2026-05-16 media-toolbox: баг 12, exhaustive test plan, актуальный unresolved (6 шт)

family/projects/media-toolbox-kraken.md

@@ -1,6 +1,6 @@
 ---
 created: '2026-05-13'
-updated: '2026-05-14'
+updated: '2026-05-16'
 status: in-progress
 tags:
   - kraken
@@ -176,6 +176,16 @@ media-pipeline (~/Developer/media_files_db, ветка kraken-agent)
 `NameTokenization` генерировал `transliteratedToLatin` variant для кириллических имён → `Миграция` → `Migratsiya` → TMDb/KP не знают транслит, 0 результатов, только занимают cache-слоты. Оригинальный Go-sync делал только Latin→Cyrillic.
 **Фикс:** Убран `transliteratedToLatin` из query variants в `NameTokenization.swift`. Коммит `10d64da`.
 
+### Баг 12: TitleParser `_year_` — `\b` не срабатывает на underscore-границах
+
+**Проблема:** `bezumnyj_maks_3_pod_kupolom_groma_1985_[torrents.ru]` — год `1985` окружён `_`, а `_` является `\w` в Swift regex. Поэтому `\b1985\b` не срабатывает → `year=nil`, `1985` остаётся в title → TMDb запрос содержит `1985` в строке вместо `year=` параметра → 0 результатов.
+
+**Следствие:** заголовок `безумный макс 3 под куполом грома 1985` → TokenParser видит `1985` как токен → вариант обрезается по digit-граничному паттерну → появляется мусорный вариант `безумный мак` (truncated).
+
+**Фикс:** в `TitleParser.cleanupTitleAndYear` заменён `\b(\d{4})\b` на `(?<![0-9])((?:19|20)\d\d)(?![0-9])` — игнорирует `_` как boundary, проверяет только цифровые границы.  
+**Тест:** `NameTokenizationTests.yearInUnderscores` + `titleParserYearInUnderscores` — оба GREEN.  
+**Коммит:** `61be066` (заодно с NFO sidecar fix, фактически в коде с TitleParser.swift line 39).
+
 ### Баг 6: resolve-manual NFO path для single-файлов
 `resolve-manual` писал NFO внутрь файла вместо рядом.
 **Фикс:** Detect `isDirectory`, для файлов → `deletingPathExtension().appendingPathExtension("nfo")`. Коммит `c0fdc59`
@@ -328,7 +338,8 @@ docker run --rm \
 - **2026-05-15 сессия 7:** Торренты: 467 скопированы с HTPC, 323 добавлены в Transmission (294 итого после удаления 50 игр/нон-медиа). rsync: movies + мультфильмы + BBC документалки. Фиксы в коде: (1) best-effort collapse при исчерпании tierов, (2) дедупликация dir+file регионов в RegionPartitioner, (3) strip .aka./full.screen из TitleParser, (4) scanner пропускает canonical dirs по маркеру `.media-pipeline-canonical`, (5) Roman numerals в транслитерации (Ампир V). Финал: 19 unresolved.
 - **2026-05-16 сессия 8:** Обнаружен корневой баг: KP API переехал `api.kinopoisk.dev` → `api.poiskkino.dev` (301 redirect, Swift теряет X-API-KEY). Исправлен URL. Удалены 359 невалидных KP-кеш записей. Добавлен leet-speak decode (`4`→`ch`: ni4ego→nichego, muzh4iny→muzhchiny). Починен кеш: KP пустые `docs:[]` больше не кешируются (были причиной повторных промахов после rate-limit/redirect). **Текущий unresolved: 22. Завтра KP лимит сбросится → ожидаем ≤5.**
 - **2026-05-16 сессия 9:** Добавлен жанровый роутинг (cartoons/documentaries — только по genres из провайдера, не по source path). Фикс `nfoMeta priority` (provider genres > local empty NFO). Фикс парсинга года `2023г` (русский суффикс). TMDb genres передаются из config. **Убран Cyr→Lat query variant** (не соответствует оригинальному Go-sync, TMDb не ищет по транслиту). Порядок провайдеров подтверждён: TMDb → KP → IMDb (short-circuit после каждого). KP — настоящий fallback (40 запросов vs 8428 TMDb). Текущий unresolved: 30 (ждём сброса KP rate limit).
-- **2026-05-16 сессия 10–11 (продолжение):** Серия кодовых фиксов + NFO-файлы. **278 applied, 3 skipped (98.9%).** Три оставшихся — genuinely absent в TMDb/KP (см. ниже).
+- **2026-05-16 сессия 10–11 (продолжение):** Серия кодовых фиксов. **278 applied, 3 skipped (98.9%).** Созданы ручные NFO для 11 тайтлов (нарушение принципа — удалены в сессии 12).
+- **2026-05-16 сессия 12:** Удалены 15 ручных NFO. Подтверждён и задокументирован Баг 12 (`_1985_` year extraction). TitleParser регекс исправлен на `(?<![0-9])…(?![0-9])`. Тесты `yearInUnderscores` + `titleParserYearInUnderscores` — GREEN. Текущий unresolved на Кракене: **6** (2 standalone-дубля + папка bezumnyj + 3 BBC/доки genuinely absent). **Следующий шаг:** exhaustive тесты для всех проблемных тайтлов → deploy → agentic flow для оставшихся.
 
 ### Фиксы сессий 10–11 (код)
 - ✅ **double-counting fix** — `HypothesisArbiter`: `penalizedZeroProviders` в `HypothesisFact`, только newly-zero провайдеры пенализируются за проход. Серебряные коньки resolved.
@@ -337,26 +348,49 @@ docker run --rm \
 - ✅ **NFO reverse-prefix match** — `HypothesisGenerator`: sidecar `Generation.P.nfo` теперь матчится к `Generation.P.BDRip-AVC.mkv` через `stemPrefix` проверку.
 - ✅ **FileScanner sibling sidecar** — для file-region (не директория) сканируются сиблинги в parent dir → NFO рядом с mkv подхватывается. Stiratel resolved.
 
-### NFO-файлы созданы вручную (эта сессия)
-| Файл | TMDb ID | Название |
-|------|---------|----------|
-| `budil'nik 1984/budil'nik 1984.nfo` | 460558 | Будильник (1984) |
-| `novogodn'aya_pesenka.../...nfo` | 144593 | Новогодняя песенка Деда Мороза (1982) |
-| `таинственная жизнь собак.../...nfo` | 290570 | The Secret Life of Dogs (2013) |
-| `шпион в снегах 2018/...nfo` | 715926 | Spy in the Snow (2018) |
-| `супер белки (2018)/...nfo` | 921088 | The Super Squirrels (2018) |
-| `penguin meet the family (2020)/...nfo` | 781278 | Penguins: Meet the Family (2020) |
-| `dolina.ekho.2025.atvp.../...nfo` | 1097311 | Echo Valley (2025) |
-| `Stiratel.1996.nfo` | 9268 | Eraser (1996) |
-| `The.Frozen.Kingdom.../...nfo` | 783095 | Le Royaume du léopard des neiges (2020) |
-| `bezumnyj_maks_3.../...nfo` | 9355 | Mad Max Beyond Thunderdome (1985) |
-| `Generation.P.nfo` | 63375 | Generation П (2011) |
+### 6 оставшихся unresolved (на Кракене, актуально)
 
-### 3 оставшихся — genuinely absent
-| Файл | Причина |
-|------|---------|
-| `bbc. the real jungle book bear 2012` | Нет в TMDb и KP |
-| `bbc. секреты собак` | Нет в TMDb и KP |
-| `бегемоты - жизнь в воде` | Нет в TMDb и KP |
+**Группа A — standalone-дубли (2 шт.):**  
+Папки с тем же контентом уже resolved. Standalone-файлы pipeline не резолвит потому что дубль.
+- `/media/movies/Bezumnyj_Maks_3_Pod_Kupolom_Groma_1985_[torrents.ru].mkv`
+- `/media/cartoons/Nehochuha.XVid.DVDRip.avi`
 
-Эти три документалки можно считать финальным пределом автоматического резолва.
+**Группа B — genuinely absent в TMDb и KP (3 шт.):**
+- `/media/documentaries/bbc. the real jungle book bear 2012`
+- `/media/documentaries/bbc. секреты собак`
+- `/media/documentaries/бегемоты - жизнь в воде`
+
+**Группа C — папка (дубль resolved-папки):**
+- `/media/movies/bezumnyj_maks_3_pod_kupolom_groma_1985_[torrents.ru]`
+
+Группы A и C — устранить через дедупликацию scanner'а (пропускать standalone если есть resolved canonical папка с тем же контентом).  
+Группа B — Tier 5 (agentic flow) или manual resolve как последний resort.
+
+### Следующий шаг: exhaustive tests → deploy → agentic flow
+
+**Задача:** написать exhaustive тесты валидирующие каждый шаг парсинга для **всех** проблемных тайтлов — как незарезолвленных, так и тех, где создавались ручные NFO. Никаких ручных NFO не создавать — тул должен всё находить автоматически.
+
+**Тайтлы для exhaustive тестов:**
+
+| Filename | Ожидаемый title | Ожидаемый year | Проблема/баг |
+|----------|----------------|----------------|-------------|
+| `bezumnyj_maks_3_pod_kupolom_groma_1985_[torrents.ru]` | `bezumnyj maks 3 pod kupolom groma` | 1985 | Баг 12: `_year_` |
+| `Nehochuha.XVid.DVDRip.avi` | `nehochuha` | nil | — |
+| `budil'nik 1984` | `budilnik` | 1984 | апостроф soft-sign |
+| `novogodn'aya_pesenka_deda_moroza_1982` | `novogodnyaya pesenka deda moroza` | 1982 | апостроф + год в underscore |
+| `таинственная жизнь собак (HDTVRip 720p, 2013)` | `таинственная жизнь собак` | 2013 | год в скобках со стороссей |
+| `шпион в снегах 2018` | `шпион в снегах` | 2018 | год в конце |
+| `супер белки (2018)` | `супер белки` | 2018 | год в скобках |
+| `penguin meet the family (2020)` | `penguin meet the family` | 2020 | год в скобках |
+| `dolina.ekho.2025.atvp.web-dlrip.avc` | `dolina ekho` | 2025 | качество-маркеры |
+| `Stiratel.1996` | `stiratel` | 1996 | год через точку |
+| `The.Frozen.Kingdom.of.the.Snow.Leopard.(2020)` | `the frozen kingdom of the snow leopard` | 2020 | точки как разделители |
+| `Generation.P.BDRip-AVC` | `generation p` | nil | буква как часть названия |
+| `Ni4ego_horoshego_v_otele_El_Royal_2018` | `nichego horoshego v otele el royal` | 2018 | leet-speak + год |
+| `O_4em_govoryat_muzh4iny_2010` | `o chem govoryat muzhchiny` | 2010 | leet-speak |
+| `Serebryanye_konki_2020` | `serebryanye konki` | 2020 | год в underscore |
+| `bbc. the real jungle book bear 2012` | `the real jungle book bear` | 2012 | BBC prefix + год |
+| `bbc. секреты собак` | `секреты собак` | nil | BBC prefix кириллица |
+| `Миграция. 2023г.mkv` | `миграция` | 2023 | Баг 10: кирилл. суффикс `г` |
+| `рики тики тави 1965` | `рики тики тави` | 1965 | — |
+| `25е - первый день` | `первый день` | nil | числовой префикс |