Vytěžování leadu z emailu

Předpoklad je IMAP mapování příchozích emailů do FDT (např. e_mail). Pokud má email jen plain-text obsah, je tento v opakovatelných odstavích, pokud je obsah HTML formátovaný, pak je tento obsah v html příloze.

Kroky akce (stručně)

Načtení vstupu e-mailu

Získání HTML přílohy obsah.html, pokud existuje.

Získání plain-text odstavců z těla zprávy.

Sjednocení zdrojů do jednoho textového bloku

U HTML proběhne odstranění formátování („HTML omáčky“).
Použita šablona

removeHtmlTags

z additional-functions.xsl;

Vše se převede na čistý plain-text.

Normalizace textu

Odebrání okrajových mezer.

Redukce vícenásobných mezer na jednu.

Rozbití na jednotlivé logické řádky.

Transformace pomocí XSL šablony

Každý řádek se převede na element <row/>.

Rozlišení typů řádků:

label, name, value — pokud obsahují „:“.

note — pokud neobsahují „:“.

Použita šablona

textToRowNodes

z additional-functions.xsl;

Vytěžení obsahu leadu

Interpretace <row/> uzlů do datových polí leadu.

Zvládá i více poznámek či více řádků k jednomu labelu.

Popis transformace (HTML →) plain-text → normalizované XML

Tato sekce popisuje, jak se v rámci akce používá XSL šablona, která z HTML obsahu převedeného na text či přímo z textu (typicky těla e-mailu, notifikace, potvrzení formulářů apod.) generuje plně strukturované XML. Výsledkem transformace je jednotný formát vhodný pro další zpracování akcemi, procesy nebo COMEXem.

Cíl transformace

Z původního nestrukturovaného HTML prostřednictvím plain-text obsahu vznikne:

 <zprava pdk="...">

    <obsah>
          <row .../>
        <row .../>
        ...
    </obsah>
</zprava>

Každý relevantní, neprázdný HTML řádek se převede na jeden element <row/>.

Uzly <zprava/> a <obsah/> se tvoří šablonou pomocnou nebo v akci a uzly <row/> pak pomocí

textToRowNodes

Struktura výstupu <row /> a význam atributů

Atribut	Kdy se vytváří	Popis
@label	Pokud řádek obsahuje znak ":" (dvojtečku)	Normalizovaný text před dvojtečkou.
@name	Pokud existuje @label	Normalizovaný „název pole“: malé znaky, ASCII, mezery → pomlčky. Bez diakritiky.
@value	Pokud existuje @label	Normalizovaný obsah za dvojtečkou.
@note	Pokud řádek NEobsahuje „:“	Text řádku jako poznámka. Slouží i pro doplňující popisy k předchozím položkám.

Norma chování šablony

1. Každý neprázdný HTML řádek → plain-text

Šablona ignoruje čistě prázdné elementy po stripování HTML:

prázdné <p>

nadbytečné separátory

2. Řádek obsahující „:“ → položka s label, name, value

V převodu plain-text to XML je důležitý obsah řádku, prázdné jsou ignorovány, řádky s dvojtečkou jsou brány jako klíč:hodnota.

Příklad zdrojového textu:

 Jméno: Jan

Vytvoří:

 <row label="Jméno" name="jmeno" value="Jan"/>

3. Normalizace textu

Probíhá:

trimování mezer

odstranění duplicitních whitespace

odstranění HTML entit

odebrání stylů, tříd, nested struktur

4. Syntéza @name

@name je generován algoritmem:

Lowercase

Odstranění diakritiky

Mezery → -

Jen [a-z0-9-]

Př.:
"Preferovaný termín návštěvy servisu" → preferovany-termin-navstevy-servisu

5. Řádky bez dvojtečky → @note

Tyto se chápou jako:

samostatné sdělení

doplňující text k předchozí položce (např. u „Poznámka:“)

Příklad:

 Poznámka / doplnění:
První servis – aktuálně cca 37.000 km.

Transformace:

 <row label="Poznámka / doplnění" name="poznamka-_-doplneni"/>
<row note="První servis – aktuálně cca 37.000 km."/>

6. Více @note za sebou

Je zachováno pořadí, neprovádí se spojování.

7. Bloky typu tabulka

Tabulky se rozpadnou na jednotlivé logické řádky (buňky i celé řádky → vlastní <row/>).

Použití XSL šablony v akci

XSL šablona se typicky používá:

v akci typu TF_proc-run / transform

nebo v emailové akci (SMTP/IMAP) jako post-processing

nebo při generování strukturovaných dat z příloh

Struktura použití v akci ( transform):

 <action name="parse-html">
    <transform>
        <input select="/input/html"/>
        <stylesheet name="html-to-rows.xsl"/>
        <output target="/output/zprava"/>
    </transform>
</action>

Výstupem je již očekávaný XML strom <zprava/>.

Příklad: Výsledné XML

Tento výstup odpovídá transformaci obsahu obsaženého v souboru obsah.html (při standardní normalizaci) :

 <zprava pdk="454">
    <obsah>
        <row note="Potvrzení objednávky servisu."/>
        <row note="Dobrý den,"/>
        <row note="obdrželi jsme vaši objednávku servisu vozu ..."/>
        <row label="Vaše kontaktní údaje" name="vase-kontaktni-udaje"/>
        <row label="Jméno" name="jmeno" value="Josef"/>
        <row label="Příjmení" name="prijmeni" value="Novak"/>
        ...
    </obsah>
</zprava>

Implementační poznámky

Robustnost proti různému HTML

Šablona musí umět zpracovat:

seznamy <ul><li>

tabulky <table><tr><td>

inline HTML

Vše se převádí na čistý text v <row/>.

Zajištění konzistentního výstupu

Tento formát je ideální pro:

validaci (pole + hodnoty)

vybudování COMEX komponent (přehled emailových polí)

generování dokumentů FDT

napojení na CRM/servisní workflow