fromisoformat(date_added_str.replace('Z', '+00:00')) # Handle 'Z' for UTC
+        # Handle 'Z' for UTC and parse to datetime object
+        date_added = datetime.fromisoformat(date_added_str.replace('Z', '+00:00'))
     except ValueError:
         print(f"Warning: Could not parse date_added_str: {date_added_str}. Returning 0 bonus.")
         return 0.0
@@ -105,7 +105,7 @@ def get_combined_scores(query_vector, embedding_list_with_details, all_good_embe
         age_bonus = calculate_age_bonus(date_added_str, category)
         final_combined_score = base_combined_score + age_bonus
 
-        results.append((name, emb, final_combined_score, date_added_str, category)) # Behalte Details für Debug oder zukünftige Nutzung
+        results.append((name, emb, final_combined_score, date_added_str, category))
     results.sort(key=lambda x: x[2], reverse=True)
     return results
 
@@ -113,25 +113,25 @@ def find_best_ingredients(required_ingredients_names, available_ingredients_deta
     """
     Findet die besten Zutaten basierend auf RecipeBERT Embeddings, jetzt mit Alters- und Kategorie-Bonus.
     required_ingredients_names: Liste von Strings (nur Namen)
-    available_ingredients_details: Liste von Dicts (Name, DateAdded, Category)
+    available_ingredients_details: Liste von IngredientDetail-Objekten
     """
     required_ingredients_names = list(set(required_ingredients_names))
 
     # Filtern der verfügbaren Zutaten, um sicherzustellen, dass keine Pflichtzutaten dabei sind
-    # und gleichzeitig die Details beibehalten
+    # Korrektur hier: Zugriff auf item.name statt item['name']
     available_ingredients_filtered_details = [
         item for item in available_ingredients_details
-        if item['name'] not in required_ingredients_names
+        if item.name not in required_ingredients_names # <--- KORREKTUR
     ]
 
     # Wenn keine Pflichtzutaten vorhanden sind, aber verfügbare, wähle eine zufällig als Pflichtzutat
     if not required_ingredients_names and available_ingredients_filtered_details:
         random_item = random.choice(available_ingredients_filtered_details)
-        required_ingredients_names = [random_item['name']]
+        required_ingredients_names = [random_item.name] # <--- KORREKTUR
         # Entferne die zufällig gewählte Zutat aus den verfügbaren Details
         available_ingredients_filtered_details = [
             item for item in available_ingredients_filtered_details
-            if item['name'] != random_item['name']
+            if item.name != random_item.name # <--- KORREKTUR
         ]
         print(f"No required ingredients provided. Randomly selected: {required_ingredients_names[0]}")
 
@@ -145,8 +145,9 @@ def find_best_ingredients(required_ingredients_names, available_ingredients_deta
     embed_required = [(name, get_embedding(name)) for name in required_ingredients_names]
 
     # Erstelle Embeddings für verfügbare Zutaten, inklusive ihrer Details
+    # Korrektur hier: Zugriff auf item.name, item.dateAdded, item.category
     embed_available_with_details = [
-        (item['name'], get_embedding(item['name']), item['dateAdded'], item['category'])
+        (item.name, get_embedding(item.name), item.dateAdded, item.category) # <--- KORREKTUR
         for item in available_ingredients_filtered_details
     ]
 
@@ -157,7 +158,6 @@ def find_best_ingredients(required_ingredients_names, available_ingredients_deta
 
     for _ in range(num_to_add):
         avg = average_embedding(final_ingredients_with_embeddings)
-        # Sende die Liste mit den detaillierten Zutaten an get_combined_scores
         candidates = get_combined_scores(avg, embed_available_with_details, final_ingredients_with_embeddings, avg_weight)
         
         if not candidates:
@@ -165,11 +165,11 @@ def find_best_ingredients(required_ingredients_names, available_ingredients_deta
             
         best_name, best_embedding, best_score, _, _ = candidates[0] # Holen Sie den besten Kandidaten
 
-        # Füge nur den Namen und das Embedding zum final_ingredients_with_embeddings hinzu
         final_ingredients_with_embeddings.append((best_name, best_embedding))
         final_ingredients_names.append(best_name)
         
         # Entferne den besten Kandidaten aus den verfügbaren
+        # Korrektur hier: Zugriff auf item[0] (den Namen im Tupel)
         embed_available_with_details = [item for item in embed_available_with_details if item[0] != best_name]
             
     return final_ingredients_names
@@ -283,12 +283,11 @@ def generate_recipe_with_t5(ingredients_list, max_retries=5):
 def process_recipe_request_logic(required_ingredients, available_ingredients_details, max_ingredients, max_retries):
     """
     Kernlogik zur Verarbeitung einer Rezeptgenerierungsanfrage.
-    available_ingredients_details: Liste von Dicts (Name, DateAdded, Category)
+    available_ingredients_details: Liste von IngredientDetail-Objekten
     """
     if not required_ingredients and not available_ingredients_details:
         return {"error": "Keine Zutaten angegeben"}
     try:
-        # Die find_best_ingredients Funktion erwartet jetzt die detaillierte Liste
         optimized_ingredients = find_best_ingredients(
             required_ingredients, available_ingredients_details, max_ingredients
         )
@@ -302,25 +301,22 @@ def process_recipe_request_logic(required_ingredients, available_ingredients_det
         return result
     except Exception as e:
         import traceback
-        traceback.print_exc() # Dies hilft bei der Fehlersuche im Log
+        traceback.print_exc()
         return {"error": f"Fehler bei der Rezeptgenerierung: {str(e)}"}
 
 # --- FastAPI-Implementierung ---
 app = FastAPI(title="AI Recipe Generator API")
 
-# NEU: Model für die empfangene Zutat mit Details
 class IngredientDetail(BaseModel):
     name: str
-    dateAdded: str # Muss ein String sein, da wir ihn als ISO 8601 empfangen
+    dateAdded: str
     category: str
 
 class RecipeRequest(BaseModel):
     required_ingredients: list[str] = []
-    # NEU: available_ingredients ist jetzt eine Liste von IngredientDetail-Objekten
     available_ingredients: list[IngredientDetail] = []
     max_ingredients: int = 7
     max_retries: int = 5
-    # Optional: Für Abwärtskompatibilität (kann entfernt werden, wenn nicht mehr benötigt)
     ingredients: list[str] = []
 
 @app.post("/generate_recipe")
@@ -333,10 +329,9 @@ async def generate_recipe_api(request_data: RecipeRequest):
     if not final_required_ingredients and request_data.ingredients:
         final_required_ingredients = request_data.ingredients
 
-    # Jetzt die detaillierten available_ingredients an die Logik übergeben
     result_dict = process_recipe_request_logic(
         final_required_ingredients,
-        request_data.available_ingredients, # Hier ist die Liste der IngredientDetail-Objekte
+        request_data.available_ingredients,
         request_data.max_ingredients,
         request_data.max_retries
     )