"""H-GRP · el fichero de la web (app/datos/grupos_gleif.json), con la enmienda 2 (fuera los casados por nombre con forma jurídica incompatible con la letra del NIF). Solo personas jurídicas; los miembros de cada grupo, con su nº de contratos e importe de la web.""" import duckdb, json, sys sys.path.insert(0, '/code') from etl.v2.identidad import MACROS_IDENTIDAD B = '20261103'; A = f'/v2/aggregations_{B}/' con = duckdb.connect(); x = con.execute; x(MACROS_IDENTIDAD) x("CREATE TABLE ge AS SELECT * FROM '/dc/interno/grp_empresas.parquet'") x("""CREATE TABLE forma AS SELECT e.nif, CASE WHEN regexp_matches(norm_nombre(g."Entity.LegalName"), '( S ?L ?U?| SOCIEDAD LIMITADA( UNIPERSONAL)?| S ?L ?L| SLU)( |$)') THEN 'SL' WHEN regexp_matches(norm_nombre(g."Entity.LegalName"), '( S ?A ?U?| SOCIEDAD ANONIMA( UNIPERSONAL)?| SAU)( |$)') THEN 'SA' END forma FROM ge e JOIN '/gl/entidades.parquet' g ON g."LEI" = e.lei""") fuera = x("""SELECT ge.nif FROM ge JOIN forma USING (nif) WHERE ge.via = 'nombre' AND ((forma = 'SL' AND left(ge.nif,1) = 'A') OR (forma = 'SA' AND left(ge.nif,1) = 'B'))""").fetchall() fuera = {r[0] for r in fuera} x("CREATE TABLE f AS SELECT UNNEST(?) nif", [sorted(fuera) or ['-']]) x("DELETE FROM ge WHERE nif IN (SELECT nif FROM f)") # tras quitar, un «grupo» que solo era la propia matriz sin miembros, fuera x("CREATE TABLE gs AS SELECT grupo, count(*) n FROM ge WHERE con_ficha GROUP BY 1") x("DELETE FROM ge WHERE NOT con_ficha OR (matriz_ultima IS NULL AND matriz_directa IS NULL AND grupo NOT IN (SELECT grupo FROM gs WHERE n >= 2))") x(f"CREATE TABLE ae AS SELECT clave nif, nombre, contratos, importe FROM '{A}agg_empresa.parquet' WHERE vista = 'unica'") x("CREATE TABLE nom AS SELECT * FROM '/dc/interno/grp_lei_nombres.parquet'") emp = {} for nif, lei, via, md, mu, gr, est_u, act_u, est_d, act_d in x("""SELECT nif, lei, via, matriz_directa, matriz_ultima, grupo, est_ult, act_ult, est_dir, act_dir FROM ge ORDER BY nif""").fetchall(): emp[nif] = {'lei': lei, 'via': via, 'dir': md, 'ult': mu, 'grupo': gr, 'caducada': (est_u or est_d) == 'LAPSED', 'actualizada': (act_u or act_d or '')[:10] or None} leis = set() for v in emp.values(): leis |= {v['lei'], v['dir'], v['ult'], v['grupo']} - {None} lei_nif = {v['lei']: n for n, v in emp.items()} x("CREATE TABLE ls AS SELECT UNNEST(?) lei", [sorted(leis)]) # los nombres de todas las LEI que se enseñan, de la copia entera (una matriz puede estar caducada o retirada en GLEIF y seguir declarada # como matriz); una matriz que fuera un empresario individual (persona física) no se nombra: la relación se quita x("""CREATE TABLE gl AS SELECT "LEI" lei, "Entity.LegalName" nombre_legal, coalesce("Entity.LegalAddress.Country", "Entity.HeadquartersAddress.Country") pais, ("Entity.EntityCategory" = 'SOLE_PROPRIETOR' OR regexp_matches(upper(regexp_replace(coalesce("Entity.RegistrationAuthority.RegistrationAuthorityEntityID",''),'[^A-Za-z0-9]','','g')), '^([0-9]{8}[A-Z]|[XYZKLM][0-9]{7}[A-Z])$')) persona FROM '/gl/entidades.parquet' WHERE "LEI" IN (SELECT lei FROM ls)""") personas = {r[0] for r in x("SELECT lei FROM gl WHERE persona").fetchall()} for v in emp.values(): for k in ("dir", "ult"): if v[k] in personas: v[k] = None lei = {r[0]: [r[1], r[2], lei_nif.get(r[0])] for r in x("SELECT lei, nombre_legal, pais FROM gl WHERE NOT persona ORDER BY 1").fetchall()} sin_nombre = sorted(leis - set(lei) - personas) miembros = {} for nif, gr, nombre, c, i in x("SELECT ge.nif, ge.grupo, ae.nombre, ae.contratos, ae.importe FROM ge JOIN ae USING (nif) ORDER BY ae.nombre, ge.nif").fetchall(): miembros.setdefault(gr, []).append([nif, nombre, int(c or 0), round(float(i or 0), 2)]) C = json.load(open('/dc/salidas/grp_calculo.json')); E = json.load(open('/dc/salidas/grp_estabilidad.json')) meta = {'version': 1, 'construccion': f'unified_{B}', 'codigo': 'd1daf83', 'gleif': '2026-10-30', 'medido': '2026-11-03', 'fuente': 'Global Legal Entity Identifier Foundation (GLEIF), golden copy (CC0)', 'md5_prerregistro': C['prereg_md5'], 'enmiendas': ['e20ca38fd3c62b36eaac773074d911c8', 'bdfe13b656f88eb9e71e67b629b608f8'], 'registro': 'datcruce-grupo-gleif', 'totales': {'empresas_con_lei': sum(n for _, n in C['casado']), 'empresas_con_grupo': len(emp), 'grupos': len(miembros), 'grupos_con_2_o_mas': sum(1 for v in miembros.values() if len(v) >= 2), 'fuera_por_forma_juridica': len(fuera), 'por_via': {'nif': sum(1 for v in emp.values() if v['via'] == 'nif'), 'nombre': sum(1 for v in emp.values() if v['via'] == 'nombre')}}, 'cotejo': {'total': [28, 30], 'nif': [15, 15], 'nombre': [13, 15]}, 'segunda_implementacion': {'empresas': 2313, 'diferencias': 0}, 'estabilidad': E, 'empresas': emp, 'lei': lei, 'grupos': miembros} json.dump(meta, open('/dc/web/grupos_gleif.json', 'w'), ensure_ascii=False, separators=(',', ':')) print(meta['totales'], len(lei), 'personas', len(personas), 'sin nombre', len(sin_nombre), sin_nombre[:5])