fix(performers): zdejmij przypisania kategorii udajacych ludzi

"Natural Tits", "Big Black", "Anal Milf", "Cum Swallow", "Fat Ass" i 94
inne siedzialy w tabeli performers z tagow tubow wciaganych jako obsada.
Ugryzly 2026-08-14 przy rozplataniu zlepkow: regula uznala "Big Black" za
osobe wymieniona w tytule i dala mu 124 sceny.

TRZY OCZYWISTE HEURYSTYKI SPRAWDZONE I ODRZUCONE, kazda z kontrprzykladem:

  1. "nazwa jest tez tagiem"  -> prawdziwe dla Lauren Phillips, Julii Ann,
     Nikki Benz (tuby robia tagi z nazwisk), 7625 z 74150 nazw
  2. "nie ma kanonu"          -> TPDB SAM MA "Big Black" i "Lesbian Love"
     jako performerow, a realna "Mena Mason" refow nie ma
  3. "tag >> performer"       -> dziala dla "Natural Tits" (2147x) i "Rough
     Sex" (1552x), ale "Big Black" ma 0,2x, "Lesbian Love" 0,0x

Kryterium jest wiec STRUKTURALNE i nie zalezy od zadnej z tych baz: cala
nazwa zlozona wylacznie ze slow opisujacych tresc. Kandydatow 101, czyli
na tyle malo, ze lista zostala PRZEJRZANA RECZNIE.

Przeglad wylapal falszywki: "Dick Nasty" ma refy z szesciu zrodel, w tym
StashDB, i jest realnym meskim performerem (obsada "Sugar Daddy 17" obok
Dave'a Cummingsa). "King Cock" wykluczony z ostroznosci. Oba w
_JEDNAK_LUDZIE, z uzasadnieniem w kodzie.

Wynik: 11 793 przypisania zdjete od 99 kategorii, do archiwum. Same rekordy
performerow ZOSTAJA: scene_count spadl do 0, wiec i tak wypadaja z list
z only_with_content, a skasowanie rekordu zerwaloby refy kanoniczne przy
czyms, co TPDB u siebie trzyma jako performera.

Kontrola: Big Black/Natural Tits/Anal Milf/Fat Ass -> 0 scen, Lauren
Phillips 2146 i Dick Nasty 69 nietkniete.

scripts/prune_category_performers.py

@@ -0,0 +1,147 @@
+"""Zdejmuje przypisania „performerów", którzy są nazwami KATEGORII, nie ludźmi.
+
+W tabeli `performers` siedzą pozycje w rodzaju „Natural Tits", „Big Black", „Anal Milf",
+„Cum Swallow" czy „Fat Ass". Biorą się z tagów tubów wciąganych jako obsada. Ugryzły
+2026-08-14 przy rozplataniu zlepków: reguła uznała „Big Black" za osobę wymienioną
+w tytule i dała mu 124 sceny.
+
+**Trzy oczywiste heurystyki sprawdzone i ODRZUCONE**, każda z konkretnym kontrprzykładem:
+
+1. „nazwa jest też tagiem" — prawdziwe dla Lauren Phillips, Julii Ann i Nikki Benz,
+   bo tuby robią tagi z nazwisk (7625 z 74150 nazw).
+2. „nie ma refów kanonicznych" — **TPDB SAM MA** „Big Black" i „Lesbian Love" jako
+   performerów, a realna „Mena Mason" refów nie ma.
+3. „tag ma dużo więcej scen niż performer" — działa dla „Natural Tits" (2147×) i
+   „Rough Sex" (1552×), ale „Big Black" ma 0,2×, a „Lesbian Love" 0,0×.
+
+Dlatego kryterium jest STRUKTURALNE i nie zależy od żadnej z tych baz: **cała nazwa
+składa się wyłącznie ze słów opisujących treść**. „Big Black" to big + black, „Natural
+Tits" to natural + tits, a „Lauren Phillips" nie ma ani jednego takiego członu.
+
+Kandydatów wychodzi 101, łącznie ~12 tys. przypisań, i lista jest na tyle krótka, że
+została **przejrzana ręcznie**. Stąd `_JEDNAK_LUDZIE`: słownik trafia też w prawdziwe
+osoby o „opisowych" pseudonimach.
+
+Uruchomienie (kontener worker):
+  python -m scripts.prune_category_performers            # dry-run
+  python -m scripts.prune_category_performers --yes      # wykonaj
+"""
+from __future__ import annotations
+
+import argparse
+import logging
+import re
+
+from sqlalchemy import text
+
+from app.db import session_scope
+
+log = logging.getLogger(__name__)
+
+#: Słowa opisujące TREŚĆ, nie osobę. Świadomie bez imion i nazwisk.
+_SLOWA_KATEGORII = set(
+    """
+    anal ass tits boobs cock dick pussy cum cumshot creampie blowjob handjob footjob
+    milf teen mature granny mom stepmom stepsis sister brother wife girlfriend
+    black white asian latina ebony indian arab russian czech japanese korean thai
+    big small huge tiny massive giant thick fat skinny petite busty curvy
+    hardcore softcore rough gentle deep double triple first best hot sexy horny nasty
+    lesbian gay straight bi trans shemale ladyboy
+    fuck fucking fucked sex porn xxx video clip scene movie
+    blonde brunette redhead ginger
+    threesome foursome gangbang orgy bukkake facial swallow
+    squirt squirting shower golden piss pee
+    bdsm bondage domination submission fetish kink
+    natural fake real amateur pro professional
+    queen king lover girl boy babe slut whore bitch
+    pov casting audition massage yoga gym office nurse teacher student
+    young old
+    """.split()
+)
+
+#: Wyjątki znalezione przy ręcznym przeglądzie 101 kandydatów. To PRAWDZIWE osoby,
+#: które mają pecha do pseudonimu:
+#:   „Dick Nasty"  — refy z SZEŚCIU źródeł, w tym StashDB; realny męski performer,
+#:                   widziany w obsadzie „Sugar Daddy 17" obok Dave'a Cummingsa.
+#:   „King Cock"   — cztery źródła i niejednoznaczne sceny; wykluczony z ostrożności,
+#:                   bo koszt błędu (skasowanie realnej osoby) jest wyższy niż zysk.
+_JEDNAK_LUDZIE = frozenset({"dick nasty", "king cock"})
+
+
+def _norm(s: str | None) -> str:
+    return re.sub(r"[^a-z0-9]+", " ", (s or "").lower()).strip()
+
+
+def _kandydaci(session) -> list[tuple]:
+    out = []
+    for pid, nm in session.execute(
+        text("SELECT id, canonical_name FROM performers")
+    ).all():
+        n = _norm(nm)
+        toks = n.split()
+        if len(toks) < 2 or n in _JEDNAK_LUDZIE:
+            continue
+        if all(t in _SLOWA_KATEGORII for t in toks):
+            out.append((pid, nm))
+    return out
+
+
+def run(*, apply: bool) -> dict[str, int]:
+    with session_scope() as session:
+        kand = _kandydaci(session)
+        ids = [k[0] for k in kand]
+        if not ids:
+            print("brak kandydatow")
+            return {"performers": 0, "attributions": 0}
+
+        n = session.execute(
+            text(
+                "SELECT count(*) FROM scene_performers WHERE performer_id = ANY(:ids)"
+            ),
+            {"ids": ids},
+        ).scalar_one()
+        print(f"kategorii: {len(kand)} | ich przypisan: {n}")
+
+        if not apply:
+            for _pid, nm in sorted(kand, key=lambda x: x[1])[:12]:
+                print(f"    {nm}")
+            print("    ... (dry-run)")
+            return {"performers": len(kand), "attributions": int(n)}
+
+        # Archiwum przed kasowaniem, ta sama tabela co reszta sprzatania.
+        session.execute(
+            text(
+                """
+                INSERT INTO scene_performers_pruned
+                       (scene_id, performer_id, source_id, performer_name, scene_title)
+                SELECT sp.scene_id, sp.performer_id, sp.source_id, p.canonical_name, s.title
+                FROM scene_performers sp
+                JOIN performers p ON p.id = sp.performer_id
+                JOIN scenes s ON s.id = sp.scene_id
+                WHERE sp.performer_id = ANY(:ids)
+                ON CONFLICT DO NOTHING
+                """
+            ),
+            {"ids": ids},
+        )
+        deleted = session.execute(
+            text("DELETE FROM scene_performers WHERE performer_id = ANY(:ids)"),
+            {"ids": ids},
+        ).rowcount
+        # Same rekordy performerow ZOSTAJA (scene_count spadnie do 0 przy najblizszym
+        # `refresh_taxonomy_counts`, wiec i tak wypadna z list z `only_with_content`).
+        # Kasowanie rekordu zerwaloby refy kanoniczne, a tego nie chcemy przy czyms,
+        # co TPDB u siebie trzyma jako performera.
+        print(f"zdjeto {deleted} przypisan od {len(kand)} kategorii")
+        return {"performers": len(kand), "attributions": int(deleted or 0)}
+
+
+def main() -> None:
+    logging.basicConfig(level=logging.INFO, format="%(message)s")
+    ap = argparse.ArgumentParser()
+    ap.add_argument("--yes", action="store_true", help="wykonaj (bez tego dry-run)")
+    run(apply=ap.parse_args().yes)
+
+
+if __name__ == "__main__":
+    main()