diff --git a/docs/ROADMAP.md b/docs/ROADMAP.md index a89c037..d9b4a93 100644 --- a/docs/ROADMAP.md +++ b/docs/ROADMAP.md @@ -30,7 +30,7 @@ - [x] **B08 · Семейства силуэтов рыб.** Три случайных hash-варианта заменены классификатором и отдельными формами `pike`, `salmonid`, `cyprinid`, `perch`, `catfish`, `eel`, `flatfish`, `marine`, плюс честный `generic`. Компонент допускает ручное переопределение family; название остаётся главным идентификатором. - [x] **B09 · Глифы снастей и приманок.** Добавлены SVG-глифы `spinner`, `wobbler`, `soft`, `boilie`, `worm`, `rig`, `unknown` и стабильная палитра по normalized name. Классификация срабатывает только по явным словам; глиф сопровождает текст в activity, лидере, уловах, рекордах и списке лучших приманок, не выдавая категорию за точную модель. - [x] **B10 · Визуальные отпечатки водоёмов.** Для каждого slug воспроизводимо выбираются один из восьми береговых контуров, число волн, положение точки и двухсимвольный индекс. Знак используется в каталоге и detail-hero; это явно абстрактный отпечаток, а не карта или игровая география. -- [ ] **B11 · Разрешённый media pipeline — в работе.** Получено явное разрешение на локальный сбор. Добавлены allowlist, индекс кандидатов, provenance-manifest, очередь и content-addressed хранение без hotlink; первый официальный обход нашёл 69 кандидатов. Downloader проверяет реальный формат/MIME, лимит 40 Мп, сохраняет dimensions и не блокирует очередь постоянными `missing`/`blocked`/`invalid`. Осталось постепенно скачать очередь с общим cooldown 30 минут и вручную подтвердить соответствия сущностям перед публикацией. +- [ ] **B11 · Разрешённый media pipeline — в работе.** Получено явное разрешение на локальный сбор. Добавлены allowlist, индекс кандидатов, provenance-manifest, очередь и content-addressed хранение без hotlink; первый официальный обход нашёл 69 кандидатов. Downloader проверяет реальный формат/MIME, лимит 40 Мп, сохраняет dimensions и не блокирует очередь постоянными `missing`/`blocked`/`invalid`. Review допускает `approved` только для сохранённого файла с типом и каноническим ключом сущности; доступен явный `rejected`. Осталось постепенно скачать очередь с общим cooldown 30 минут и проверить соответствия перед публикацией. - [x] **B12 · Эмблема сочетания.** Страница «водоём + рыба» получила составной атласный seal: собственный отпечаток водоёма пересекается со смысловым силуэтом рыбы. Так визуальная идентичность сопровождает всю иерархию каталога и не требует внешних изображений. - [x] **B13 · Навигационная леска атласа.** Разрозненные ссылки назад на detail-страницах заменены доступной breadcrumb-цепочкой с мотивом лески и узлов. Страница точки связывает главную, водоём и координаты; сочетание — каталог, водоём и рыбу. Текущий узел всегда подписан текстом и отмечен `aria-current`. - [x] **B14 · Атласные переходы сущностей.** Боковые списки рыб и водоёмов на detail-страницах получили компактные силуэты и отпечатки рядом с полным текстовым названием. Знаки продолжают систему каталога в рабочей навигации, а стрелка явно показывает переход к странице сочетания. diff --git a/docs/data-sources.md b/docs/data-sources.md index bd7f572..a7043a4 100644 --- a/docs/data-sources.md +++ b/docs/data-sources.md @@ -56,7 +56,7 @@ Fallback строится на собственных лёгких SVG: осмысленные семейства силуэтов рыб, типовые глифы снастей и детерминированные абстрактные отпечатки водоёмов. Текстовое название всегда остаётся основным идентификатором; абстрактный контур водоёма не называется картой, а глиф приманки — изображением конкретной модели. -С 12 сентября 2026 года разрешён локальный сбор медиаресурсов. `python -m rf4_research.media_cli URL` делает один учтённый HTML-запрос и добавляет кандидатов в `data/media/manifest.json`; `--download-one` сохраняет ровно один ожидающий asset по SHA-256 в `data/media/files/`. Оба режима используют общий cooldown площадки. Перед записью проверяются raster-формат, совпадение MIME и предел 40 Мп; manifest получает размеры, объём и время загрузки. Постоянные 404/410, запрет доступа и невалидный файл получают отдельные статусы и не запирают начало очереди. Статус `queued` или `stored` не означает соответствие сущности или разрешение на публичный вывод: до ручной проверки файл остаётся исследовательским материалом. +С 12 сентября 2026 года разрешён локальный сбор медиаресурсов. `python -m rf4_research.media_cli URL` делает один учтённый HTML-запрос и добавляет кандидатов в `data/media/manifest.json`; `--download-one` сохраняет ровно один ожидающий asset по SHA-256 в `data/media/files/`. Оба режима используют общий cooldown площадки. Перед записью проверяются raster-формат, совпадение MIME и предел 40 Мп; manifest получает размеры, объём и время загрузки. Постоянные 404/410, запрет доступа и невалидный файл получают отдельные статусы и не запирают начало очереди. Статус `queued` или `stored` не означает соответствие сущности или разрешение на публичный вывод. Ручная команда с `--review-url`, `--decision`, `--entity-type` и `--entity-key` переводит сохранённый файл в `approved`; неподходящий материал явно получает `rejected`. Координат, проводки, времени поимки и устойчивого внешнего идентификатора записи в этой таблице нет. Локализация зависит от домена/языка страницы: проверенная `.de`-страница возвращает немецкие названия рыб, водоёмов и приманок даже для региона RU. diff --git a/rf4_research/media_assets.py b/rf4_research/media_assets.py index bf7252a..55ac88b 100644 --- a/rf4_research/media_assets.py +++ b/rf4_research/media_assets.py @@ -95,6 +95,31 @@ def reclassify_manifest(path: Path) -> dict: return manifest +def review_asset( + path: Path, *, asset_url: str, decision: str, entity_type: str | None = None, + entity_key: str | None = None, note: str | None = None, +) -> dict: + if decision not in {"approved", "rejected"}: + raise ValueError("decision must be approved or rejected") + manifest = json.loads(path.read_text(encoding="utf-8")) + item = next((asset for asset in manifest.get("assets", []) if asset["asset_url"] == asset_url), None) + if item is None: + raise ValueError("asset URL is not present in manifest") + if decision == "approved": + if item.get("status") != "stored": + raise ValueError("only a stored asset can be approved") + if entity_type not in {"fish", "waterbody", "tackle", "reference"} or not entity_key: + raise ValueError("approved asset requires entity type and canonical key") + item.update({"entity_type": entity_type, "entity_key": entity_key}) + item.update({ + "status": decision, + "reviewed_at": datetime.now(timezone.utc).isoformat(), + "review_note": note or None, + }) + path.write_text(json.dumps(manifest, ensure_ascii=False, indent=2) + "\n", encoding="utf-8") + return item + + def inspect_image(body: bytes) -> tuple[int, int, str]: try: with Image.open(io.BytesIO(body)) as image: diff --git a/rf4_research/media_cli.py b/rf4_research/media_cli.py index aa7f9d8..d58e6e2 100644 --- a/rf4_research/media_cli.py +++ b/rf4_research/media_cli.py @@ -8,7 +8,7 @@ import urllib.error import urllib.request from .community_cli import USER_AGENT, _StrictRedirectHandler, _validate_url_before_io, check_and_reserve, fetch_html, fetch_site_key -from .media_assets import extract_media_candidates, merge_manifest, reclassify_manifest, store_asset +from .media_assets import extract_media_candidates, merge_manifest, reclassify_manifest, review_asset, store_asset DEFAULT_ROOT = Path("data/media") @@ -52,10 +52,21 @@ def main(argv: list[str] | None = None) -> int: parser.add_argument("url", nargs="?") parser.add_argument("--download-one", action="store_true", help="Store one queued asset while respecting site cooldown") parser.add_argument("--reclassify", action="store_true", help="Reapply current conservative classifier without network access") + parser.add_argument("--review-url", help="Review an asset already present in the manifest") + parser.add_argument("--decision", choices=("approved", "rejected")) + parser.add_argument("--entity-type", choices=("fish", "waterbody", "tackle", "reference")) + parser.add_argument("--entity-key") + parser.add_argument("--note") parser.add_argument("--root", type=Path, default=DEFAULT_ROOT) parser.add_argument("--state-file", type=Path, default=Path(".cache/community-fetch-state.json")) args = parser.parse_args(argv) try: + if args.review_url: + if not args.decision: + parser.error("--decision is required with --review-url") + item = review_asset(args.root / "manifest.json", asset_url=args.review_url, decision=args.decision, entity_type=args.entity_type, entity_key=args.entity_key, note=args.note) + print(f"{item['status']} {item['asset_url']}") + return 0 if args.reclassify: manifest = reclassify_manifest(args.root / "manifest.json") print(f"reclassified {len(manifest['assets'])} candidates") diff --git a/tests/test_media_assets.py b/tests/test_media_assets.py index 5ac0e0d..e0a3cb0 100644 --- a/tests/test_media_assets.py +++ b/tests/test_media_assets.py @@ -5,7 +5,7 @@ import io import pytest from PIL import Image -from rf4_research.media_assets import extract_media_candidates, inspect_image, merge_manifest, store_asset +from rf4_research.media_assets import extract_media_candidates, inspect_image, merge_manifest, review_asset, store_asset def test_extracts_and_classifies_unique_https_media() -> None: @@ -45,3 +45,17 @@ def test_image_inspection_rejects_invalid_body_and_mime_mismatch(tmp_path: Path) Image.new("RGB", (1, 1)).save(image, format="PNG") with pytest.raises(ValueError, match="MIME mismatch"): store_asset(tmp_path, image.getvalue(), content_type="image/jpeg", source_url="https://example.test/a.jpg") + + +def test_review_requires_stored_asset_and_canonical_mapping(tmp_path: Path) -> None: + item = extract_media_candidates('Щука', source_page="https://example.test")[0] + path = tmp_path / "manifest.json" + manifest = merge_manifest(path, [item]) + with pytest.raises(ValueError, match="stored"): + review_asset(path, asset_url=item.asset_url, decision="approved", entity_type="fish", entity_key="pike") + manifest["assets"][0]["status"] = "stored" + path.write_text(__import__("json").dumps(manifest), encoding="utf-8") + with pytest.raises(ValueError, match="canonical key"): + review_asset(path, asset_url=item.asset_url, decision="approved", entity_type="fish") + reviewed = review_asset(path, asset_url=item.asset_url, decision="approved", entity_type="fish", entity_key="pike", note="matched by name") + assert (reviewed["status"], reviewed["entity_key"]) == ("approved", "pike")