2026-05-17 media-pipeline tracker parsers doc: genres fix, pitfalls, status update

personal/projects/media-pipeline-tracker-parsers.md

@@ -0,0 +1,98 @@
+---
+title: Media Pipeline — Multi-Tracker Support
+created: '2026-05-17'
+updated: '2026-05-17'
+status: active
+tags:
+  - media-pipeline
+  - rutracker
+  - rutor
+  - nnm-club
+---
+# Media Pipeline — Multi-Tracker Support
+
+## Текущее состояние
+
+✅ Реализовано и задеплоено на Kraken:
+
+- `TrackerPageParserRegistry` — dispatch по `url.host`, парсеры: Rutracker, Rutor, NNMClub, PirateBay, Nyaa
+- `RutrackerPageParser` — CP1251 decode через `/usr/bin/iconv`, SwiftSoup парсинг
+- Жанры извлекаются из `[...]` в заголовке топика, страны фильтруются
+- KP/IMDb ID extraction работает
+- `TorrentSourceStrategy` использует registry вместо прямого вызова `RutrackerAPI`
+- Fallback NFO при unresolved + `torrentPageMetadata.hasRichData`
+
+## Архитектура
+
+### TrackerPageParser protocol
+
+```swift
+public protocol TrackerPageParser: Sendable {
+    var supportedHosts: [String] { get }
+    func parse(data: Data, url: URL) throws -> TorrentPageMetadata
+}
+```
+
+### TrackerPageParserRegistry
+
+```swift
+public struct TrackerPageParserRegistry: Sendable {
+    public static let defaults: [TrackerPageParser] = [
+        RutrackerPageParser(),
+        RutorPageParser(),
+        NNMClubPageParser(),
+        PirateBayPageParser(),
+        NyaaPageParser(),
+    ]
+    public func parser(for url: URL) -> TrackerPageParser?
+}
+```
+
+## Парсеры по трекерам
+
+### RutrackerPageParser ✅
+- Encoding: Windows-1251 (через `/usr/bin/iconv` temp files — swift-corelibs-foundation не поддерживает CP1251 на Linux)
+- Title selector: `#topic-title`, `h1.maintitle`, `a.topictitle`
+- **Genres: из заголовка топика `[YEAR, жанр1, жанр2, ..., TECH-TAG]`** — не из поста
+- Страны фильтруются через `countryNames: Set<String>` (30+ стран RU+EN)
+- Poster: первый img в `div.post_body` не из rutracker UI
+- IDs: `imdb.com/title/tt\d+`, `kinopoisk.ru/film/\d+`
+
+### RutorPageParser ✅ (структура реализована)
+- Encoding: UTF-8
+- Title: `h1.topic-header` / `div#topic-title`
+- Genres: паттерн `Жанр:` в тексте
+
+### NNMClubPageParser ✅ (структура реализована)
+- Encoding: Windows-1251 (тот же iconv путь)
+- Title: `h1.maintitle` / `a.maintitle`
+
+### PirateBayPageParser ✅ (структура реализована)
+- Encoding: UTF-8
+- Title: `<h1 id="title">`
+- Нет IMDb/KP ссылок обычно → только title/year из названия торрента
+
+### NyaaPageParser ✅ (структура реализована)
+- Encoding: UTF-8
+- Аниме: title из `h3.panel-title`, AniDB ID если есть
+
+## Ключевые питфоллы
+
+- `extractGenres` должен парсить из **заголовка топика** (`#topic-title`), а не из тела поста — Rutracker кодирует жанры в `[YEAR, жанр, ...]` в title
+- CP1251 decode: использовать `/usr/bin/iconv` через temp files — единственный способ на Linux
+- Кеш хранит сырые байты (binary) — `grep` по кешу не работает для CP1251 файлов
+- `TrackerParsers.swift` — боевой файл (используется в продакшне); `RutrackerAPI.swift` — legacy, параллельно существует
+
+## Файлы
+
+- `Sources/MediaSources/APIs/TrackerParsers.swift` — все парсеры + registry (боевой)
+- `Sources/MediaSources/APIs/RutrackerAPI.swift` — legacy парсер (используется в части flow)
+- `Sources/MediaSources/Providers/TorrentSourceStrategy.swift` — dispatch через registry
+- `Sources/MediaDomain/Facts/TorrentPageMetadataFact.swift` — модель: title, year, genres, posterURL, description, externalLinks
+
+## Roadmap
+
+- [ ] Шаг B — новые типы медиа: игры, музыка, книги (следующий)
+- [ ] Реальные HTML fixture тесты для каждого трекера (rutor, nnm-club)
+- [ ] Верификация RutorPageParser/NNMClubPageParser на живых торрентах
+- [ ] `MediaKind` detection по категории торрента (напр. "Игры PC" → `.game`)