fix(normalize): separator feat/ft w person_named_in naprawde dziala

W _PERSON_SEPARATOR_RE zamiast \b staly doslowne znaki 0x08 (heredoc przy
commicie b7a8911), wiec tytul nigdy nie byl ciety na feat/ft. Regex uzywa
teraz prawdziwych granic slowa, lapie tez "featuring", a myslniki podaje
jako escape zamiast doslownych znakow.

Skutek w danych sprawdzony na prodzie: 255 701 przypisan na scenach z
sxyprn, 6530 tytulow z feat/ft, stara i nowa regula roznia sie w 0
przypadkach, bo sam czlon feat/ft i tak przerywal sasiedztwo nazwiska.
Poprawka zamyka przypadki brzegowe (smieciowy performer "Feat").

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

.gitattributes

@@ -0,0 +1,2 @@
+# Latki patch-package musza miec LF, inaczej nie naloza sie na pliki z npm (autocrlf na Windowsie).
+mobile/patches/*.patch text eol=lf

alembic/versions/20260813_0028_phash_backfill_queue.py

@@ -0,0 +1,47 @@
+"""phash_backfill_queue: kolejka scen do policzenia phasha z zapisanej miniaturki
+
+Uzasadnienie i liczby: `app/models/phash_backfill_queue.py`.
+
+Revision ID: 0028_phash_backfill_queue
+Revises: 0027_scenes_title_trgm
+Create Date: 2026-08-13
+"""
+from __future__ import annotations
+
+import sqlalchemy as sa
+from alembic import op
+from sqlalchemy.dialects import postgresql
+
+revision: str = "0028_phash_backfill_queue"
+down_revision: str | None = "0027_scenes_title_trgm"
+branch_labels = None
+depends_on = None
+
+
+def upgrade() -> None:
+    op.create_table(
+        "phash_backfill_queue",
+        sa.Column("scene_id", postgresql.UUID(as_uuid=True), nullable=False),
+        sa.Column("thumbnail_url", sa.String(length=1024), nullable=False),
+        sa.Column("referer", sa.String(length=255), nullable=True),
+        sa.Column("attempts", sa.Integer(), nullable=False, server_default="0"),
+        sa.Column("done_at", sa.DateTime(timezone=True), nullable=True),
+        sa.Column(
+            "created_at", sa.DateTime(timezone=True), server_default=sa.func.now(), nullable=False
+        ),
+        sa.ForeignKeyConstraint(["scene_id"], ["scenes.id"], ondelete="CASCADE"),
+        sa.PrimaryKeyConstraint("scene_id"),
+    )
+    # Jedyne zapytanie ścieżki gorącej: „weź N nieprzetworzonych". Indeks częściowy,
+    # bo przetworzone wiersze zostają w tabeli jako ślad, ale nigdy ich nie czytamy.
+    op.create_index(
+        "ix_phash_backfill_pending",
+        "phash_backfill_queue",
+        ["attempts"],
+        postgresql_where=sa.text("done_at IS NULL"),
+    )
+
+
+def downgrade() -> None:
+    op.drop_index("ix_phash_backfill_pending", table_name="phash_backfill_queue")
+    op.drop_table("phash_backfill_queue")

alembic/versions/20260818_0029_scenes_max_quality.py

@@ -0,0 +1,50 @@
+"""scenes.max_quality_p: zdenormalizowana najwyzsza znana jakosc zrodel sceny
+
+Po co, skoro filtr dalo sie napisac zapytaniem: NIE dalo sie go napisac szybko.
+Zmierzone na produkcji 2026-08-18 (EXPLAIN ANALYZE, prog 1080p):
+
+  EXISTS na playback_sources          32 s   (3 556 612 odwiedzonych scen)
+  + indeks funkcyjny per-scena        24 s
+  JOIN z DISTINCT po jakosci           1,1 s W IZOLACJI, ale
+  ten sam JOIN + reszta filtrow       52 s   (planer wraca do przechodzenia scen)
+
+Ostatni wiersz jest sednem: w polaczeniu z bramka wertykalow, heurystyka szkieletow
+i progiem dlugosci planer i tak wybiera przejscie `scenes` po `created_at` i testowanie
+warunku scena po scenie. Kaztaltem zapytania sie tego nie ominie, bo koszt to LICZBA
+odwiedzonych scen, a nie pojedynczy test. Skalarna kolumna zdejmuje problem: staje sie
+zwyklym filtrem, takim jak `duration_sec`, ktory jest szybki.
+
+NULL = nie znamy jakosci zadnego zywego zrodla (93,5% katalogu: `quality` zapisujemy
+oportunistycznie, tylko gdy listing zrodla ja podaje). Filtr celowo takie sceny ODSIEWA,
+patrz komentarz przy QUALITY_OPTIONS w mobile/src/screens/ScenesFilterModal.tsx.
+
+Revision ID: 0029_scenes_max_quality
+Revises: 0028_phash_backfill_queue
+Create Date: 2026-08-18
+"""
+from __future__ import annotations
+
+import sqlalchemy as sa
+from alembic import op
+
+revision: str = "0029_scenes_max_quality"
+down_revision: str | None = "0028_phash_backfill_queue"
+branch_labels = None
+depends_on = None
+
+
+def upgrade() -> None:
+    op.add_column("scenes", sa.Column("max_quality_p", sa.SmallInteger(), nullable=True))
+    # (max_quality_p, created_at DESC): filtr to zakres po pierwszej kolumnie, a sort
+    # feedu idzie po drugiej. Partial, bo 93,5% scen ma NULL i nie ma po co ich indeksowac.
+    op.create_index(
+        "ix_scenes_max_quality_created",
+        "scenes",
+        ["max_quality_p", sa.text("created_at DESC")],
+        postgresql_where=sa.text("max_quality_p IS NOT NULL"),
+    )
+
+
+def downgrade() -> None:
+    op.drop_index("ix_scenes_max_quality_created", table_name="scenes")
+    op.drop_column("scenes", "max_quality_p")

alembic/versions/20260818_0030_scenes_quality_threshold_idx.py

@@ -0,0 +1,50 @@
+"""Indeksy czesciowe pod progi filtra jakosci (720/1080/2160)
+
+Dlaczego osobne indeksy na prog, a nie jeden na (max_quality_p, created_at):
+tamten nie da sie uzyc do `ORDER BY created_at DESC LIMIT n`, bo wynik nie jest
+posortowany po created_at w obrebie ZAKRESU wartosci max_quality_p. Planer go
+ignorowal i wracal do przejscia `scenes` po dacie z filtrem.
+
+Indeks czesciowy z predykatem `max_quality_p >= N`, posortowany po created_at DESC,
+jest dla progu N dokladnie tym, czego zapytanie potrzebuje: Postgres uzywa go, gdy
+warunek zapytania implikuje predykat indeksu. Zmierzone na produkcji 2026-08-18:
+
+    0029 (sama kolumna)   2,0-2,6 s   planer szedl ix_scenes_created_at_desc
+    0030 (te indeksy)     0,09-0,11 s Index Scan using ix_scenes_created_q1080
+
+Progi sa ZWIAZANE Z UI: `QUALITY_OPTIONS` w mobile/src/screens/ScenesFilterModal.tsx
+oferuje dokladnie 720/1080/2160. Inna wartosc w `?min_quality_p=` nadal dziala, tylko
+wolniej (fallback do skanu po dacie). Dodajac opcje w UI, dodaj tu indeks.
+
+Rozmiary sa pomijalne (4,3 MB / 2,7 MB / 0,3 MB), bo jakosc zna tylko 6,5% katalogu.
+
+Revision ID: 0030_scenes_quality_idx
+Revises: 0029_scenes_max_quality
+Create Date: 2026-08-18
+"""
+from __future__ import annotations
+
+import sqlalchemy as sa
+from alembic import op
+
+revision: str = "0030_scenes_quality_idx"
+down_revision: str | None = "0029_scenes_max_quality"
+branch_labels = None
+depends_on = None
+
+_THRESHOLDS = (720, 1080, 2160)
+
+
+def upgrade() -> None:
+    for q in _THRESHOLDS:
+        op.create_index(
+            f"ix_scenes_created_q{q}",
+            "scenes",
+            [sa.text("created_at DESC")],
+            postgresql_where=sa.text(f"max_quality_p >= {q}"),
+        )
+
+
+def downgrade() -> None:
+    for q in _THRESHOLDS:
+        op.drop_index(f"ix_scenes_created_q{q}", table_name="scenes")

alembic/versions/20260820_0031_duration_backfill_queue.py

@@ -0,0 +1,55 @@
+"""duration_backfill_queue: kolejka scen do doliczenia dlugosci ze strony tuba
+
+Uzasadnienie i liczby: `app/models/duration_backfill_queue.py`.
+
+Revision ID: 0031_duration_backfill
+Revises: 0030_scenes_quality_idx
+Create Date: 2026-08-20
+"""
+from __future__ import annotations
+
+import sqlalchemy as sa
+from alembic import op
+from sqlalchemy.dialects import postgresql
+
+# Uwaga: `alembic_version.version_num` to varchar(32), dluzsze id nie wejdzie.
+revision: str = "0031_duration_backfill"
+down_revision: str | None = "0030_scenes_quality_idx"
+branch_labels = None
+depends_on = None
+
+
+def upgrade() -> None:
+    op.create_table(
+        "duration_backfill_queue",
+        sa.Column("scene_id", postgresql.UUID(as_uuid=True), nullable=False),
+        sa.Column("page_url", sa.String(length=1024), nullable=False),
+        sa.Column("origin", sa.String(length=64), nullable=False),
+        sa.Column("attempts", sa.Integer(), nullable=False, server_default="0"),
+        sa.Column("done_at", sa.DateTime(timezone=True), nullable=True),
+        sa.Column(
+            "created_at",
+            sa.DateTime(timezone=True),
+            server_default=sa.func.now(),
+            nullable=False,
+        ),
+        sa.ForeignKeyConstraint(
+            ["scene_id"], ["scenes.id"], ondelete="CASCADE",
+            name="fk_duration_backfill_queue_scene_id_scenes",
+        ),
+        sa.PrimaryKeyConstraint("scene_id", name="pk_duration_backfill_queue"),
+    )
+    # Paczka bierze wiersze niezrobione, po originie (zeby nie zawalic jednego hosta).
+    op.create_index(
+        "ix_duration_backfill_queue_pending",
+        "duration_backfill_queue",
+        ["origin", "attempts"],
+        postgresql_where=sa.text("done_at IS NULL"),
+    )
+
+
+def downgrade() -> None:
+    op.drop_index(
+        "ix_duration_backfill_queue_pending", table_name="duration_backfill_queue"
+    )
+    op.drop_table("duration_backfill_queue")

alembic/versions/20260820_0032_origin_release_sort_idx.py

@@ -0,0 +1,51 @@
+"""indeksy pod listowanie scen jednego serwisu sortowane po dacie premiery
+
+Zgłoszenie 4cccc70f: „po kliknięciu sxyprn na liście sites sceny ładują się po ok
+18 sekundach". Odtworzone co do sekundy: `/scenes?origin=tube:sxyprncom&
+sort=release_date` schodziło 19,23 s, a to samo z `sort=created_at` 0,08 s.
+
+Powód: ekran serwisu sortuje po dacie premiery, czyli
+`release_date DESC NULLS LAST, created_at DESC, id DESC`. Istniejący
+`ix_scenes_release_date` jest ROSNĄCY, więc czytany od tyłu daje NULL-e na
+początku, a nie na końcu, i nie obsługuje tego układu ani dwóch kluczy
+rozstrzygających. Bez pasującego indeksu planner leciał pełnym skanem `scenes`
+(3,9 mln) i `playback_sources` (3,7 mln), sortował całość i dopiero brał 25 wierszy.
+
+Z pasującym indeksem strumieniuje sceny już w docelowej kolejności i zatrzymuje się
+po 25 trafieniach. Po założeniu na produkcji: sxyprn 19,23 s → 0,11 s,
+hqporner 7,99 s → 0,87 s.
+
+Drugi indeks (`origin`, `scene_id`) obsługuje wyszukanie źródeł jednego serwisu.
+Na `playback_sources` nie było ŻADNEGO indeksu po originie.
+
+`IF NOT EXISTS`, bo na produkcji oba założono od razu (CONCURRENTLY, żeby nie
+blokować ruchu). Tu chodzi o to, by świeża instalacja miała to samo.
+
+Revision ID: 0032_origin_release_idx
+Revises: 0031_duration_backfill
+Create Date: 2026-08-20
+"""
+from __future__ import annotations
+
+from alembic import op
+
+revision: str = "0032_origin_release_idx"
+down_revision: str | None = "0031_duration_backfill"
+branch_labels = None
+depends_on = None
+
+
+def upgrade() -> None:
+    op.execute(
+        "CREATE INDEX IF NOT EXISTS ix_scenes_release_created_id_desc "
+        "ON scenes (release_date DESC NULLS LAST, created_at DESC, id DESC)"
+    )
+    op.execute(
+        "CREATE INDEX IF NOT EXISTS ix_playback_sources_origin_live "
+        "ON playback_sources (origin, scene_id) WHERE dead_at IS NULL"
+    )
+
+
+def downgrade() -> None:
+    op.execute("DROP INDEX IF EXISTS ix_playback_sources_origin_live")
+    op.execute("DROP INDEX IF EXISTS ix_scenes_release_created_id_desc")

alembic/versions/20260820_0033_effective_date_idx.py

@@ -0,0 +1,48 @@
+"""indeks pod sortowanie po dacie premiery z fallbackiem na date dodania
+
+Zgłoszenie 1df50de3 („hqporner: brak nowych scen"). Sceny były i ingest działał, tylko
+tuby daty premiery zwykle NIE podają: xhamster 99,2% scen bez daty, xnxx 97,7%,
+porntrex 95,8%, hqporner 93,5%, sxyprn 85,7%. Przy `release_date DESC NULLS LAST`
+wszystkie bezdatowe lądowały ZA datowanymi, więc 82 z 91 scen dodanych w hqporner
+przez tydzień siedziały za 3,4 tys. starszych pozycji i użytkownik widział pustkę.
+
+Sortujemy więc po dacie premiery, a gdy jej nie ma, po dniu trafienia sceny do
+katalogu. Sceny z prawdziwą datą (kanon z TPDB/StashDB) zachowują dotychczasową
+kolejność.
+
+Wyrażenie MUSI być immutable, żeby weszło do indeksu. `created_at::date` zależy od
+strefy czasowej sesji (stable, nie immutable), stąd jawne `AT TIME ZONE 'UTC'`.
+Musi też być IDENTYCZNE z `_effective_date_desc()` w `app/api/scenes.py`, inaczej
+planner indeksu nie użyje i wróci do pełnego skanu.
+
+Pomiar po założeniu: hqporner Index Scan bez sortowania, 0,49 s; sxyprn, xhamster
+i porntrex po 0,02 s, wszystkie z dzisiejszymi scenami na górze.
+
+`IF NOT EXISTS`, bo na produkcji założony od razu (CONCURRENTLY, bez blokowania ruchu).
+
+Revision ID: 0033_effective_date_idx
+Revises: 0032_origin_release_idx
+Create Date: 2026-08-20
+"""
+from __future__ import annotations
+
+from alembic import op
+
+revision: str = "0033_effective_date_idx"
+down_revision: str | None = "0032_origin_release_idx"
+branch_labels = None
+depends_on = None
+
+
+def upgrade() -> None:
+    op.execute(
+        "CREATE INDEX IF NOT EXISTS ix_scenes_effective_date_desc ON scenes ("
+        "  (COALESCE(release_date, (created_at AT TIME ZONE 'UTC')::date)) DESC,"
+        "  created_at DESC,"
+        "  id DESC"
+        ")"
+    )
+
+
+def downgrade() -> None:
+    op.execute("DROP INDEX IF EXISTS ix_scenes_effective_date_desc")

alembic/versions/20260902_0034_favorite_sites.py

@@ -0,0 +1,34 @@
+"""ulubione strony: przypinanie zrodel na gorze zakladki Sites
+
+Prosba z apki 2026-09-02. Tabela jak favorite_studios, kluczowana po device_id, wiec
+kod synchronizacji (= device_id) przenosi ja na inne urzadzenie razem z reszta.
+Origin bez klucza obcego: zrodla nie maja tabeli kluczowanej po origin.
+
+Revision ID: 0034_favorite_sites
+Revises: 0033_effective_date_idx
+Create Date: 2026-09-02
+"""
+from __future__ import annotations
+
+import sqlalchemy as sa
+from alembic import op
+
+revision = "0034_favorite_sites"
+down_revision = "0033_effective_date_idx"
+branch_labels = None
+depends_on = None
+
+
+def upgrade() -> None:
+    op.create_table(
+        "favorite_sites",
+        sa.Column("device_id", sa.String(64), primary_key=True),
+        sa.Column("origin", sa.String(64), primary_key=True),
+        sa.Column(
+            "created_at", sa.DateTime(timezone=True), server_default=sa.func.now(), nullable=False
+        ),
+    )
+
+
+def downgrade() -> None:
+    op.drop_table("favorite_sites")

alembic/versions/20260914_0035_scenes_duration_idx.py

@@ -0,0 +1,35 @@
+"""Indeks pod sortowanie scen po dlugosci (najdluzsze / najkrotsze).
+
+Jeden indeks (duration_sec, created_at, id) WHERE duration_sec IS NOT NULL obsluguje
+oba kierunki: skan w przod daje najkrotsze, w tyl najdluzsze. Sceny bez dlugosci sa
+odfiltrowane w zapytaniu, wiec kolejnosc NULL-i nie gra roli i wystarczy jeden indeks.
+
+CONCURRENTLY w autocommit_block, jak w 0027: zwykly CREATE INDEX blokowalby zapisy
+ingestu na czas budowy (4,1 mln wierszy). Nieudany CONCURRENTLY zostawia indeks
+INVALID; wtedy DROP INDEX i ponownie.
+
+Revision ID: 0035_scenes_duration_idx
+Revises: 0034_favorite_sites
+Create Date: 2026-09-14
+"""
+from __future__ import annotations
+
+from alembic import op
+
+revision = "0035_scenes_duration_idx"
+down_revision: str | None = "0034_favorite_sites"
+branch_labels = None
+depends_on = None
+
+
+def upgrade() -> None:
+    with op.get_context().autocommit_block():
+        op.execute(
+            "CREATE INDEX CONCURRENTLY IF NOT EXISTS ix_scenes_duration "
+            "ON scenes (duration_sec, created_at, id) WHERE duration_sec IS NOT NULL"
+        )
+
+
+def downgrade() -> None:
+    with op.get_context().autocommit_block():
+        op.execute("DROP INDEX CONCURRENTLY IF EXISTS ix_scenes_duration")

alembic/versions/20260914_0036_clips.py

@@ -0,0 +1,70 @@
+"""Klipy do feedu Swipe: tabele `clips` i `clip_tags`.
+
+Osobny wertykał (krótkie pionowe wideo twórców z RedGifs / Pornhub Shorties), nie sceny.
+Uzasadnienie w docstringu `app/models/clip.py`.
+
+Revision ID: 0036_clips
+Revises: 0035_scenes_duration_idx
+Create Date: 2026-09-14
+"""
+from __future__ import annotations
+
+import sqlalchemy as sa
+from alembic import op
+from sqlalchemy.dialects import postgresql
+
+revision = "0036_clips"
+down_revision: str | None = "0035_scenes_duration_idx"
+branch_labels = None
+depends_on = None
+
+
+def upgrade() -> None:
+    op.create_table(
+        "clips",
+        sa.Column("id", postgresql.UUID(as_uuid=True), server_default=sa.text("gen_random_uuid()"), nullable=False),
+        sa.Column("created_at", sa.DateTime(timezone=True), server_default=sa.func.now(), nullable=False),
+        sa.Column("updated_at", sa.DateTime(timezone=True), server_default=sa.func.now(), nullable=False),
+        sa.Column("source", sa.String(16), nullable=False),
+        sa.Column("source_id", sa.String(64), nullable=False),
+        sa.Column("title", sa.Text(), nullable=True),
+        sa.Column("creator", sa.String(128), nullable=True),
+        sa.Column("creator_verified", sa.Boolean(), nullable=False, server_default=sa.false()),
+        sa.Column("duration_sec", sa.Float(), nullable=True),
+        sa.Column("width", sa.Integer(), nullable=True),
+        sa.Column("height", sa.Integer(), nullable=True),
+        sa.Column("has_audio", sa.Boolean(), nullable=False, server_default=sa.false()),
+        sa.Column("content_type", sa.String(32), nullable=True),
+        sa.Column("niches", postgresql.ARRAY(sa.String(64)), nullable=False, server_default="{}"),
+        sa.Column("hd_url", sa.Text(), nullable=True),
+        sa.Column("sd_url", sa.Text(), nullable=True),
+        sa.Column("poster_url", sa.Text(), nullable=True),
+        sa.Column("thumb_url", sa.Text(), nullable=True),
+        sa.Column("hls", sa.Boolean(), nullable=False, server_default=sa.false()),
+        sa.Column("likes", sa.Integer(), nullable=False, server_default="0"),
+        sa.Column("views", sa.Integer(), nullable=False, server_default="0"),
+        sa.Column("published_at", sa.DateTime(timezone=True), nullable=True),
+        sa.Column("dead_at", sa.DateTime(timezone=True), nullable=True),
+        sa.Column("dead_reason", sa.String(128), nullable=True),
+        sa.PrimaryKeyConstraint("id", name="pk_clips"),
+        sa.UniqueConstraint("source", "source_id", name="uq_clips_source_source_id"),
+    )
+    op.create_index("ix_clips_published_at", "clips", ["published_at"])
+    op.create_index("ix_clips_creator", "clips", ["creator"])
+
+    op.create_table(
+        "clip_tags",
+        sa.Column("clip_id", postgresql.UUID(as_uuid=True), nullable=False),
+        sa.Column("tag", sa.String(64), nullable=False),
+        sa.ForeignKeyConstraint(["clip_id"], ["clips.id"], name="fk_clip_tags_clip_id_clips", ondelete="CASCADE"),
+        sa.PrimaryKeyConstraint("clip_id", "tag", name="pk_clip_tags"),
+    )
+    op.create_index("ix_clip_tags_tag_clip", "clip_tags", ["tag", "clip_id"])
+
+
+def downgrade() -> None:
+    op.drop_index("ix_clip_tags_tag_clip", table_name="clip_tags")
+    op.drop_table("clip_tags")
+    op.drop_index("ix_clips_creator", table_name="clips")
+    op.drop_index("ix_clips_published_at", table_name="clips")
+    op.drop_table("clips")

alembic/versions/20260914_0037_clip_feed.py

@@ -0,0 +1,86 @@
+"""Feed Swipe, stan per urządzenie: clip_seen, clip_feed_events, clip_affinity,
+clip_favorites, clip_blacklist. Plus GIN na clips.niches pod skan po niszy.
+
+Uzasadnienie w docstringu `app/models/clip_feed.py`.
+
+Revision ID: 0037_clip_feed
+Revises: 0036_clips
+Create Date: 2026-09-14
+"""
+from __future__ import annotations
+
+import sqlalchemy as sa
+from alembic import op
+from sqlalchemy.dialects import postgresql
+
+revision = "0037_clip_feed"
+down_revision: str | None = "0036_clips"
+branch_labels = None
+depends_on = None
+
+
+def upgrade() -> None:
+    op.create_table(
+        "clip_seen",
+        sa.Column("device_id", sa.String(64), nullable=False),
+        sa.Column("clip_id", postgresql.UUID(as_uuid=True), nullable=False),
+        sa.Column("outcome", sa.String(16), nullable=False, server_default="served"),
+        sa.Column("seen_at", sa.DateTime(timezone=True), server_default=sa.func.now(), nullable=False),
+        sa.ForeignKeyConstraint(["clip_id"], ["clips.id"], name="fk_clip_seen_clip_id_clips", ondelete="CASCADE"),
+        sa.PrimaryKeyConstraint("device_id", "clip_id", name="pk_clip_seen"),
+    )
+    op.create_table(
+        "clip_feed_events",
+        sa.Column("id", postgresql.UUID(as_uuid=True), nullable=False),
+        sa.Column("device_id", sa.String(64), nullable=False),
+        sa.Column("session_id", sa.String(32), nullable=True),
+        sa.Column("clip_id", postgresql.UUID(as_uuid=True), nullable=True),
+        sa.Column("kind", sa.String(16), nullable=False),
+        sa.Column("dwell_ms", sa.Integer(), nullable=True),
+        sa.Column("reason", sa.String(160), nullable=True),
+        sa.Column("slot", sa.String(12), nullable=True),
+        sa.Column("position", sa.SmallInteger(), nullable=True),
+        sa.Column("created_at", sa.DateTime(timezone=True), server_default=sa.func.now(), nullable=False),
+        sa.PrimaryKeyConstraint("id", name="pk_clip_feed_events"),
+    )
+    op.create_index("ix_clip_feed_events_device_created", "clip_feed_events", ["device_id", "created_at"])
+    op.create_index("ix_clip_feed_events_created", "clip_feed_events", ["created_at"])
+    op.create_table(
+        "clip_affinity",
+        sa.Column("device_id", sa.String(64), nullable=False),
+        sa.Column("tag_weights", postgresql.JSONB(), nullable=False, server_default="{}"),
+        sa.Column("niche_weights", postgresql.JSONB(), nullable=False, server_default="{}"),
+        sa.Column("creator_weights", postgresql.JSONB(), nullable=False, server_default="{}"),
+        sa.Column("events_seen", sa.Integer(), nullable=False, server_default="0"),
+        sa.Column("updated_at", sa.DateTime(timezone=True), server_default=sa.func.now(), nullable=False),
+        sa.PrimaryKeyConstraint("device_id", name="pk_clip_affinity"),
+    )
+    op.create_table(
+        "clip_favorites",
+        sa.Column("device_id", sa.String(64), nullable=False),
+        sa.Column("clip_id", postgresql.UUID(as_uuid=True), nullable=False),
+        sa.Column("created_at", sa.DateTime(timezone=True), server_default=sa.func.now(), nullable=False),
+        sa.ForeignKeyConstraint(["clip_id"], ["clips.id"], name="fk_clip_favorites_clip_id_clips", ondelete="CASCADE"),
+        sa.PrimaryKeyConstraint("device_id", "clip_id", name="pk_clip_favorites"),
+    )
+    op.create_table(
+        "clip_blacklist",
+        sa.Column("device_id", sa.String(64), nullable=False),
+        sa.Column("kind", sa.String(8), nullable=False),
+        sa.Column("value", sa.String(128), nullable=False),
+        sa.Column("created_at", sa.DateTime(timezone=True), server_default=sa.func.now(), nullable=False),
+        sa.PrimaryKeyConstraint("device_id", "kind", "value", name="pk_clip_blacklist"),
+    )
+    # Skan kandydatów po niszy (`niches && ARRAY[...]`) bez pełnego przebiegu tabeli.
+    op.execute("CREATE INDEX IF NOT EXISTS ix_clips_niches_gin ON clips USING gin (niches)")
+
+
+def downgrade() -> None:
+    op.execute("DROP INDEX IF EXISTS ix_clips_niches_gin")
+    op.drop_table("clip_blacklist")
+    op.drop_table("clip_favorites")
+    op.drop_table("clip_affinity")
+    op.drop_index("ix_clip_feed_events_created", table_name="clip_feed_events")
+    op.drop_index("ix_clip_feed_events_device_created", table_name="clip_feed_events")
+    op.drop_table("clip_feed_events")
+    op.drop_table("clip_seen")

alembic/versions/20260915_0038_scenes_studio_effective_date_idx.py

@@ -0,0 +1,37 @@
+"""Indeks pod liste scen studia i licznik "+N" ulubionych studiow.
+
+Oba sortuja po dacie premiery albo, gdy jej nie ma, dniu trafienia do katalogu (to samo
+wyrazenie co ix_scenes_effective_date_desc z 0033), w obrebie jednego studia. Bez tego
+Postgres czytal WSZYSTKIE sceny studia (Brazzers ma ich dziesiatki tysiecy), sprawdzal
+kazdej playback i sortowal, a licznik dla 209 ulubionych studiow trwal 10-25 s. Z tym
+indeksem idzie po kolei i konczy po 200 widocznych scenach na studio.
+
+CONCURRENTLY w autocommit_block, jak w 0035. Nieudany CONCURRENTLY zostawia indeks
+INVALID; wtedy DROP INDEX i ponownie.
+
+Revision ID: 0038_scenes_studio_effdate_idx
+Revises: 0037_clip_feed
+Create Date: 2026-09-15
+"""
+from __future__ import annotations
+
+from alembic import op
+
+revision = "0038_scenes_studio_effdate_idx"
+down_revision: str | None = "0037_clip_feed"
+branch_labels = None
+depends_on = None
+
+
+def upgrade() -> None:
+    with op.get_context().autocommit_block():
+        op.execute(
+            "CREATE INDEX CONCURRENTLY IF NOT EXISTS ix_scenes_studio_effective_date_desc "
+            "ON scenes (studio_id, COALESCE(release_date, (created_at AT TIME ZONE 'UTC')::date) DESC, "
+            "created_at DESC, id DESC) WHERE studio_id IS NOT NULL"
+        )
+
+
+def downgrade() -> None:
+    with op.get_context().autocommit_block():
+        op.execute("DROP INDEX CONCURRENTLY IF EXISTS ix_scenes_studio_effective_date_desc")

app/api/admin.py

@@ -30,7 +30,7 @@ router = APIRouter(
 def _raw_to_thumb(raw: dict, kind: SourceKind) -> str | None:
     """Wyciąga thumbnail URL z external_records.raw dla danego źródła.
     TPDB ma `image`/`poster`/`background.large`. StashDB raw nie zawiera image
-    (osobny query do StashDB potrzebny — tu zwracamy None)."""
+    (osobny query do StashDB potrzebny, tu zwracamy None)."""
     if kind == SourceKind.tpdb:
         for k in ("image", "poster"):
             v = raw.get(k)
@@ -42,7 +42,7 @@ def _raw_to_thumb(raw: dict, kind: SourceKind) -> str | None:
             if isinstance(v, str) and v.startswith("http"):
                 return v
     elif kind == SourceKind.stashdb:
-        # StashDB scene response includes images via separate query — nie trzymamy
+        # StashDB scene response includes images via separate query, nie trzymamy
         # tego w raw obecnie. TODO: dorzucić mirror do `paths.screenshot` przy ingest.
         paths = raw.get("paths")
         if isinstance(paths, dict):
@@ -142,7 +142,7 @@ def list_candidates(
 
     # Pre-fetch po jednym statycznym i animowanym thumbnailu per scenę (mobile queue
     # używa statycznego do listy + animowanego po hold-to-preview). Wybieramy najpierw
-    # napotkany niepusty URL — kolejność rzędów playback_sources nie jest gwarantowana,
+    # napotkany niepusty URL, kolejność rzędów playback_sources nie jest gwarantowana,
     # ale dla triage to wystarcza.
     thumbs: dict[uuid.UUID, str] = {}
     animated_thumbs: dict[uuid.UUID, str] = {}
@@ -292,7 +292,7 @@ def _fmt_bytes(b: int) -> str:
 def bandwidth_stats() -> BandwidthStats:
     """Per-CDN VPS proxy bytes-out + Hetzner traffic stats.
 
-    Critical dla public release — pokazuje gdzie VPS bandwidth wycieka. Pozwala
+    Critical dla public release, pokazuje gdzie VPS bandwidth wycieka. Pozwala
     spotted Mixdrop / bandwidth-heavy CDN-y przed Hetzner overage charge.
     """
     from app.api.stream_proxy import get_bandwidth_stats
@@ -308,7 +308,7 @@ def bandwidth_stats() -> BandwidthStats:
     s_24h = get_bandwidth_stats(24)
     s_7d = get_bandwidth_stats(168)
 
-    # Hetzner stats — load from cache file (written by check_hetzner_traffic.py cron).
+    # Hetzner stats, load from cache file (written by check_hetzner_traffic.py cron).
     hetzner_data = None
     settings = get_settings()
     if settings.hetzner_api_token and settings.hetzner_server_id:

app/api/admin_html.py

@@ -1,9 +1,9 @@
 """htmx + Jinja2 admin UI dla MergeCandidate triage.
 
 Endpointy:
-  GET  /ui/                       — lista pending (filter status)
+  GET  /ui/                         lista pending (filter status)
-  GET  /ui/candidate/{id}         — side-by-side scen
+  GET  /ui/candidate/{id}           side-by-side scen
-  POST /ui/candidate/{id}/resolve — htmx form submit (action=merge_keep_left|merge_keep_right|reject)
+  POST /ui/candidate/{id}/resolve, htmx form submit (action=merge_keep_left|merge_keep_right|reject)
                                     zwraca fragment HTML z potwierdzeniem
 """
 from __future__ import annotations
@@ -197,9 +197,9 @@ def resolve_form(
 
 
 def mount_static(app) -> None:  # pragma: no cover - dev convenience
-    # APK MIME type — bez tego Android Browser nie traktuje pliku jako instalable APK
+    # APK MIME type, bez tego Android Browser nie traktuje pliku jako instalable APK
     # (text/plain → "Plik został pobrany" zamiast prompta install). Rejestracja jest
-    # idempotentna na poziomie procesu — bezpiecznie wywoływać przy każdym startup.
+    # idempotentna na poziomie procesu, bezpiecznie wywoływać przy każdym startup.
     import mimetypes
     mimetypes.add_type("application/vnd.android.package-archive", ".apk")
     if _STATIC_DIR.exists():

app/api/blacklist.py

@@ -1,12 +1,12 @@
-"""Blacklists — globalnie ukryte performerki/studia/tagi.
+"""Blacklists, globalnie ukryte performerki/studia/tagi.
 
 Sceny które MAJĄ blacklisted entity wypadają z każdego /scenes (pełna lista, search,
 performer scenes, tag scenes). Auto-apply w `app/api/scenes.py`.
 
 Endpointy:
-  GET    /blacklist                            — wszystkie 3 listy w jednym response
+  GET    /blacklist                              wszystkie 3 listy w jednym response
-  POST   /blacklist/{kind}/{entity_id}         — dodaj (idempotent)
+  POST   /blacklist/{kind}/{entity_id}           dodaj (idempotent)
-  DELETE /blacklist/{kind}/{entity_id}         — usuń
+  DELETE /blacklist/{kind}/{entity_id}           usuń
 
 `kind` ∈ {performer, studio, tag}.
 """

app/api/bug_reports.py

@@ -1,10 +1,10 @@
-"""Bug reports — mobile FAB → POST /bug-reports → admin lista przez admin_html.
+"""Bug reports, mobile FAB → POST /bug-reports → admin lista przez admin_html.
 
 POST nie wymaga obecnego scene_id (user może raportować z FavoritesScreen,
-SearchScreen itp.). Screenshot opcjonalny — niektóre ekrany nie warto kapturować.
+SearchScreen itp.). Screenshot opcjonalny, niektóre ekrany nie warto kapturować.
 
 Limit body 1.5MB (FastAPI default jest hojny, ale dla rozsądku ograniczamy).
-Screenshot to PNG/JPEG z react-native-view-shot, base64 — typowe rozmiary:
+Screenshot to PNG/JPEG z react-native-view-shot, base64, typowe rozmiary:
 - mały ekran scene-list: ~200-400KB
 - duży scene-detail z thumbnail: ~600KB-1MB
 """
@@ -92,7 +92,7 @@ def create_bug_report(
             scene_id = payload.scene_id
         elif session.get(Movie, payload.scene_id) is not None:
             movie_id = payload.scene_id
-        # else: ID nie istnieje już nigdzie (deleted) — drop oba na null
+        # else: ID nie istnieje już nigdzie (deleted), drop oba na null
 
     br = BugReport(
         id=uuid.uuid4(),
@@ -211,7 +211,7 @@ def get_bug_report_screenshot(
     bug_id: uuid.UUID,
     session: Annotated[Session, Depends(get_session)],
 ) -> dict[str, str | None]:
-    """Zwraca base64-encoded screenshot (jeśli jest) — admin UI go renderuje."""
+    """Zwraca base64-encoded screenshot (jeśli jest), admin UI go renderuje."""
     br = session.get(BugReport, bug_id)
     if br is None:
         raise HTTPException(status_code=404, detail="not found")

app/api/clips.py

@@ -0,0 +1,664 @@
+"""Klipy (feed Swipe): feed z afinicznością, pamięć widzianych, telemetria, ulubione,
+blacklista, onboarding. Logika bez bazy w `app/clips_feed.py`.
+
+**Feed** `GET /clips/feed`: strona = 80 % z puli afiniczności (tagi, nisze, twórcy z wag
+urządzenia) + 20 % explore (okno po kluczu głównym od kursora, losowanie ważone lajkami).
+Bez wag (nowe urządzenie, brak onboardingu) 100 % explore. Każdy podany klip ląduje
+w `clip_seen` od razu, więc nigdy nie wraca. Widoczność: żywy, do `clips_feed_max_duration_sec`,
+z plikiem, nie widziany, nie na blackliście (tag / nisza / twórca).
+
+**Zdarzenia** `POST /clips/events`: paczka z apki (co ~5 s). Zapis do `clip_feed_events`,
+podniesienie `clip_seen.outcome`, ulubione przy like/unlike, delty na wagi afiniczności
+(`clips_feed.apply_event`).
+
+Adresy plików i posterów są publiczne (`media.redgifs.com`), więc jadą do apki wprost,
+bez image proxy: RedGifs nie sprawdza Referera, a proxy tylko dodałoby VPS do toru.
+"""
+from __future__ import annotations
+
+import logging
+import time
+import uuid
+from datetime import UTC, datetime
+
+from fastapi import APIRouter, Depends, HTTPException, Query, Response
+from pydantic import BaseModel, Field
+from sqlalchemy import String, cast, func, select, text
+from sqlalchemy.dialects.postgresql import insert as pg_insert
+from sqlalchemy.orm import Session
+
+from app import clips_feed as cf
+from app.api.device import get_device_id
+from app.auth import require_api_key
+from app.config import get_settings
+from app.db import get_session
+from app.models.clip import Clip, ClipTag
+from app.models.clip_feed import ClipAffinity, ClipBlacklist, ClipFavorite, ClipFeedEvent, ClipSeen
+
+log = logging.getLogger(__name__)
+router = APIRouter(prefix="/clips", tags=["clips"], dependencies=[Depends(require_api_key)])
+
+_EXPLORE_WINDOW = 2000
+_AFFINITY_TAGS, _AFFINITY_NICHES, _AFFINITY_CREATORS = 6, 3, 3
+_PER_TAG, _PER_NICHE, _PER_CREATOR = 60, 60, 40
+_UUID_ZERO = uuid.UUID(int=0)
+_BLACKLIST_KINDS = frozenset({"tag", "niche", "creator"})
+
+
+# ---- schematy ---------------------------------------------------------------------------
+class ClipOut(BaseModel):
+    id: uuid.UUID
+    source: str
+    source_id: str
+    title: str | None
+    creator: str | None
+    creator_verified: bool
+    duration_sec: float | None
+    width: int | None
+    height: int | None
+    has_audio: bool
+    content_type: str | None
+    niches: list[str]
+    tags: list[str]
+    hd_url: str | None
+    sd_url: str | None
+    poster_url: str | None
+    thumb_url: str | None
+    likes: int
+    views: int
+    published_at: datetime | None
+    is_favorite: bool = False
+
+
+class ClipListOut(BaseModel):
+    items: list[ClipOut]
+    limit: int
+    offset: int
+    has_more: bool
+
+
+class ClipStatsOut(BaseModel):
+    total: int
+    alive: int
+    dead: int
+    with_audio: int
+    verified: int
+    by_source: dict[str, int]
+    newest_published_at: datetime | None
+    tags: int
+
+
+class FeedItemOut(BaseModel):
+    clip: ClipOut
+    #: `affinity` | `explore`, do telemetrii i do pomiaru, czy personalizacja coś daje.
+    slot: str
+    is_fresh: bool
+
+
+class FeedPageOut(BaseModel):
+    items: list[FeedItemOut]
+    next_cursor: str
+    seed: str
+    #: True gdy okno explore doszło do końca katalogu i zawinęło się na początek.
+    wrapped: bool
+    #: Ile klipów to urządzenie już widziało (pigułka „N nowych").
+    served_total: int
+    personalized: bool
+
+
+class FeedEventIn(BaseModel):
+    clip_id: uuid.UUID
+    kind: str = Field(min_length=1, max_length=16)
+    dwell_ms: int | None = Field(default=None, ge=0, le=3_600_000)
+    reason: str | None = Field(default=None, max_length=160)
+    slot: str | None = Field(default=None, max_length=12)
+    position: int | None = Field(default=None, ge=0, le=32767)
+
+
+class FeedEventsIn(BaseModel):
+    session_id: str | None = Field(default=None, max_length=32)
+    events: list[FeedEventIn] = Field(max_length=100)
+
+
+class OnboardingIn(BaseModel):
+    tags: list[str] = Field(default_factory=list, max_length=20)
+    niches: list[str] = Field(default_factory=list, max_length=20)
+
+
+class OnboardingOptionOut(BaseModel):
+    value: str
+    count: int
+
+
+class OnboardingOptionsOut(BaseModel):
+    tags: list[OnboardingOptionOut]
+    niches: list[OnboardingOptionOut]
+
+
+class AffinityOut(BaseModel):
+    tags: dict[str, float]
+    niches: dict[str, float]
+    creators: dict[str, float]
+    events_seen: int
+
+
+class BlacklistItemOut(BaseModel):
+    kind: str
+    value: str
+
+
+# ---- pomocnicze -------------------------------------------------------------------------
+def _tags_for(session: Session, clip_ids: list[uuid.UUID]) -> dict[uuid.UUID, list[str]]:
+    if not clip_ids:
+        return {}
+    out: dict[uuid.UUID, list[str]] = {}
+    for cid, tag in session.execute(
+        select(ClipTag.clip_id, ClipTag.tag).where(ClipTag.clip_id.in_(clip_ids)).order_by(ClipTag.tag)
+    ):
+        out.setdefault(cid, []).append(tag)
+    return out
+
+
+def _favorites_for(session: Session, device_id: str, clip_ids: list[uuid.UUID]) -> set[uuid.UUID]:
+    if not clip_ids:
+        return set()
+    return {
+        r[0]
+        for r in session.execute(
+            select(ClipFavorite.clip_id).where(ClipFavorite.device_id == device_id, ClipFavorite.clip_id.in_(clip_ids))
+        )
+    }
+
+
+def _clip_out(r: Clip, tags: list[str], fav: bool = False) -> ClipOut:
+    return ClipOut(
+        id=r.id,
+        source=r.source,
+        source_id=r.source_id,
+        title=r.title,
+        creator=r.creator,
+        creator_verified=r.creator_verified,
+        duration_sec=r.duration_sec,
+        width=r.width,
+        height=r.height,
+        has_audio=r.has_audio,
+        content_type=r.content_type,
+        niches=list(r.niches or []),
+        tags=tags,
+        hd_url=r.hd_url,
+        sd_url=r.sd_url,
+        poster_url=r.poster_url,
+        thumb_url=r.thumb_url,
+        likes=r.likes,
+        views=r.views,
+        published_at=r.published_at,
+        is_favorite=fav,
+    )
+
+
+def _load_affinity(session: Session, device_id: str) -> tuple[ClipAffinity | None, cf.Affinity]:
+    row = session.get(ClipAffinity, device_id)
+    if row is None:
+        return None, cf.Affinity()
+    return row, cf.Affinity(
+        tags=dict(row.tag_weights or {}), niches=dict(row.niche_weights or {}), creators=dict(row.creator_weights or {})
+    )
+
+
+def _save_affinity(session: Session, device_id: str, row: ClipAffinity | None, aff: cf.Affinity, events: int) -> None:
+    if row is None:
+        row = ClipAffinity(device_id=device_id)
+        session.add(row)
+    row.tag_weights = aff.tags
+    row.niche_weights = aff.niches
+    row.creator_weights = aff.creators
+    row.events_seen = (row.events_seen or 0) + events
+
+
+def _blacklist(session: Session, device_id: str) -> dict[str, set[str]]:
+    out: dict[str, set[str]] = {"tag": set(), "niche": set(), "creator": set()}
+    for kind, value in session.execute(
+        select(ClipBlacklist.kind, ClipBlacklist.value).where(ClipBlacklist.device_id == device_id)
+    ):
+        out.setdefault(kind, set()).add(value)
+    return out
+
+
+def _visible_clauses(device_id: str, bl: dict[str, set[str]]) -> list:
+    clauses = [
+        Clip.dead_at.is_(None),
+        Clip.duration_sec.is_not(None),
+        Clip.duration_sec <= get_settings().clips_feed_max_duration_sec,
+        (Clip.hd_url.is_not(None)) | (Clip.sd_url.is_not(None)),
+        ~select(ClipSeen.clip_id)
+        .where(ClipSeen.device_id == device_id, ClipSeen.clip_id == Clip.id)
+        .exists(),
+    ]
+    if bl["creator"]:
+        clauses.append((Clip.creator.is_(None)) | (~Clip.creator.in_(list(bl["creator"]))))
+    if bl["niche"]:
+        clauses.append(~Clip.niches.overlap(list(bl["niche"])))
+    if bl["tag"]:
+        clauses.append(
+            ~select(ClipTag.clip_id)
+            .where(ClipTag.clip_id == Clip.id, ClipTag.tag.in_(list(bl["tag"])))
+            .exists()
+        )
+    return clauses
+
+
+_CAND_COLS = (Clip.id, Clip.creator, Clip.likes, Clip.published_at, Clip.niches)
+
+
+def _rows_to_candidates(session: Session, rows, *, with_tags: bool) -> list[cf.Candidate]:
+    """Wiersze `_CAND_COLS` → Candidate. Tagi tylko na życzenie: pula explore punktuje
+    wyłącznie lajkami, więc ciągnięcie tagów dla 300 kandydatów było czystym kosztem."""
+    tags = _tags_for(session, [r[0] for r in rows]) if with_tags else {}
+    return [
+        cf.Candidate(id=r[0], creator=r[1], likes=r[2], published_at=r[3], tags=tags.get(r[0], []), niches=list(r[4] or []))
+        for r in rows
+    ]
+
+
+def _candidates(session: Session, ids: list[uuid.UUID], clauses: list) -> list[cf.Candidate]:
+    if not ids:
+        return []
+    rows = session.execute(select(*_CAND_COLS).where(Clip.id.in_(ids), *clauses)).all()
+    return _rows_to_candidates(session, rows, with_tags=True)
+
+
+def _explore_candidates(
+    session: Session, pk: uuid.UUID, clauses: list, limit: int
+) -> tuple[list[cf.Candidate], uuid.UUID, bool]:
+    """Widoczni kandydaci z okna `_EXPLORE_WINDOW` id po `pk` (podzapytanie, bez
+    przenoszenia 2000 uuid przez SQL). Zwraca (kandydaci, koniec okna, czy okno było
+    ostatnie). Ostatnie okno = katalog wyczerpany od `pk`, następna strona zawija do zera."""
+    window = (
+        select(Clip.id).where(Clip.id > pk, Clip.dead_at.is_(None)).order_by(Clip.id).limit(_EXPLORE_WINDOW)
+    ).subquery()
+    # Postgres nie ma max(uuid); tekstowo porządek jest ten sam (małe hex, stały format).
+    end_txt, n = session.execute(
+        select(func.max(cast(window.c.id, String)), func.count()).select_from(window)
+    ).one()
+    if not n:
+        return [], _UUID_ZERO, True
+    end_id = uuid.UUID(end_txt)
+    rows = session.execute(
+        select(*_CAND_COLS).where(Clip.id.in_(select(window.c.id)), *clauses).order_by(Clip.id).limit(limit)
+    ).all()
+    last = n < _EXPLORE_WINDOW
+    return _rows_to_candidates(session, rows, with_tags=False), (end_id if not last else _UUID_ZERO), last
+
+
+def _affinity_candidate_ids(session: Session, aff: cf.Affinity, rng) -> set[uuid.UUID]:
+    ids: set[uuid.UUID] = set()
+    for tag in aff.top("tags", _AFFINITY_TAGS):
+        start = uuid.UUID(int=rng.getrandbits(128))
+        rows = session.execute(
+            select(ClipTag.clip_id).where(ClipTag.tag == tag, ClipTag.clip_id > start).order_by(ClipTag.clip_id).limit(_PER_TAG)
+        ).all()
+        if len(rows) < _PER_TAG:
+            rows += session.execute(
+                select(ClipTag.clip_id).where(ClipTag.tag == tag).order_by(ClipTag.clip_id).limit(_PER_TAG - len(rows))
+            ).all()
+        ids.update(r[0] for r in rows)
+    for niche in aff.top("niches", _AFFINITY_NICHES):
+        start = uuid.UUID(int=rng.getrandbits(128))
+        rows = session.execute(
+            select(Clip.id).where(Clip.niches.overlap([niche]), Clip.id > start).order_by(Clip.id).limit(_PER_NICHE)
+        ).all()
+        ids.update(r[0] for r in rows)
+    for creator in aff.top("creators", _AFFINITY_CREATORS):
+        start = uuid.UUID(int=rng.getrandbits(128))
+        rows = session.execute(
+            select(Clip.id).where(Clip.creator == creator, Clip.id > start).order_by(Clip.id).limit(_PER_CREATOR)
+        ).all()
+        if len(rows) < _PER_CREATOR:
+            rows += session.execute(
+                select(Clip.id).where(Clip.creator == creator).order_by(Clip.id).limit(_PER_CREATOR - len(rows))
+            ).all()
+        ids.update(r[0] for r in rows)
+    return ids
+
+
+# ---- feed -------------------------------------------------------------------------------
+@router.get("/feed", response_model=FeedPageOut)
+def clip_feed(
+    session: Session = Depends(get_session),
+    device_id: str = Depends(get_device_id),
+    seed: str | None = Query(default=None, max_length=16),
+    cursor: str | None = Query(default=None, max_length=200),
+    limit: int = Query(default=10, ge=1, le=30),
+) -> FeedPageOut:
+    t0 = time.monotonic()
+    decoded = cf.decode_cursor(cursor) if cursor else None
+    if decoded:
+        seed, pk, page = decoded
+    else:
+        seed = (seed or cf.new_seed())[:16]
+        pk, page = cf.seed_start_uuid(seed), 0
+    rng = cf.page_rng(seed, page)
+
+    _row, aff = _load_affinity(session, device_id)
+    personalized = not aff.is_empty()
+    bl = _blacklist(session, device_id)
+    clauses = _visible_clauses(device_id, bl)
+    n_aff, n_explore = cf.split_counts(limit, personalized)
+
+    picked_aff: list[cf.Candidate] = []
+    if n_aff:
+        cand_ids = _affinity_candidate_ids(session, aff, rng)
+        picked_aff = cf.pick_affinity(_candidates(session, list(cand_ids), clauses), aff, n_aff)
+    taken = {c.id for c in picked_aff}
+
+    # Explore: okno po PK; gdy w oknie brak widocznych, przesuwamy sie dalej (max 3 okna).
+    # Braki z afinicznosci (za malo kandydatow po filtrach) dopelnia explore.
+    picked_explore: list[cf.Candidate] = []
+    wrapped = False
+    next_pk = pk
+    want = n_explore + max(0, n_aff - len(picked_aff))
+    for _ in range(3):
+        pool, next_pk, last = _explore_candidates(session, next_pk, clauses, limit=max(60, want * 15))
+        pool = [c for c in pool if c.id not in taken]
+        picked_explore += cf.pick_explore(pool, want - len(picked_explore), rng)
+        taken.update(c.id for c in picked_explore)
+        if last:
+            wrapped = True
+        if len(picked_explore) >= want or last:
+            break
+
+    page_items = cf.compose_page(picked_aff, picked_explore, rng)
+    clip_ids = [c.id for c, _ in page_items]
+    if clip_ids:
+        session.execute(
+            pg_insert(ClipSeen)
+            .values([{"device_id": device_id, "clip_id": cid, "outcome": "served"} for cid in clip_ids])
+            .on_conflict_do_nothing()
+        )
+    rows = {r.id: r for r in session.execute(select(Clip).where(Clip.id.in_(clip_ids))).scalars()} if clip_ids else {}
+    tags = _tags_for(session, clip_ids)
+    favs = _favorites_for(session, device_id, clip_ids)
+    served_total = session.execute(
+        select(func.count()).select_from(ClipSeen).where(ClipSeen.device_id == device_id)
+    ).scalar_one()
+    session.commit()
+
+    items = [
+        FeedItemOut(
+            clip=_clip_out(rows[c.id], tags.get(c.id, []), c.id in favs),
+            slot=slot,
+            is_fresh=cf.is_fresh(rows[c.id].published_at),
+        )
+        for c, slot in page_items
+        if c.id in rows
+    ]
+    log.info(
+        "clips/feed: device=%s page=%d served=%d aff=%d explore=%d wrapped=%s ms=%d",
+        device_id[:8], page, len(items), len(picked_aff), len(picked_explore), wrapped,
+        int((time.monotonic() - t0) * 1000),
+    )
+    return FeedPageOut(
+        items=items,
+        next_cursor=cf.encode_cursor(seed, next_pk, page + 1),
+        seed=seed,
+        wrapped=wrapped,
+        served_total=int(served_total),
+        personalized=personalized,
+    )
+
+
+# ---- zdarzenia --------------------------------------------------------------------------
+@router.post("/events", status_code=204)
+def clip_events(
+    body: FeedEventsIn,
+    session: Session = Depends(get_session),
+    device_id: str = Depends(get_device_id),
+) -> Response:
+    events = [e for e in body.events if e.kind in cf.ALLOWED_KINDS]
+    if not events:
+        return Response(status_code=204)
+    clip_ids = list({e.clip_id for e in events})
+    clips = {r.id: r for r in session.execute(select(Clip).where(Clip.id.in_(clip_ids))).scalars()}
+    tags = _tags_for(session, clip_ids)
+    seen = {
+        r.clip_id: r
+        for r in session.execute(
+            select(ClipSeen).where(ClipSeen.device_id == device_id, ClipSeen.clip_id.in_(clip_ids))
+        ).scalars()
+    }
+    row, aff = _load_affinity(session, device_id)
+    changed = 0
+    for e in events:
+        session.add(
+            ClipFeedEvent(
+                device_id=device_id,
+                session_id=body.session_id,
+                clip_id=e.clip_id,
+                kind=e.kind,
+                dwell_ms=e.dwell_ms,
+                reason=e.reason,
+                slot=e.slot,
+                position=e.position,
+            )
+        )
+        clip = clips.get(e.clip_id)
+        if clip is None:
+            continue
+        # clip_seen: podnies wynik, nigdy nie cofaj.
+        outcome = e.kind if e.kind in cf.OUTCOME_RANK else None
+        if outcome:
+            s = seen.get(e.clip_id)
+            if s is None:
+                s = ClipSeen(device_id=device_id, clip_id=e.clip_id, outcome=outcome)
+                session.add(s)
+                seen[e.clip_id] = s
+            elif cf.OUTCOME_RANK[outcome] > cf.OUTCOME_RANK.get(s.outcome, 0):
+                s.outcome = outcome
+        if e.kind == "like":
+            session.execute(
+                pg_insert(ClipFavorite).values(device_id=device_id, clip_id=e.clip_id).on_conflict_do_nothing()
+            )
+        elif e.kind == "unlike":
+            session.execute(
+                text("DELETE FROM clip_favorites WHERE device_id = :d AND clip_id = :c"),
+                {"d": device_id, "c": e.clip_id},
+            )
+        if cf.apply_event(
+            aff,
+            kind=e.kind,
+            dwell_ms=e.dwell_ms,
+            reason=e.reason,
+            tags=tags.get(e.clip_id, []),
+            niches=list(clip.niches or []),
+            creator=clip.creator,
+        ):
+            changed += 1
+    if changed:
+        _save_affinity(session, device_id, row, aff, changed)
+    session.commit()
+    return Response(status_code=204)
+
+
+# ---- onboarding, afinicznosc ------------------------------------------------------------
+_OPTIONS_CACHE: dict[str, tuple[float, OnboardingOptionsOut]] = {}
+
+
+@router.get("/onboarding-options", response_model=OnboardingOptionsOut)
+def onboarding_options(session: Session = Depends(get_session)) -> OnboardingOptionsOut:
+    """Najpopularniejsze tagi i nisze do wyboru „3 tapów" przy pierwszym wejsciu.
+    Liczone z bazy, cache 10 min w procesie."""
+    hit = _OPTIONS_CACHE.get("v1")
+    if hit and time.monotonic() - hit[0] < 600:
+        return hit[1]
+    tags = [
+        OnboardingOptionOut(value=t, count=n)
+        for t, n in session.execute(
+            select(ClipTag.tag, func.count()).group_by(ClipTag.tag).order_by(func.count().desc()).limit(40)
+        )
+    ]
+    niches = [
+        OnboardingOptionOut(value=v, count=n)
+        for v, n in session.execute(
+            text("SELECT n, count(*) FROM clips, unnest(niches) n WHERE dead_at IS NULL GROUP BY n ORDER BY 2 DESC LIMIT 30")
+        )
+    ]
+    out = OnboardingOptionsOut(tags=tags, niches=niches)
+    _OPTIONS_CACHE["v1"] = (time.monotonic(), out)
+    return out
+
+
+@router.post("/onboarding", response_model=AffinityOut)
+def onboarding(
+    body: OnboardingIn,
+    session: Session = Depends(get_session),
+    device_id: str = Depends(get_device_id),
+) -> AffinityOut:
+    row, aff = _load_affinity(session, device_id)
+    for t in body.tags:
+        t = t.strip().lower()[:64]
+        if t:
+            aff.tags[t] = round(aff.tags.get(t, 0.0) + 5.0, 3)
+    for n in body.niches:
+        n = n.strip()[:64]
+        if n:
+            aff.niches[n] = round(aff.niches.get(n, 0.0) + 5.0, 3)
+    _save_affinity(session, device_id, row, aff, 0)
+    session.commit()
+    row2 = session.get(ClipAffinity, device_id)
+    return AffinityOut(tags=aff.tags, niches=aff.niches, creators=aff.creators, events_seen=row2.events_seen if row2 else 0)
+
+
+@router.get("/affinity", response_model=AffinityOut)
+def get_affinity(session: Session = Depends(get_session), device_id: str = Depends(get_device_id)) -> AffinityOut:
+    row, aff = _load_affinity(session, device_id)
+    return AffinityOut(tags=aff.tags, niches=aff.niches, creators=aff.creators, events_seen=row.events_seen if row else 0)
+
+
+@router.delete("/affinity", status_code=204)
+def reset_affinity(
+    session: Session = Depends(get_session),
+    device_id: str = Depends(get_device_id),
+    seen: bool = Query(default=False, description="True = zapomnij tez widziane klipy (feed od zera)"),
+) -> Response:
+    """„Resetuj moj feed": kasuje wagi; z `seen=true` takze pamiec widzianych."""
+    session.execute(text("DELETE FROM clip_affinity WHERE device_id = :d"), {"d": device_id})
+    if seen:
+        session.execute(text("DELETE FROM clip_seen WHERE device_id = :d"), {"d": device_id})
+    session.commit()
+    return Response(status_code=204)
+
+
+# ---- ulubione, blacklista ----------------------------------------------------------------
+@router.get("/favorites", response_model=ClipListOut)
+def clip_favorites(
+    session: Session = Depends(get_session),
+    device_id: str = Depends(get_device_id),
+    limit: int = Query(default=50, ge=1, le=200),
+    offset: int = Query(default=0, ge=0),
+) -> ClipListOut:
+    rows = session.execute(
+        select(Clip)
+        .join(ClipFavorite, ClipFavorite.clip_id == Clip.id)
+        .where(ClipFavorite.device_id == device_id)
+        .order_by(ClipFavorite.created_at.desc())
+        .offset(offset)
+        .limit(limit + 1)
+    ).scalars().all()
+    has_more = len(rows) > limit
+    rows = rows[:limit]
+    tags = _tags_for(session, [r.id for r in rows])
+    return ClipListOut(
+        items=[_clip_out(r, tags.get(r.id, []), True) for r in rows], limit=limit, offset=offset, has_more=has_more
+    )
+
+
+@router.get("/blacklist", response_model=list[BlacklistItemOut])
+def clip_blacklist(session: Session = Depends(get_session), device_id: str = Depends(get_device_id)) -> list[BlacklistItemOut]:
+    return [
+        BlacklistItemOut(kind=k, value=v)
+        for k, v in session.execute(
+            select(ClipBlacklist.kind, ClipBlacklist.value).where(ClipBlacklist.device_id == device_id).order_by(ClipBlacklist.kind, ClipBlacklist.value)
+        )
+    ]
+
+
+@router.post("/blacklist/{kind}/{value}", status_code=204)
+def clip_blacklist_add(
+    kind: str, value: str, session: Session = Depends(get_session), device_id: str = Depends(get_device_id)
+) -> Response:
+    if kind not in _BLACKLIST_KINDS or not value.strip():
+        raise HTTPException(status_code=400, detail="kind must be tag|niche|creator")
+    session.execute(
+        pg_insert(ClipBlacklist).values(device_id=device_id, kind=kind, value=value.strip()[:128]).on_conflict_do_nothing()
+    )
+    session.commit()
+    return Response(status_code=204)
+
+
+@router.delete("/blacklist/{kind}/{value}", status_code=204)
+def clip_blacklist_remove(
+    kind: str, value: str, session: Session = Depends(get_session), device_id: str = Depends(get_device_id)
+) -> Response:
+    session.execute(
+        text("DELETE FROM clip_blacklist WHERE device_id = :d AND kind = :k AND value = :v"),
+        {"d": device_id, "k": kind, "v": value.strip()[:128]},
+    )
+    session.commit()
+    return Response(status_code=204)
+
+
+# ---- listing i statystyki (pilot) --------------------------------------------------------
+@router.get("", response_model=ClipListOut)
+def list_clips(
+    session: Session = Depends(get_session),
+    device_id: str = Depends(get_device_id),
+    tag: str | None = Query(default=None, max_length=64),
+    source: str | None = Query(default=None, max_length=16),
+    creator: str | None = Query(default=None, max_length=128),
+    has_audio: bool | None = None,
+    max_duration_sec: float | None = Query(default=None, gt=0),
+    limit: int = Query(default=50, ge=1, le=200),
+    offset: int = Query(default=0, ge=0),
+) -> ClipListOut:
+    q = select(Clip).where(Clip.dead_at.is_(None))
+    if tag:
+        q = q.where(Clip.id.in_(select(ClipTag.clip_id).where(ClipTag.tag == tag)))
+    if source:
+        q = q.where(Clip.source == source)
+    if creator:
+        q = q.where(Clip.creator == creator)
+    if has_audio is not None:
+        q = q.where(Clip.has_audio.is_(has_audio))
+    if max_duration_sec is not None:
+        q = q.where(Clip.duration_sec <= max_duration_sec)
+    rows = session.execute(
+        q.order_by(Clip.published_at.desc().nullslast(), Clip.id).offset(offset).limit(limit + 1)
+    ).scalars().all()
+    has_more = len(rows) > limit
+    rows = rows[:limit]
+    ids = [r.id for r in rows]
+    tags = _tags_for(session, ids)
+    favs = _favorites_for(session, device_id, ids)
+    return ClipListOut(
+        items=[_clip_out(r, tags.get(r.id, []), r.id in favs) for r in rows], limit=limit, offset=offset, has_more=has_more
+    )
+
+
+@router.get("/stats", response_model=ClipStatsOut)
+def clip_stats(session: Session = Depends(get_session)) -> ClipStatsOut:
+    row = session.execute(
+        select(
+            func.count(),
+            func.count().filter(Clip.dead_at.is_(None)),
+            func.count().filter(Clip.dead_at.is_not(None)),
+            func.count().filter(Clip.has_audio.is_(True), Clip.dead_at.is_(None)),
+            func.count().filter(Clip.creator_verified.is_(True), Clip.dead_at.is_(None)),
+            func.max(Clip.published_at),
+        )
+    ).one()
+    by_source = {s: n for s, n in session.execute(select(Clip.source, func.count()).group_by(Clip.source))}
+    tags = session.execute(select(func.count(func.distinct(ClipTag.tag)))).scalar_one()
+    return ClipStatsOut(
+        total=row[0], alive=row[1], dead=row[2], with_audio=row[3], verified=row[4],
+        by_source=by_source, newest_published_at=row[5], tags=tags,
+    )

app/api/device.py

@@ -6,7 +6,7 @@ nowi użytkownicy widzieli/nadpisywali ulubione, watched-badge i blacklisty Jana
 nagłówku `X-Device-Id`; backend scope'uje wszystkie tabele stanu po `device_id`.
 
 Stare wiersze (sprzed migracji) mają `device_id = LEGACY_DEVICE`. Klient bez nagłówka
-(stara wersja apki przed OTA) trafia również na LEGACY_DEVICE — czyli dostaje dawną
+(stara wersja apki przed OTA) trafia również na LEGACY_DEVICE, czyli dostaje dawną
 współdzieloną pulę, dopóki nie zaktualizuje bundla. Endpoint `/me/adopt-legacy`
 przepina LEGACY rows na konkretne device (Jan robi to raz po update).
 """

app/api/expo_updates.py

@@ -8,9 +8,9 @@ Każdy update wgrany przez `scripts/publish_update.py` ląduje w
 `app/static/expo-updates/<runtime>/<update_id>/`. Plik
 `app/static/expo-updates/<runtime>/current.json` wskazuje aktywny update_id.
 
-Endpointy SĄ PUBLICZNE (no auth) — Expo Updates SDK nie wstrzykuje X-API-Key.
+Endpointy SĄ PUBLICZNE (no auth), Expo Updates SDK nie wstrzykuje X-API-Key.
 Bezpieczeństwo opiera się na TLS pinningu (mobile ufa tylko naszej self-signed
-cert SPKI z network_security_config) — ktoś bez tego pinu nie podstawi MITM
+cert SPKI z network_security_config), ktoś bez tego pinu nie podstawi MITM
 manifestu. Jeśli kiedyś trzeba twardo: dorobić expo-updates code signing key.
 """
 from __future__ import annotations
@@ -35,7 +35,7 @@ def get_manifest(
     expo_platform: str | None = Header(default=None, alias="expo-platform"),
 ) -> Response:
     """Zwraca aktualny manifest dla podanego `expo-runtime-version` (default 1.0)
-    + platform (default android — i tak tylko Android wspieramy).
+    + platform (default android, i tak tylko Android wspieramy).
 
     204 No Content gdy nie ma update'u dla tego runtime'u → klient nadal odpala
     embedded bundle z APK. Mobile zna `expo-protocol-version` (single-manifest
@@ -87,7 +87,7 @@ def get_asset(
 ) -> Response:
     """Serwuje pojedynczy asset (JS bundle, image, font) z update directory.
 
-    `asset` to relative path względem `static/expo-updates/<runtime>/` —
+    `asset` to relative path względem `static/expo-updates/<runtime>/`,
     zwykle `<update_id>/_expo/static/js/android/<hash>.js` lub
     `<update_id>/assets/<hash>`. Path traversal blocked przez resolve+is_relative.
     """
@@ -103,7 +103,7 @@ def get_asset(
         raise HTTPException(status_code=400, detail="invalid asset path")
     if not target.exists() or not target.is_file():
         raise HTTPException(status_code=404, detail="asset not found")
-    # Content type — bundle to text/javascript, reszta autodetect przez FileResponse.
+    # Content type, bundle to text/javascript, reszta autodetect przez FileResponse.
     media_type = None
     if target.suffix in (".js", ".bundle"):
         media_type = "application/javascript"

app/api/favorites.py

@@ -1,19 +1,19 @@
-"""Favorites — ulubione performerki + studia + liczenie nowych scen.
+"""Favorites, ulubione performerki + studia + liczenie nowych scen.
 
 Single-user (brak users), więc API zwraca/operuje na global zbiorze. Multi-user
 można dodać dorzuceniem `user_id` query/header bez breaking change.
 
-Endpointy (performers — `/favorites/...` zostawione żeby nie łamać starego mobile):
+Endpointy (performers, `/favorites/...` zostawione żeby nie łamać starego mobile):
-  GET    /favorites                         — lista ulubionych performerek
+  GET    /favorites                           lista ulubionych performerek
-  POST   /favorites/{performer_id}          — dodaj (idempotent)
+  POST   /favorites/{performer_id}            dodaj (idempotent)
-  DELETE /favorites/{performer_id}          — usuń
+  DELETE /favorites/{performer_id}            usuń
-  POST   /favorites/{performer_id}/seen     — mark-as-seen (zeruje badge)
+  POST   /favorites/{performer_id}/seen       mark-as-seen (zeruje badge)
 
 Endpointy (studios):
-  GET    /favorites/studios                 — lista ulubionych studiów
+  GET    /favorites/studios                   lista ulubionych studiów
-  POST   /favorites/studios/{studio_id}     — dodaj
+  POST   /favorites/studios/{studio_id}       dodaj
-  DELETE /favorites/studios/{studio_id}     — usuń
+  DELETE /favorites/studios/{studio_id}       usuń
-  POST   /favorites/studios/{studio_id}/seen — mark-as-seen
+  POST   /favorites/studios/{studio_id}/seen, mark-as-seen
 
 "Nowa scena" = scena której Scene.created_at > favorite.last_seen_at:
   - dla performerki: ScenePerformer.performer_id = X
@@ -21,26 +21,32 @@ Endpointy (studios):
 """
 from __future__ import annotations
 
+import logging
+import threading
+import time
 import uuid
 from datetime import UTC, datetime
 from typing import Annotated
 
-from fastapi import APIRouter, Depends, HTTPException, status
+from fastapi import APIRouter, Depends, HTTPException, Path, Query, status
 from pydantic import BaseModel
-from sqlalchemy import exists, select
+from sqlalchemy import exists, func, select
 from sqlalchemy.orm import Session
 
 from app.api.device import get_device_id
 from app.auth import require_api_key
-from app.db import get_session
+from app.db import get_session, session_scope
 from app.models.favorite_movie import FavoriteMovie
 from app.models.favorite_performer import FavoritePerformer
+from app.models.favorite_site import FavoriteSite
 from app.models.favorite_studio import FavoriteStudio
 from app.models.movie import Movie
 from app.models.performer import Performer
 from app.models.scene import Scene, ScenePerformer
 from app.models.studio import Studio
 
+log = logging.getLogger(__name__)
+
 router = APIRouter(
     prefix="/favorites", tags=["favorites"], dependencies=[Depends(require_api_key)]
 )
@@ -60,55 +66,71 @@ def _new_counts(session: Session, device_id: str, *, kind: str) -> dict:
     """Policz per-favorite "+N nowych" = sceny created_at > last_seen_at, ale TYLKO wśród
     tych które user zobaczy na liście: te same filtry widoczności co list_scenes (żywy
     playback + blacklist + stub) i to samo okno (top-_FAVORITES_PAGE_CAP pod sortem
-    release_date desc), z pominięciem backfillu. Liczy w SQL (count(*) FILTER), zwraca
+    `release_date` z list_scenes, czyli data premiery albo dzień dodania), z pominięciem
-    {group_id: n} — bez streamowania N*200 wierszy do Pythona.
+    backfillu. Liczy w SQL (count(*) FILTER), zwraca {group_id: n}.
 
     kind="performer": grupuje po ScenePerformer.performer_id, join favorite_performers.
     kind="studio":    grupuje po Scene.studio_id, join favorite_studios. Studia potrzebują
                       odsiewu stub (mogą nie mieć performera); performerki nie (mają).
     """
-    from sqlalchemy import and_, func
+    from sqlalchemy import and_, func, true
 
-    from app.api.scenes import blacklist_clauses, live_playback_exists, stub_exclusion_clause
+    from app.api.scenes import (
+        _effective_date_desc,
+        blacklist_clauses,
+        live_playback_exists,
+        stub_exclusion_clause,
+    )
 
     clauses = [live_playback_exists(), *blacklist_clauses(session, device_id)]
+    list_order = (_effective_date_desc(), Scene.created_at.desc(), Scene.id.desc())
 
-    if kind == "performer":
+    if kind == "studio":
-        gid = ScenePerformer.performer_id
+        # Po kolei indeksem ix_scenes_studio_effective_date_desc (migracja 0038) i stop po
-        last_seen = FavoritePerformer.last_seen_at
+        # 200 widocznych scenach na studio. Okno row_number() czytało wszystkie sceny
+        # wszystkich ulubionych studiów (324 tys. u najcięższego urządzenia, 10-25 s).
+        clauses.append(stub_exclusion_clause())
+        top = (
+            select(Scene.created_at.label("created_at"), Scene.backfill.label("backfill"))
+            .where(Scene.studio_id == FavoriteStudio.studio_id, *clauses)
+            .order_by(*list_order)
+            .limit(_FAVORITES_PAGE_CAP)
+            .lateral("top")
+        )
+        rows = session.execute(
+            select(
+                FavoriteStudio.studio_id,
+                func.count().filter(
+                    and_(
+                        top.c.backfill.is_(False),
+                        top.c.created_at > FavoriteStudio.last_seen_at,
+                    )
+                ),
+            )
+            .select_from(FavoriteStudio)
+            .join(top, true())
+            .where(FavoriteStudio.device_id == device_id)
+            .group_by(FavoriteStudio.studio_id)
+        ).all()
+        return {gid_val: int(n) for gid_val, n in rows}
+
+    # Performerki: sceny idą przez scene_performers, więc indeks po dacie nie pomoże i
+    # trzeba przeczytać całą filmografię. To jest drogie (6-15 s przy ~1000 ulubionych),
+    # dlatego wynik siedzi w cache, patrz _cached_new_counts.
     base = (
         select(
-                gid.label("gid"),
+            ScenePerformer.performer_id.label("gid"),
             Scene.created_at.label("created_at"),
             Scene.backfill.label("backfill"),
-                last_seen.label("last_seen"),
+            FavoritePerformer.last_seen_at.label("last_seen"),
         )
         .select_from(FavoritePerformer)
         .join(ScenePerformer, ScenePerformer.performer_id == FavoritePerformer.performer_id)
         .join(Scene, Scene.id == ScenePerformer.scene_id)
         .where(FavoritePerformer.device_id == device_id)
     )
-        partition = ScenePerformer.performer_id
-    else:
-        clauses.append(stub_exclusion_clause())
-        gid = Scene.studio_id
-        last_seen = FavoriteStudio.last_seen_at
-        base = (
-            select(
-                gid.label("gid"),
-                Scene.created_at.label("created_at"),
-                Scene.backfill.label("backfill"),
-                last_seen.label("last_seen"),
-            )
-            .select_from(FavoriteStudio)
-            .join(Scene, Scene.studio_id == FavoriteStudio.studio_id)
-            .where(FavoriteStudio.device_id == device_id)
-        )
-        partition = Scene.studio_id
-
     rn = func.row_number().over(
-        partition_by=partition,
+        partition_by=ScenePerformer.performer_id, order_by=list_order
-        order_by=(Scene.release_date.desc().nullslast(), Scene.created_at.desc()),
     ).label("rn")
     inner = base.add_columns(rn).where(*clauses).subquery()
     rows = session.execute(
@@ -134,7 +156,7 @@ def _new_movie_counts(session: Session, device_id: str, *, kind: str) -> dict:
 
     Filtr widoczności jak w `list_movies`: film musi mieć żywy playback. Filmów jest
     o rzędy wielkości mniej niż scen (brak tube-spamu), więc nie potrzeba okna
-    top-N ani odsiewu stub/backfill — te pojęcia dotyczą scen.
+    top-N ani odsiewu stub/backfill, te pojęcia dotyczą scen.
     """
     from sqlalchemy import func
 
@@ -185,6 +207,94 @@ def _merged_new_counts(session: Session, device_id: str, *, kind: str) -> dict:
     return counts
 
 
+# Cache liczników "+N" w pamięci procesu API (uvicorn chodzi jednym procesem). Liczenie
+# dla urządzeń z setkami ulubionych trwa sekundy, a apka woła /favorites przy wejściu na
+# listę scen, ulubione i każdą performerkę. Liczniki zmieniają się wolno (ingest), więc:
+# świeży wynik oddajemy od razu, starszy niż _COUNTS_FRESH_SEC też od razu i liczymy
+# nowy w tle, a dopiero starszy niż _COUNTS_MAX_AGE_SEC liczymy na miejscu.
+# mark_seen zeruje licznik w cache, żeby badge zgasł natychmiast.
+_COUNTS_FRESH_SEC = 300.0
+_COUNTS_MAX_AGE_SEC = 6 * 3600.0
+_counts_cache: dict[tuple[str, str], tuple[float, dict]] = {}
+_counts_seen: dict[tuple[str, str], dict] = {}  # gid -> kiedy oznaczono jako obejrzane
+_counts_locks: dict[tuple[str, str], threading.Lock] = {}
+_counts_guard = threading.Lock()
+
+
+def _counts_lock(key: tuple[str, str]) -> threading.Lock:
+    with _counts_guard:
+        lock = _counts_locks.get(key)
+        if lock is None:
+            lock = _counts_locks[key] = threading.Lock()
+        return lock
+
+
+def _store_counts(key: tuple[str, str], started: float, counts: dict) -> None:
+    with _counts_guard:
+        # mark_seen w trakcie liczenia: wynik policzono ze starym last_seen_at
+        for gid, at in _counts_seen.get(key, {}).items():
+            if at >= started:
+                counts[gid] = 0
+        _counts_seen.pop(key, None)
+        _counts_cache[key] = (time.monotonic(), counts)
+        stale = [k for k, (at, _) in _counts_cache.items() if time.monotonic() - at > _COUNTS_MAX_AGE_SEC]
+        for k in stale:
+            _counts_cache.pop(k, None)
+            _counts_locks.pop(k, None)
+
+
+def _compute_counts(key: tuple[str, str]) -> None:
+    device_id, kind = key
+    started = time.monotonic()
+    with session_scope() as session:
+        counts = _merged_new_counts(session, device_id, kind=kind)
+    _store_counts(key, started, counts)
+
+
+def _refresh_in_background(key: tuple[str, str]) -> None:
+    lock = _counts_lock(key)
+    if not lock.acquire(blocking=False):
+        return  # już ktoś liczy
+
+    def run() -> None:
+        try:
+            _compute_counts(key)
+        except Exception:  # noqa: BLE001
+            log.exception("favorites: odświeżenie liczników w tle nie wyszło %s", key)
+        finally:
+            lock.release()
+
+    threading.Thread(target=run, name="fav-counts", daemon=True).start()
+
+
+def _cached_new_counts(device_id: str, *, kind: str) -> dict:
+    key = (device_id, kind)
+    hit = _counts_cache.get(key)
+    if hit is not None:
+        age = time.monotonic() - hit[0]
+        if age < _COUNTS_MAX_AGE_SEC:
+            if age > _COUNTS_FRESH_SEC:
+                _refresh_in_background(key)
+            return dict(hit[1])
+    # Brak w cache: liczymy teraz. Lock, żeby równoległe zapytania z kilku ekranów
+    # nie liczyły tego samego naraz, drugie poczeka i weźmie gotowy wynik.
+    with _counts_lock(key):
+        hit = _counts_cache.get(key)
+        if hit is not None and time.monotonic() - hit[0] < _COUNTS_FRESH_SEC:
+            return dict(hit[1])
+        _compute_counts(key)
+    return dict(_counts_cache[key][1])
+
+
+def _mark_counts_seen(device_id: str, kind: str, gid: uuid.UUID) -> None:
+    key = (device_id, kind)
+    with _counts_guard:
+        _counts_seen.setdefault(key, {})[gid] = time.monotonic()
+        hit = _counts_cache.get(key)
+        if hit is not None and hit[1].get(gid):
+            hit[1][gid] = 0
+
+
 class FavoriteOut(BaseModel):
     performer_id: uuid.UUID
     canonical_name: str
@@ -198,13 +308,17 @@ class FavoriteOut(BaseModel):
 class FavoriteListOut(BaseModel):
     items: list[FavoriteOut]
     total: int
-    new_total: int  # suma new_count po wszystkich — dla badge w toolbar
+    new_total: int  # suma new_count po wszystkich, dla badge w toolbar
 
 
 @router.get("", response_model=FavoriteListOut)
 def list_favorites(
     session: Annotated[Session, Depends(get_session)],
     device_id: Annotated[str, Depends(get_device_id)],
+    counts: bool = Query(
+        default=True,
+        description="false: bez liczników +N (ekrany, które chcą tylko wiedzieć, czy zapalić gwiazdkę)",
+    ),
 ) -> FavoriteListOut:
     rows = session.execute(
         select(FavoritePerformer, Performer)
@@ -216,10 +330,10 @@ def list_favorites(
         return FavoriteListOut(items=[], total=0, new_total=0)
 
     # scene_count: czytamy zdenormalizowany Performer.scene_count (refresh w tle przez
-    # _job_refresh_taxonomy_counts) — ta sama definicja co przed (sceny z żywym
+    # _job_refresh_taxonomy_counts), ta sama definicja co przed (sceny z żywym
     # playback). Wcześniej grouped count z EXISTS playback per-request. Migracja 0019.
     scene_counts: dict = {perf.id: perf.scene_count for _, perf in rows}
-    new_counts = _merged_new_counts(session, device_id, kind="performer")
+    new_counts = _cached_new_counts(device_id, kind="performer") if counts else {}
 
     items: list[FavoriteOut] = []
     new_total = 0
@@ -274,7 +388,7 @@ def remove_favorite(
 ) -> None:
     fav = session.get(FavoritePerformer, (device_id, performer_id))
     if fav is None:
-        # idempotent — brak ulubionego = nie ma nic do usunięcia, success
+        # idempotent, brak ulubionego = nie ma nic do usunięcia, success
         return
     session.delete(fav)
     session.commit()
@@ -296,6 +410,7 @@ def mark_seen(
         raise HTTPException(status_code=404, detail="not in favorites")
     fav.last_seen_at = datetime.now(UTC)
     session.commit()
+    _mark_counts_seen(device_id, "performer", performer_id)
     return SeenOut(performer_id=performer_id, last_seen_at=fav.last_seen_at)
 
 
@@ -307,6 +422,10 @@ class FavoriteStudioOut(BaseModel):
     slug: str
     network: str | None = None
     scene_count: int
+    #: Filmów z żywym playbackiem. Studio może mieć ZERO scen i setki filmów
+    #: (Jonathan Jordan XXX 0/654, Kink Clips 0/616, EAGLE 0/523), a lista ulubionych
+    #: pokazywała wtedy samo „0" i wyglądała na pustą, mimo że „+N" liczyło już filmy.
+    movie_count: int = 0
     new_count: int
     last_seen_at: datetime
     created_at: datetime
@@ -322,6 +441,10 @@ class FavoriteStudioListOut(BaseModel):
 def list_favorite_studios(
     session: Annotated[Session, Depends(get_session)],
     device_id: Annotated[str, Depends(get_device_id)],
+    counts: bool = Query(
+        default=True,
+        description="false: bez liczników +N i filmów (sam stan gwiazdki)",
+    ),
 ) -> FavoriteStudioListOut:
     rows = session.execute(
         select(FavoriteStudio, Studio)
@@ -331,10 +454,51 @@ def list_favorite_studios(
     ).all()
     if not rows:
         return FavoriteStudioListOut(items=[], total=0, new_total=0)
+    if not counts:
+        return FavoriteStudioListOut(
+            items=[
+                FavoriteStudioOut(
+                    studio_id=st.id,
+                    name=st.name,
+                    slug=st.slug,
+                    network=st.network,
+                    scene_count=st.scene_count,
+                    new_count=0,
+                    last_seen_at=fav.last_seen_at,
+                    created_at=fav.created_at,
+                )
+                for fav, st in rows
+            ],
+            total=len(rows),
+            new_total=0,
+        )
 
     # scene_count: zdenormalizowany Studio.scene_count (refresh w tle, migracja 0019).
     scene_counts: dict = {st.id: st.scene_count for _, st in rows}
-    new_counts = _merged_new_counts(session, device_id, kind="studio")
+    # movie_count liczymy NA ŻYWO: ulubionych studiów jest kilkaset na urządzenie,
+    # a filmów o rzędy wielkości mniej niż scen, więc agregat jest tani i nie trzeba
+    # kolejnej zdenormalizowanej kolumny do utrzymania.
+    from app.models.movie import Movie
+    from app.models.movie_playback_source import MoviePlaybackSource
+
+    studio_ids = [st.id for _, st in rows]
+    movie_counts: dict = {
+        sid: n
+        for sid, n in session.execute(
+            select(Movie.studio_id, func.count())
+            .where(
+                Movie.studio_id.in_(studio_ids),
+                exists(
+                    select(1).where(
+                        MoviePlaybackSource.movie_id == Movie.id,
+                        MoviePlaybackSource.dead_at.is_(None),
+                    )
+                ),
+            )
+            .group_by(Movie.studio_id)
+        ).all()
+    }
+    new_counts = _cached_new_counts(device_id, kind="studio")
 
     items: list[FavoriteStudioOut] = []
     new_total = 0
@@ -348,6 +512,7 @@ def list_favorite_studios(
                 slug=st.slug,
                 network=st.network,
                 scene_count=scene_counts.get(st.id, 0),
+                movie_count=movie_counts.get(st.id, 0),
                 new_count=nc,
                 last_seen_at=fav.last_seen_at,
                 created_at=fav.created_at,
@@ -411,12 +576,77 @@ def mark_studio_seen(
         raise HTTPException(status_code=404, detail="not in favorites")
     fav.last_seen_at = datetime.now(UTC)
     session.commit()
+    _mark_counts_seen(device_id, "studio", studio_id)
     return SeenStudioOut(studio_id=studio_id, last_seen_at=fav.last_seen_at)
 
 
+# ---------- Sites (origins) ----------
+# Przypiete strony w zakladce Sites (prosba z apki 2026-09-02). Bez licznikow "+N": lista
+# zrodel i tak pokazuje swiezosc per strona, a badge liczy sie tylko dla performerow,
+# studiow i filmow.
+
+_ORIGIN_RE = r"^[a-z0-9][a-z0-9:._-]{1,63}$"
+
+
+class FavoriteSiteListOut(BaseModel):
+    items: list[str]  # origins, w kolejnosci dodania
+    total: int
+
+
+class FavoriteSiteAddOut(BaseModel):
+    origin: str
+    created: bool
+
+
+@router.get("/sites", response_model=FavoriteSiteListOut)
+def list_favorite_sites(
+    session: Annotated[Session, Depends(get_session)],
+    device_id: Annotated[str, Depends(get_device_id)],
+) -> FavoriteSiteListOut:
+    rows = session.execute(
+        select(FavoriteSite.origin)
+        .where(FavoriteSite.device_id == device_id)
+        .order_by(FavoriteSite.created_at)
+    ).scalars().all()
+    return FavoriteSiteListOut(items=list(rows), total=len(rows))
+
+
+@router.post("/sites/{origin}", response_model=FavoriteSiteAddOut)
+def add_favorite_site(
+    origin: Annotated[str, Path(pattern=_ORIGIN_RE)],
+    session: Annotated[Session, Depends(get_session)],
+    device_id: Annotated[str, Depends(get_device_id)],
+) -> FavoriteSiteAddOut:
+    from app.models.playback_source import PlaybackSource
+
+    znany = session.execute(
+        select(1).where(PlaybackSource.origin == origin).limit(1)
+    ).scalar_one_or_none()
+    if znany is None:
+        raise HTTPException(status_code=404, detail="unknown origin")
+    if session.get(FavoriteSite, (device_id, origin)) is not None:
+        return FavoriteSiteAddOut(origin=origin, created=False)
+    session.add(FavoriteSite(device_id=device_id, origin=origin))
+    session.commit()
+    return FavoriteSiteAddOut(origin=origin, created=True)
+
+
+@router.delete("/sites/{origin}", status_code=status.HTTP_204_NO_CONTENT)
+def remove_favorite_site(
+    origin: Annotated[str, Path(pattern=_ORIGIN_RE)],
+    session: Annotated[Session, Depends(get_session)],
+    device_id: Annotated[str, Depends(get_device_id)],
+) -> None:
+    fav = session.get(FavoriteSite, (device_id, origin))
+    if fav is None:
+        return
+    session.delete(fav)
+    session.commit()
+
+
 # ── Favorite movies ────────────────────────────────────────────────────────
 # Movies nie mają child scenes per-favorite (jak performerki/studia), więc
-# `last_seen_at` nie jest tu używany do NEW count — tylko jako tracking ostatniego
+# `last_seen_at` nie jest tu używany do NEW count, tylko jako tracking ostatniego
 # wglądu przez usera. Mobile używa NEW badge w liście /movies przez OSOBNY
 # globalny last_seen z AsyncStorage (client-side, brak backendowego state).
 

app/api/me.py

@@ -2,7 +2,7 @@
 
 Po migracji device-scopingu (0022) stare wiersze mają `device_id='legacy-shared'`.
 `POST /me/adopt-legacy` przepina WSZYSTKIE legacy wiersze (favorites/progress/blacklisty)
-na device wołającego. Robi to JEDEN raz właściciel instancji po update apki — kolejne
+na device wołającego. Robi to JEDEN raz właściciel instancji po update apki, kolejne
 wywołania nic nie znajdą (legacy już puste). Jeśli na keep-device istnieje już wiersz
 dla tej samej encji, legacy duplikat jest pomijany (ON CONFLICT DO NOTHING → potem
 kasujemy resztki legacy).
@@ -22,7 +22,7 @@ from app.db import get_session
 
 router = APIRouter(prefix="/me", tags=["me"], dependencies=[Depends(require_api_key)])
 
-# (tabela, kolumna-encji) — wszystkie tabele device-scoped (migracja 0022).
+# (tabela, kolumna-encji), wszystkie tabele device-scoped (migracja 0022).
 _TABLES: list[tuple[str, str]] = [
     ("favorite_performers", "performer_id"),
     ("favorite_studios", "studio_id"),
@@ -33,6 +33,11 @@ _TABLES: list[tuple[str, str]] = [
     ("blacklisted_performers", "performer_id"),
     ("blacklisted_studios", "studio_id"),
     ("blacklisted_tags", "tag_id"),
+    # Feed Swipe: widziane klipy i ulubione klipy jadą z użytkownikiem na nowy telefon.
+    # Afiniczność (clip_affinity) celowo NIE: ma jeden wiersz na urządzenie bez kolumny
+    # encji, a i tak odbuduje się z pierwszych zdarzeń.
+    ("clip_seen", "clip_id"),
+    ("clip_favorites", "clip_id"),
 ]
 
 
@@ -48,7 +53,10 @@ class ImportOut(BaseModel):
 
 # Tabele do przeniesienia przy transferze między urządzeniami + kolumna-encji do dedupu.
 # saved_searches ma własne `id` PK (nie (device_id,encja)), więc dedup po `query`.
-_COPY_TABLES: list[tuple[str, str]] = _TABLES + [("saved_searches", "query")]
+_COPY_TABLES: list[tuple[str, str]] = _TABLES + [
+    ("saved_searches", "query"),
+    ("clip_blacklist", "value"),
+]
 
 
 @router.post("/import/{source_device}", response_model=ImportOut)
@@ -59,7 +67,7 @@ def import_from_device(
 ) -> ImportOut:
     """Backup/transfer stanu (ulubione/blacklisty/progres/zapisane wyszukiwania) z innego
     urządzenia na wołające. `source_device` to device_id starego telefonu (pełni rolę kodu
-    transferu — jest losowym UUID, więc jego znajomość == autoryzacja; instancja bez kont).
+    transferu, jest losowym UUID, więc jego znajomość == autoryzacja; instancja bez kont).
 
     KOPIUJE (nie przenosi): stary telefon zachowuje swoje. Dedup: pomija encje które
     urządzenie już ma. Idempotentne. `id`-PK (saved_searches) dostaje nowy gen_random_uuid()."""
@@ -114,7 +122,7 @@ def adopt_legacy(
             ).bindparams(dev=device_id, legacy=LEGACY_DEVICE)
         )
         moved[table] = res.rowcount or 0
-        # Resztki legacy (encje które device już miał) — skasuj, żeby nie wisiały.
+        # Resztki legacy (encje które device już miał), skasuj, żeby nie wisiały.
         session.execute(
             text(f"DELETE FROM {table} WHERE device_id = :legacy").bindparams(legacy=LEGACY_DEVICE)
         )

app/api/movies.py

@@ -1,7 +1,8 @@
-"""GET /movies — lista i szczegóły filmów."""
+"""GET /movies, lista i szczegóły filmów."""
 from __future__ import annotations
 
 import uuid
+from collections import defaultdict
 from typing import Annotated
 
 from fastapi import APIRouter, Depends, HTTPException, Query
@@ -132,14 +133,14 @@ def list_movies(
 
     base = base.limit(per_page).offset((page - 1) * per_page)
 
-    movies = session.execute(base).scalars().all()
+    movies = list(session.execute(base).scalars().all())
-    items = [_movie_to_out(session, m, device_id=device_id) for m in movies]
+    items = _movies_to_out(session, movies, device_id=device_id)
 
     return MovieListOut(items=items, total=total, page=page, per_page=per_page)
 
 
-# Movie playback origin policy — module-level (kiedyś było inline per-request
+# Movie playback origin policy, module-level (kiedyś było inline per-request
-# definition, code-review #19 — perf hit + dorosły kod).
+# definition, code-review #19, perf hit + dorosły kod).
 # Ranking ustalony ad-hoc 2026-05-09 (extract_stream_from_hoster na 5 sample
 # random per origin).
 _MOVIE_PREFERRED_ORIGINS = (
@@ -150,9 +151,9 @@ _MOVIE_PREFERRED_ORIGINS = (
     "streamporn",
     "pandamovies",
 )
-# File hosters które NIGDY nie dadzą się stream-extract bez premium account —
+# File hosters które NIGDY nie dadzą się stream-extract bez premium account,
 # odfiltrowywane całkowicie (zaśmiecały listę watch options, bug-report
-# 2026-05-15). Streamtape przywrócony 2026-05-15 — ma dedicated extractor,
+# 2026-05-15). Streamtape przywrócony 2026-05-15, ma dedicated extractor,
 # ~5% URLów żyje.
 _MOVIE_DROP_ORIGINS = frozenset({
     "mangoporn:rapidgator",
@@ -163,7 +164,49 @@ _MOVIE_DROP_ORIGINS = frozenset({
 _MOVIE_LANDING_HIDE = frozenset({"mangoporn", "pandamovies", "streamporn"})
 
 
+# Rodzina seekplayer (embed `#<hash>`, wspólny silnik) na sam koniec listy.
+# Pomiar 2026-08-24 na 250 losowych źródłach: 3 miały jeszcze strumień, 88 oddało
+# HTTP 404, a 79 odpowiedź bez pola `source`, po której ICH WŁASNY player pisze
+# „Video is not ready yet" (sprawdzone w przeglądarce z łącza domowego, z VPS i przez
+# brytyjskie proxy, więc to nie blokada po IP). Zgłoszenia `d59fc396`, `ccbc75da`,
+# `7bfc2e8d` i sąsiednie z tego dnia to dokładnie te trafienia.
+#
+# Nie wyrzucamy ich z listy (te ~2% działa i bywa jedynym źródłem), ale nie mogą stać
+# przed hosterami, które grają. Filmów zależnych WYŁĄCZNIE od tej rodziny jest w bazie
+# jeden, więc de-ranking nikomu nie zabiera dostępu.
+_MOVIE_DEPRIORITIZED_HOSTERS = frozenset({
+    "easyvidplayer", "embedseek", "seekplayer", "upns", "player4me", "rpmplay",
+    "4meplayer", "seekplays", "ezplayer", "seeks",
+})
+
+
+# Rodzina DoodStream (playmogo, doply, myvidplay i klony) wymaga KLIKANEGO Cloudflare
+# Turnstile: widżet pojawia sie dopiero po tapie w play i przeladowaniu, wiec
+# `pass_md5` nie ma w HTML i telefon nie rozwiaze tego sam (memory 2026-08-26, INJECTED_JS
+# omija te hosty). Skutek w telemetrii: ZERO zdarzen odtwarzania w 30 dniach, bo droga
+# WebView niczego nie raportuje, podczas gdy mixdrop/voe/luluvid/vidara graja w ~99%.
+#
+# Dotad te originy mialy priorytet neutralny (500) i sortowaly sie z dzialajacymi po dacie
+# dodania, a doply/playmogo bywaja dopisane jako OSTATNIE, wiec ladowaly na GORZE listy
+# "Watch on". Zgloszenia "Playmogo nie dziala tutaj" (1278eb49, 2026-09-04) i seria
+# "Myvidplay nie dziala" (3b75cb54, d3af0813, 11d7b17b) to dokladnie ten mechanizm:
+# zgloszony film mial obok zywy mixdrop, ktory gra.
+#
+# Pomiar 2026-09-05: rodzina siedzi w 54 446 filmach, z czego 54 320 (99,8%) ma dzialajaca
+# alternatywe. Tylko 126 filmow zalezy od niej wylacznie, dla nich zostaje jako ostatnia
+# deska ratunku, wiec de-ranking nikomu nie zabiera dostepu. Lista hostow = doodstream.ts.
+_MOVIE_INTERACTIVE_HOSTERS = frozenset({
+    "playmogo", "myvidplay", "doply", "doodstream", "dood", "d0000d", "dooood",
+    "do0od", "do7go", "ds2play", "vikingfile", "vide0",
+})
+
+
 def _movie_origin_priority(origin: str) -> int:
+    host = origin.rpartition(":")[2]
+    if host in _MOVIE_DEPRIORITIZED_HOSTERS:
+        return 900  # za wszystkim, co nieklasyfikowane
+    if host in _MOVIE_INTERACTIVE_HOSTERS:
+        return 800  # gra, ale tylko po recznym kliku w Turnstile; za wszystkim, co gra samo
     try:
         return _MOVIE_PREFERRED_ORIGINS.index(origin)
     except ValueError:
@@ -183,63 +226,108 @@ def get_movie(
 
 
 def _movie_to_out(session: Session, movie: Movie, *, device_id: str = LEGACY_DEVICE) -> MovieOut:
-    studio_out: StudioOut | None = None
+    return _movies_to_out(session, [movie], device_id=device_id)[0]
-    if movie.studio_id:
-        studio = session.get(Studio, movie.studio_id)
-        if studio is not None:
-            studio_out = StudioOut.model_validate(studio)
 
-    performer_rows = session.execute(
+
-        select(Performer, MoviePerformer.as_alias)
+def _movies_to_out(
-        .join(MoviePerformer, MoviePerformer.performer_id == Performer.id)
+    session: Session, movies: list[Movie], *, device_id: str = LEGACY_DEVICE
-        .where(MoviePerformer.movie_id == movie.id)
+) -> list[MovieOut]:
+    """Serializacja wsadowa: po jednym zapytaniu na relacje dla calej strony listy.
+
+    Wczesniej kazdy film robil 7 zapytan (studio, obsada, tagi, rozdzialy, refy,
+    zrodla, ulubione + postep), czyli ~210 na strone 30 filmow i 350 ms na
+    GET /movies (Sentry: N+1 Query list_movies, pomiar 2026-09-08). Logika per film
+    jest ta sama co w starym `_movie_to_out`, tylko dane przychodza z map.
+    """
+    if not movies:
+        return []
+    ids = [m.id for m in movies]
+
+    studio_ids = {m.studio_id for m in movies if m.studio_id}
+    studios: dict = {}
+    if studio_ids:
+        studios = {
+            st.id: st for st in session.execute(select(Studio).where(Studio.id.in_(studio_ids))).scalars()
+        }
+
+    perf_by: dict = defaultdict(list)
+    for mid, perf, alias in session.execute(
+        select(MoviePerformer.movie_id, Performer, MoviePerformer.as_alias)
+        .join(Performer, MoviePerformer.performer_id == Performer.id)
+        .where(MoviePerformer.movie_id.in_(ids))
         .order_by(MoviePerformer.position.asc().nulls_last())
-    ).all()
+    ).all():
-    performers = [
+        perf_by[mid].append((perf, alias))
-        PerformerOut(
-            id=p.id,
-            canonical_name=p.canonical_name,
-            slug=p.slug,
-            gender=p.gender.value if p.gender else None,
-            as_alias=alias,
-        )
-        for p, alias in performer_rows
-    ]
 
-    tag_rows = session.execute(
+    tags_by: dict = defaultdict(list)
-        select(Tag).join(MovieTag, MovieTag.tag_id == Tag.id)
+    for mid, tag in session.execute(
-        .where(MovieTag.movie_id == movie.id)
+        select(MovieTag.movie_id, Tag)
+        .join(Tag, MovieTag.tag_id == Tag.id)
+        .where(MovieTag.movie_id.in_(ids))
         .order_by(Tag.name.asc())
-    ).scalars().all()
+    ).all():
-    tags = [TagOut.model_validate(t) for t in tag_rows]
+        tags_by[mid].append(tag)
 
-    chapter_rows = session.execute(
+    chapters_by: dict = defaultdict(list)
-        select(MovieChapter).where(MovieChapter.movie_id == movie.id)
+    for ch in session.execute(
-        .order_by(MovieChapter.chapter_index.asc())
+        select(MovieChapter).where(MovieChapter.movie_id.in_(ids)).order_by(MovieChapter.chapter_index.asc())
-    ).scalars().all()
+    ).scalars():
-    chapters = [MovieChapterOut.model_validate(c) for c in chapter_rows]
+        chapters_by[ch.movie_id].append(ch)
 
-    ref_rows = session.execute(
+    refs_by: dict = defaultdict(list)
+    for ref, name in session.execute(
         select(MovieExternalRef, Source.name)
         .join(Source, Source.id == MovieExternalRef.source_id)
-        .where(MovieExternalRef.movie_id == movie.id)
+        .where(MovieExternalRef.movie_id.in_(ids))
-    ).all()
+    ).all():
-    external_refs = [
+        refs_by[ref.movie_id].append((ref, name))
-        ExternalRefOut(
-            source=name,
-            external_id=ref.external_id,
-            url=ref.url,
-            last_seen=ref.last_seen,
-        )
-        for ref, name in ref_rows
-    ]
 
-    pb_rows = session.execute(
+    pb_by: dict = defaultdict(list)
+    for pb in session.execute(
         select(MoviePlaybackSource)
-        .where(MoviePlaybackSource.movie_id == movie.id)
+        .where(MoviePlaybackSource.movie_id.in_(ids))
         .where(MoviePlaybackSource.dead_at.is_(None))
         .order_by(MoviePlaybackSource.created_at.desc())
-    ).scalars().all()
+    ).scalars():
+        pb_by[pb.movie_id].append(pb)
+
+    favs = set(
+        session.execute(
+            select(FavoriteMovie.movie_id)
+            .where(FavoriteMovie.device_id == device_id)
+            .where(FavoriteMovie.movie_id.in_(ids))
+        ).scalars()
+    )
+    progress_by = {
+        pr.movie_id: pr
+        for pr in session.execute(
+            select(MoviePlayProgress)
+            .where(MoviePlayProgress.device_id == device_id)
+            .where(MoviePlayProgress.movie_id.in_(ids))
+        ).scalars()
+    }
+
+    out: list[MovieOut] = []
+    for movie in movies:
+        studio = studios.get(movie.studio_id) if movie.studio_id else None
+        studio_out = StudioOut.model_validate(studio) if studio is not None else None
+        performers = [
+            PerformerOut(
+                id=perf.id,
+                canonical_name=perf.canonical_name,
+                slug=perf.slug,
+                gender=perf.gender.value if perf.gender else None,
+                as_alias=alias,
+            )
+            for perf, alias in perf_by.get(movie.id, [])
+        ]
+        tags = [TagOut.model_validate(t) for t in tags_by.get(movie.id, [])]
+        chapters = [MovieChapterOut.model_validate(c) for c in chapters_by.get(movie.id, [])]
+        external_refs = [
+            ExternalRefOut(source=name, external_id=ref.external_id, url=ref.url, last_seen=ref.last_seen)
+            for ref, name in refs_by.get(movie.id, [])
+        ]
+        pb_rows = list(pb_by.get(movie.id, []))
         pb_rows = [p for p in pb_rows if p.origin not in _MOVIE_DROP_ORIGINS]
         # Bug-report 2026-05-16: raw landing origins (`mangoporn`/`pandamovies`/
         # `streamporn` BEZ `:host`) otwierały WebView z reklamami pełnoekranowymi
@@ -267,10 +355,9 @@ def _movie_to_out(session: Session, movie: Movie, *, device_id: str = LEGACY_DEV
         pb_rows = deduped
         playback_sources = [PlaybackSourceOut.model_validate(p) for p in pb_rows]
 
-    is_fav = session.get(FavoriteMovie, (device_id, movie.id)) is not None
+        progress = progress_by.get(movie.id)
-    progress = session.get(MoviePlayProgress, (device_id, movie.id))
+        out.append(
-
+            MovieOut(
-    return MovieOut(
                 id=movie.id,
                 title=movie.title,
                 slug=movie.slug,
@@ -290,8 +377,10 @@ def _movie_to_out(session: Session, movie: Movie, *, device_id: str = LEGACY_DEV
                 external_refs=external_refs,
                 playback_sources=playback_sources,
                 created_at=movie.created_at,
-        is_favorite=is_fav,
+                is_favorite=movie.id in favs,
                 last_played_at=progress.last_played_at if progress else None,
                 finished=progress.finished if progress else False,
                 position_sec=progress.position_sec if progress else 0,
             )
+        )
+    return out

app/api/playback.py

@@ -1,14 +1,14 @@
-"""POST /scenes/{scene_id}/playback/{playback_id}/resolve — rozwiązuje stream URL.
+"""POST /scenes/{scene_id}/playback/{playback_id}/resolve, rozwiązuje stream URL.
 
-Mobile apka woła ten endpoint na klik "Watch" — backend ekstraktuje świeży
+Mobile apka woła ten endpoint na klik "Watch", backend ekstraktuje świeży
 stream URL (m3u8/mp4) z page tube'a i zwraca go. Mobile otwiera URL przez
 Linking.openURL → Android player chooser (MX Player / VLC / browser).
 
-Stream URLs są podpisane/expire (zwykle ~kilka godzin) — nie cache'ujemy ich
+Stream URLs są podpisane/expire (zwykle ~kilka godzin), nie cache'ujemy ich
 w DB, tylko resolve on-demand. Logika ekstrakcji per-tube w `app.extractors`.
 
 **Dead-link detection**: gdy hoster embed page mówi "Video deleted/not found",
-oznaczamy `PlaybackSource.dead_at = now()` — API dalej go nie listuje, mobile
+oznaczamy `PlaybackSource.dead_at = now()`, API dalej go nie listuje, mobile
 nie pokaże martwego buttonu.
 """
 from __future__ import annotations
@@ -39,23 +39,23 @@ log = logging.getLogger(__name__)
 
 router = APIRouter(prefix="/scenes", tags=["playback"], dependencies=[Depends(require_api_key)])
 
-# CDN-domain allowlist dla mobile direct fetch — token IS time-bound (nie IP-bound),
+# CDN-domain allowlist dla mobile direct fetch, token IS time-bound (nie IP-bound),
 # zweryfikowane cross-IP curl test 2026-05-18. Mobile ExoPlayer pobiera manifest+segments
 # bezpośrednio z CDN, **zero VPS bandwidth**. Critical dla public release (TB+/miesiąc).
 #
 # Verified time-bound:
-#   - xvideos-cdn.com, xnxx-cdn.com (WGCZ Holding) — signed token w path + exp_time
+#   - xvideos-cdn.com, xnxx-cdn.com (WGCZ Holding), signed token w path + exp_time
-#   - phncdn.com (pornhub), ypncdn.com (youporn), rdtcdn.com (redtube) — validfrom+validto+hash
+#   - phncdn.com (pornhub), ypncdn.com (youporn), rdtcdn.com (redtube), validfrom+validto+hash
-#   - privatehost.com (pornhat CDN) — sign + exp_time, brak Referer requirement
+#   - privatehost.com (pornhat CDN), sign + exp_time, brak Referer requirement
-#   - sxyprn.com — signed path
+#   - sxyprn.com, signed path
-#   - eporner.com CDN — IP literal w path ale CDN go ignoruje
+#   - eporner.com CDN, IP literal w path ale CDN go ignoruje
 #
 # NIE w allowlist (IP-bound, wymagają proxy):
-#   - premilkyway.com (latestpornvideo) — 403 cross-IP
+#   - premilkyway.com (latestpornvideo), 403 cross-IP
-#   - tnmr.org (mypornerleak) — 403 cross-IP
+#   - tnmr.org (mypornerleak), 403 cross-IP
-#   - porntrex.com/get_file — single-use token (410 po reuse)
+#   - porntrex.com/get_file, single-use token (410 po reuse)
-#   - freshporno.org/get_file — cv= signed token IP-bound
+#   - freshporno.org/get_file, cv= signed token IP-bound
-#   - sn.porn-xp.com, porn00.org — force_proxy explicit
+#   - sn.porn-xp.com, porn00.org, force_proxy explicit
 _TIME_BOUND_CDN_RE = re.compile(
     r"\b(?:"
     r"xvideos-cdn|xnxx-cdn|phncdn|ypncdn|rdtcdn"  # mainstream
@@ -65,10 +65,42 @@ _TIME_BOUND_CDN_RE = re.compile(
     re.IGNORECASE,
 )
 
-# IP-BOUND CDN signature — token bind do requester IP, cross-IP fetch = 403.
+# Hostery znane z przekierowywania całej domeny na następcę (rodzina DoodStream
+# zmienia szyld co kilka miesięcy). TYLKO dla nich rozwiązujemy przekierowanie przed
+# oddaniem embedu, bo to kosztuje jeden fetch; zwykłe embedy idą bez dotykania sieci.
+_REDIRECTING_EMBED_RE = re.compile(
+    r"//(?:[a-z0-9-]+\.)?(?:myvidplay|doply|doodstream|dood|d0+d|dooood|do0od|do7go"
+    r"|ds2play)\.[a-z]{2,6}/",
+    re.IGNORECASE,
+)
+
+
+def _resolve_embed_redirect(url: str) -> str:
+    """Zwraca końcowy adres po przekierowaniach albo oryginał, gdy nic się nie zmienia.
+
+    Wynik trafia do `embed_url` w bazie, więc każdy adres jest rozwiązywany najwyżej
+    raz; po utrwaleniu regex przestaje pasować i ta funkcja robi się darmowa.
+    """
+    if not _REDIRECTING_EMBED_RE.search(url):
+        return url
+    from app.extractors import browser_get
+
+    try:
+        res = browser_get(url, timeout=15.0, follow_redirects=True)
+        final = str(getattr(res, "url", "") or "")
+        # Utrwalamy tylko realny skok na inny adres http(s); błąd hostera (5xx itp.)
+        # zostawia oryginał, żeby nie zabetonować chwilowej awarii jako "nowego" adresu.
+        if final.startswith("http") and final != url and res.status_code < 400:
+            return final
+    except Exception as e:
+        log.info("embed redirect resolve padl dla %s: %s", url, e)
+    return url
+
+
+# IP-BOUND CDN signature, token bind do requester IP, cross-IP fetch = 403.
 # Wymaga mobile WebView fallback (mobile extract z phone session, nie VPS).
 # Shared KVS infrastructure across multiple hosters (luluvid movies, mypornerleak,
-# latestpornvideo) — wszystkie używają tego samego CDN pool.
+# latestpornvideo), wszystkie używają tego samego CDN pool.
 _IP_BOUND_CDN_RE = re.compile(
     r"\b(?:"
     r"premilkyway\.com"     # latestpornvideo
@@ -82,17 +114,17 @@ _IP_BOUND_CDN_RE = re.compile(
 class StreamLink(BaseModel):
     """Pojedynczy variant stream URL (różne quality / kontener).
 
-    `stream_url` = URL do video file (mp4/m3u8/webm) — proxy-wrapped URL przez backend
+    `stream_url` = URL do video file (mp4/m3u8/webm), proxy-wrapped URL przez backend
     VPS (`/proxy/{token}/play.ext`). Bezpieczny fallback gdy CDN binduje URL do IP
     extractora (np. fpo.xxx z kt_remote_ips cookie). Bandwidth idzie przez VPS.
 
     `direct_url` + `headers` = surowy CDN URL z headers do bezpośredniego fetchu z
     urządzenia. Większość tube CDN (xhamster, redtube, watchporn, eporner) zwraca
     poprawnie content gdy mobile player wysyła `Referer` + `User-Agent` z `headers`.
-    Mobile próbuje direct PIERWSZY — gdy CDN zwróci 403/410 (IP-bound), spada na
+    Mobile próbuje direct PIERWSZY, gdy CDN zwróci 403/410 (IP-bound), spada na
     `stream_url` (proxy). Daje 0 bandwidth na VPS-ie dla większości scen.
 
-    `embed_url` = URL do embed/hoster page (HTML, np. StreamWish, doodporn) — mobile
+    `embed_url` = URL do embed/hoster page (HTML, np. StreamWish, doodporn), mobile
     otwiera w WebView. Type: 'hoster'.
     """
 
@@ -122,7 +154,7 @@ def resolve_movie_playback(
     playback_id: uuid.UUID,
     session: Annotated[Session, Depends(get_session)],
 ) -> ResolveOut:
-    """Movies playback resolve — analog do `/scenes/{id}/playback/{pb}/resolve`.
+    """Movies playback resolve, analog do `/scenes/{id}/playback/{pb}/resolve`.
 
     Origin patterns:
       - 'paradisehill'  → tylko page_url (Yii2 player wymaga login session, więc
@@ -150,7 +182,7 @@ def resolve_movie_playback(
     if pb.origin == "paradisehill":
         # Paradisehill: pobierz page, parsuj `var videoList = [...]` żeby dostać N parts.
         # Każdy part to direct mp4 z paradisehill CDN (v1.paradisehill.cc), serwowane
-        # bez auth — 200 OK z plain User-Agent + Referer.
+        # bez auth, 200 OK z plain User-Agent + Referer.
         # Bug-reports `c5693926`/`418270e4`/`3c999b27` 2026-05-21 ("ładuje tylko 1 z N").
         # Poprzednio: tylko WebView fallback → mobile gra 1. part w playerze paradisehilla,
         # nie ma sposobu przejść do następnego.
@@ -162,7 +194,7 @@ def resolve_movie_playback(
             parts = []
         if parts:
             for url, label in parts:
-                # NIE proxifikujemy tutaj — outer `_proxify_link` poniżej (linia 247) opakuje
+                # NIE proxifikujemy tutaj, outer `_proxify_link` poniżej (linia 247) opakuje
                 # wszystkie linki. Double-wrap → token wewnątrz tokena (broken proxy URL).
                 links.append(
                     StreamLink(
@@ -174,7 +206,7 @@ def resolve_movie_playback(
                     )
                 )
         else:
-            # Fallback: brak videoList (np. login-only movie) — WebView na całość.
+            # Fallback: brak videoList (np. login-only movie), WebView na całość.
             links = [
                 StreamLink(
                     stream_url=None,
@@ -191,7 +223,7 @@ def resolve_movie_playback(
         try:
             stream = extract_stream_from_hoster(target, referer=referer)
         except HosterDead as e:
-            # Hoster wprost mówi "video deleted" — oznacz dead, NIE proponuj
+            # Hoster wprost mówi "video deleted", oznacz dead, NIE proponuj
             # embed fallback (mobile ExoPlayer dostałby 404 HTML page i
             # próbowałby zapisać jako .bin file; bug-report 2026-05-16
             # "streamtape ściąga hurtowo pliki .bin").
@@ -203,7 +235,7 @@ def resolve_movie_playback(
         except Exception as e:
             log.warning("movie hoster extract failed for %s: %s", target, e)
         if stream and _IP_BOUND_CDN_RE.search(stream):
-            # IP-bound CDN (luluvid → cdn-tnmr.org, etc.) — token bind do VPS IP,
+            # IP-bound CDN (luluvid → cdn-tnmr.org, etc.), token bind do VPS IP,
             # mobile direct = 403. Skip stream, fallback na embed_url (mobile WebView).
             log.info(
                 "movie playback %s: stream URL IP-bound CDN — skip, WebView fallback",
@@ -225,11 +257,11 @@ def resolve_movie_playback(
             type_hint = "m3u8" if ".m3u8" in stream.lower() else "mp4"
             raw_meta: dict = {"origin": pb.origin, "host": target}
             # seekplayer-engine (#hash family: easyvidplayer/player4me/seekplayer/
-            # embedseek/upns — ~322k sources) zwraca master.m3u8 na raw-IP CDN
+            # embedseek/upns, ~322k sources) zwraca master.m3u8 na raw-IP CDN
             # (185.237.x/203.188.x/45.156.x `/v4/<tok>/<exp>/pp/<hash>/master.m3u8`).
             # Zweryfikowane cross-IP (curl_cffi chrome + Bright Data, 2026-06-06):
             # manifest + variant + fMP4 segment WSZYSTKIE 200 z innego IP, a cert jest
-            # VALID (verify=True OK — IP-SAN, nie self-signed jak głosił stary docstring).
+            # VALID (verify=True OK, IP-SAN, nie self-signed jak głosił stary docstring).
             # Token jest TIME-bound (`<exp>` unix ts), NIE IP-bound. → mobile ExoPlayer
             # gra direct z CDN, zero VPS bandwidth (był to największy movie proxy-sink).
             # Proxy (`stream_url`) zostaje jako fallback (stream_proxy IP-host gałąź
@@ -246,8 +278,23 @@ def resolve_movie_playback(
                     raw=raw_meta,
                 )
             )
-        # Zawsze dorzucamy embed jako fallback — mobile WebView może wyłapać URL z JS-a
+        # Zawsze dorzucamy embed jako fallback, mobile WebView może wyłapać URL z JS-a
         if pb.embed_url:
+            # Hoster potrafi zostać atrapą przekierowującą na następcę (myvidplay i
+            # doply odpowiadają 30x na playmogo). WebView w apce blokuje top-frame
+            # skok na inną domenę (ochrona przed popunderami), więc surowy adres
+            # kończy się czarnym ekranem: zgłoszenia 3b75cb54/11d7b17b/d3af0813,
+            # wcześniej identyczny mechanizm w galaxyporn (vikingfile → vik1ngfile).
+            # Rozwiązujemy przekierowanie TUTAJ i utrwalamy wynik, żeby telefon
+            # dostał adres, na którym wolno mu zostać.
+            final_embed = _resolve_embed_redirect(pb.embed_url)
+            if final_embed != pb.embed_url:
+                log.info(
+                    "movie playback %s: embed %s przekierowuje na %s, utrwalam",
+                    pb.id, pb.embed_url, final_embed,
+                )
+                pb.embed_url = final_embed[:2048]
+                session.commit()
             links.append(
                 StreamLink(
                     stream_url=None,
@@ -297,7 +344,7 @@ def mark_playback_dead(
     request: Request,
     session: Annotated[Session, Depends(get_session)],
 ) -> None:
-    """User-triggered mark dead — long-press na playback chip w mobile.
+    """User-triggered mark dead, long-press na playback chip w mobile.
 
     Bug-report 2026-05-12 (dd17c709): "Eporner to nie temporary. Więc długie
     przytrzymanie na linku celem usunięcia też byłoby ok". Backend mark-dead
@@ -362,7 +409,7 @@ def resolve_playback(
 
     sitetag: str | None = None
     if pb.origin.startswith("pornapp:"):
-        # Legacy origin format — pre-pornapp-removal migration. Po Fazie 2 zostanie tylko `tube:`.
+        # Legacy origin format, pre-pornapp-removal migration. Po Fazie 2 zostanie tylko `tube:`.
         sitetag = pb.origin.split(":", 1)[1]
     elif pb.origin.startswith("tube:"):
         sitetag = pb.origin.split(":", 1)[1]
@@ -382,7 +429,7 @@ def resolve_playback(
         log.info("marked playback %s dead (origin=%s reason=%s)", pb.id, pb.origin, e)
         raise HTTPException(status_code=410, detail=f"playback dead: {e}") from e
     except TubePageError as e:
-        # Tube page is gone (404/410) — mark dead, propagate as 410. Inne 5xx → 502.
+        # Tube page is gone (404/410), mark dead, propagate as 410. Inne 5xx → 502.
         if e.status_code in (404, 410):
             reason = f"tube page {e.status_code} {pb.page_url}"
             pb.dead_at = datetime.now(UTC)
@@ -397,7 +444,7 @@ def resolve_playback(
         ) from e
 
     if not sources:
-        # Extractor None — TRANSIENT failure (network glitch, tube chwilowy 503,
+        # Extractor None, TRANSIENT failure (network glitch, tube chwilowy 503,
         # ad-network response zmieniony, race condition). NIE oznaczamy `dead_at`
         # bo wcześniej powodowało false-positive permanent dead dla freshporno scen
         # które działały przy następnym attempt (bug-report 2026-05-12).
@@ -410,9 +457,9 @@ def resolve_playback(
             "extractor None for playback %s (origin=%s) — transient, not marking dead",
             pb.id, pb.origin,
         )
-        # 503 (not 410!) żeby mobile NIE pokazało "Tube usunął ten film" — ten kod
+        # 503 (not 410!) żeby mobile NIE pokazało "Tube usunął ten film", ten kod
         # jest dla permanent removal. 503 = transient, user może retry.
-        # Sentry filtruje HTTPException 502/503/504 w `_sentry_before_send` (main.py) —
+        # Sentry filtruje HTTPException 502/503/504 w `_sentry_before_send` (main.py),
         # bez tego GOON-3 spam-floodował issue list (16 events/5h dla expected case).
         raise HTTPException(
             status_code=503,
@@ -446,7 +493,7 @@ DEFAULT_PLAYER_UA = (
 def _proxify_link(link: StreamLink, referer: str) -> StreamLink:
     """Wzbogaca StreamLink o:
       - `stream_url`: proxy URL (fallback gdy direct fails)
-      - `direct_url`: surowy CDN URL (preferowany — 0 VPS bandwidth)
+      - `direct_url`: surowy CDN URL (preferowany, 0 VPS bandwidth)
       - `headers`: Referer + User-Agent dla direct fetch
     Mobile player próbuje direct PIERWSZY, fallback na stream_url po błędzie 403/410.
     """
@@ -462,21 +509,21 @@ def _proxify_link(link: StreamLink, referer: str) -> StreamLink:
     use_impersonate = bool(link.raw and link.raw.get("proxy_impersonate"))
     # force_proxy=True (extractor flag) → direct_url=proxied od razu. Dla CDN-ów
     # gdzie token IS bound do VPS IP (porn00 v-acctoken, pornxp sv.porn-xp.com
-    # signed path) — mobile direct ZAWSZE 403, więc nie ma sensu próbować.
+    # signed path), mobile direct ZAWSZE 403, więc nie ma sensu próbować.
     # Bez tego: każdy playback "mrugnie" (direct fail → fallback na proxy).
     force_proxy = bool(link.raw and link.raw.get("force_proxy"))
     # mobile_direct_ok=True (extractor flag) → m3u8 może iść direct do mobile bo
     # CDN URL ma time-bound (nie IP-bound) signed token. Mobile ExoPlayer pobiera
     # manifest+segments bezpośrednio z CDN, zero VPS bandwidth.
     mobile_direct_ok = bool(link.raw and link.raw.get("mobile_direct_ok"))
-    # Auto-detect time-bound CDN po domain — bez per-extractor flag setting.
+    # Auto-detect time-bound CDN po domain, bez per-extractor flag setting.
     # Critical dla public release: wszystkie mainstream tubes (xvideos/xnxx/pornhub/
     # youporn/redtube + pornhat) zwracają time-bound URLs które działają cross-IP.
     if not mobile_direct_ok and raw_url and _TIME_BOUND_CDN_RE.search(raw_url):
         mobile_direct_ok = True
     refetch_url = (link.raw or {}).get("refetch_url")
     refetch_hoster = (link.raw or {}).get("refetch_hoster")
-    # manifest_producer: hoster oddaje TREŚĆ manifestu (POST), nie URL — `/proxy/hls`
+    # manifest_producer: hoster oddaje TREŚĆ manifestu (POST), nie URL, `/proxy/hls`
     # zawoła producenta zamiast GET-a. Patrz extractors/hosters/loadvid.py.
     manifest_producer = (link.raw or {}).get("manifest_producer")
     token = make_token(
@@ -498,15 +545,15 @@ def _proxify_link(link: StreamLink, referer: str) -> StreamLink:
     else:
         ext = "mp4"
     proxied = f"/proxy/{token}/play.{ext}"
-    # `direct_url`: surowy CDN URL — mobile próbuje go PIERWSZY (0 VPS bandwidth).
+    # `direct_url`: surowy CDN URL, mobile próbuje go PIERWSZY (0 VPS bandwidth).
     # ALE: dla type=m3u8/hls/mpd manifest URL musi być rewritowany żeby segmenty/keys
     # też leciały przez proxy (inne IP może też mieć rate limit/token issues), plus
-    # ExoPlayer wybiera extractor po URL extension — `.mp4` w direct URL pornhat
+    # ExoPlayer wybiera extractor po URL extension, `.mp4` w direct URL pornhat
     # → Mp4Extractor → fail bo content to HLS. Dla m3u8/mpd zwracamy proxied JAKO
     # direct (mobile używa go bezpośrednio, 1 hop przez VPS ale to jedyny sposób
     # żeby manifest+segments były spójne i ExoPlayer wybrał HlsMediaSource).
     # Dla CDNs które wymagają chrome JA3 (mxcontent) direct_url też zawsze przez
-    # proxy — bez tego mobile direct fetch z OkHttp JA3 dostaje 403 → fallback proxy
+    # proxy, bez tego mobile direct fetch z OkHttp JA3 dostaje 403 → fallback proxy
     # → extra round-trip + ExoPlayer "no extractors" przed retry.
     # mobile_direct_ok overrides m3u8 default-to-proxy: gdy CDN ma time-bound token
     # (nie IP-bound), mobile ExoPlayer może pobrać manifest direct bez VPS proxy.

app/api/playback_events.py

@@ -1,8 +1,8 @@
-"""Playback telemetry — POST /playback-events (fire-and-forget z apki).
+"""Playback telemetry, POST /playback-events (fire-and-forget z apki).
 
 Apka po każdej próbie odtwarzania woła to z origin sceny + wynikiem (success/error).
 Sygnał zasila health/szybkość w rankingu źródeł (run_source_stats agreguje okno 7d).
-Best-effort: apka NIE czeka i ignoruje błąd — telemetria nie może psuć playbacku.
+Best-effort: apka NIE czeka i ignoruje błąd, telemetria nie może psuć playbacku.
 """
 from __future__ import annotations
 
@@ -22,12 +22,12 @@ router = APIRouter(prefix="/playback-events", tags=["telemetry"], dependencies=[
 
 
 class PlaybackEventIn(BaseModel):
-    # 'tube:<sitetag>' — zgodne z playback_sources.origin. Bez tego ping bezużyteczny.
+    # 'tube:<sitetag>', zgodne z playback_sources.origin. Bez tego ping bezużyteczny.
     origin: str = Field(min_length=1, max_length=64)
     status: Literal["success", "error"]
     scene_id: uuid.UUID | None = None
     error_kind: str | None = Field(default=None, max_length=64)
-    # Surowa treść błędu z native playera (ExoPlayer message) — diagnostyka realnych
+    # Surowa treść błędu z native playera (ExoPlayer message), diagnostyka realnych
     # padów których nie da się odtworzyć na emulatorze (np. watchporn player_error).
     error_detail: str | None = Field(default=None, max_length=512)
     ttff_ms: int | None = Field(default=None, ge=0, le=600_000)

app/api/saved_searches.py

@@ -1,12 +1,12 @@
-"""Saved searches — zapisane słowa kluczowe per urządzenie.
+"""Saved searches, zapisane słowa kluczowe per urządzenie.
 
 User-report mobilism: sceny słabo opisane → user chce zapisywać często używane
 zapytania i szybko je odpalać. Scope po device_id (X-Device-Id), jak reszta stanu.
 
 Endpointy:
-  GET    /saved-searches            — lista zapisów tego urządzenia (najnowsze pierwsze)
+  GET    /saved-searches              lista zapisów tego urządzenia (najnowsze pierwsze)
-  POST   /saved-searches            — dodaj {query} (idempotent na device+query)
+  POST   /saved-searches              dodaj {query} (idempotent na device+query)
-  DELETE /saved-searches/{id}       — usuń
+  DELETE /saved-searches/{id}         usuń
 """
 from __future__ import annotations
 
@@ -17,6 +17,7 @@ from typing import Annotated
 from fastapi import APIRouter, Depends, HTTPException, status
 from pydantic import BaseModel, field_validator
 from sqlalchemy import select
+from sqlalchemy.exc import IntegrityError
 from sqlalchemy.orm import Session
 
 from app.api.device import get_device_id
@@ -30,7 +31,7 @@ router = APIRouter(
     dependencies=[Depends(require_api_key)],
 )
 
-# Limit zapisów per urządzenie — to wygodny skrót, nie nieograniczona kolekcja.
+# Limit zapisów per urządzenie, to wygodny skrót, nie nieograniczona kolekcja.
 MAX_PER_DEVICE = 50
 
 
@@ -71,7 +72,7 @@ def add_saved_search(
     session: Annotated[Session, Depends(get_session)],
     device_id: Annotated[str, Depends(get_device_id)],
 ) -> SavedSearch:
-    # Idempotent — ten sam (device, query) zwraca istniejący wiersz.
+    # Idempotent, ten sam (device, query) zwraca istniejący wiersz.
     existing = session.execute(
         select(SavedSearch).where(
             SavedSearch.device_id == device_id, SavedSearch.query == payload.query
@@ -89,7 +90,23 @@ def add_saved_search(
         )
     row = SavedSearch(device_id=device_id, query=payload.query)
     session.add(row)
+    try:
         session.commit()
+    except IntegrityError:
+        # Wyscig na `uq_saved_searches_device_query`: sprawdzenie wyzej i INSERT to dwie
+        # osobne operacje, wiec dwa rownolegle zapisy tego samego zapytania (podwojne
+        # tapniecie, ponowienie po timeoucie) oba widza pusto i oba wstawiaja. Drugi
+        # dostawal 500 zamiast idempotentnej odpowiedzi (GOON-4Y). Skoro wiersz juz
+        # istnieje, to dokladnie ten, ktory user chcial zapisac, wiec go oddajemy.
+        session.rollback()
+        existing = session.execute(
+            select(SavedSearch).where(
+                SavedSearch.device_id == device_id, SavedSearch.query == payload.query
+            )
+        ).scalar_one_or_none()
+        if existing is None:
+            raise
+        return existing
     session.refresh(row)
     return row
 

app/api/scene_favorites.py

@@ -1,9 +1,9 @@
-"""Scene favorites — ulubione sceny (single-user, równolegle do /favorites/performers).
+"""Scene favorites, ulubione sceny (single-user, równolegle do /favorites/performers).
 
 Endpointy:
-  GET    /scene-favorites              — lista ulubionych scen (pełen SceneOut)
+  GET    /scene-favorites                lista ulubionych scen (pełen SceneOut)
-  POST   /scene-favorites/{scene_id}    — dodaj (idempotent)
+  POST   /scene-favorites/{scene_id}      dodaj (idempotent)
-  DELETE /scene-favorites/{scene_id}    — usuń
+  DELETE /scene-favorites/{scene_id}      usuń
 """
 from __future__ import annotations
 
@@ -16,7 +16,7 @@ from sqlalchemy import select
 from sqlalchemy.orm import Session
 
 from app.api.device import get_device_id
-from app.api.scenes import _build_scene_out
+from app.api.scenes import _build_scenes_out_batch
 from app.api.schemas import SceneOut
 from app.auth import require_api_key
 from app.db import get_session
@@ -54,7 +54,11 @@ def list_scene_favorites(
         )
         .all()
     )
-    items = [_build_scene_out(session, scene, device_id=device_id) for scene, _ in rows]
+    # Wsadowo jak listy scen: ekran ulubionych rysuje ten sam kafelek, a pojedyncze
+    # _build_scene_out robilo 7 zapytan na scene (setki ulubionych = sekundy).
+    items = _build_scenes_out_batch(
+        session, [scene for scene, _ in rows], light=True, device_id=device_id
+    )
     return SceneFavoriteListOut(items=items, total=len(items))
 
 

app/api/scenes.py

@@ -1,14 +1,15 @@
-"""GET /scenes — lista i szczegóły scen z bazy kanonicznej."""
+"""GET /scenes, lista i szczegóły scen z bazy kanonicznej."""
 from __future__ import annotations
 
 import logging
 import re
+import hashlib
 import uuid
 from typing import Annotated
 
 from fastapi import APIRouter, Depends, HTTPException, Query, status
 from pydantic import BaseModel
-from sqlalchemy import distinct, exists, false, func, literal_column, select
+from sqlalchemy import Date, and_, distinct, exists, false, func, literal_column, select, union
 from sqlalchemy.exc import IntegrityError
 from sqlalchemy.orm import Session
 
@@ -29,6 +30,7 @@ from app.models.favorite_scene import FavoriteScene
 from app.models.performer import Performer, PerformerExternalRef
 from app.models.play_progress import ScenePlayProgress
 from app.models.playback_source import PlaybackSource
+from app import verticals
 from app.models.scene import Scene, SceneExternalRef, ScenePerformer, SceneTag
 from app.models.source import Source, SourceKind
 from app.models.studio import Studio
@@ -39,7 +41,29 @@ log = logging.getLogger(__name__)
 router = APIRouter(prefix="/scenes", tags=["scenes"], dependencies=[Depends(require_api_key)])
 
 
-_VALID_SORTS = {"created_at", "release_date", "title", "studio"}
+_VALID_SORTS = {
+    "created_at",
+    "release_date",
+    "title",
+    "studio",
+    "random",
+    "duration_desc",
+    "duration_asc",
+}
+
+
+def _effective_date_desc():
+    """`release_date`, a gdy go brak, dzien trafienia sceny do katalogu, malejaco.
+
+    MUSI byc identyczne z wyrazeniem w `ix_scenes_effective_date_desc`, inaczej planner
+    indeksu nie uzyje i wroci do pelnego skanu `scenes`. `created_at::date` NIE nadaje
+    sie do indeksu, bo zalezy od strefy czasowej sesji (stable, nie immutable), stad
+    jawne AT TIME ZONE 'UTC'.
+    """
+    return func.coalesce(
+        Scene.release_date,
+        func.cast(func.timezone("UTC", Scene.created_at), Date),
+    ).desc()
 
 # TTL-cache dla count'u scen-z-żywym-playback (default lista bez filtra). Full-scan
 # 1.69M scen + EXISTS ~950ms; liczba zmienia się wolno i jest przybliżona (header
@@ -60,8 +84,8 @@ def _default_scene_count(session: Session) -> int:
                     PlaybackSource.dead_at.is_(None),
                 )
             ),
-            # Domyślny feed wyklucza JAV (osobna sekcja) → licznik też.
+            # Domyślny feed wyklucza wertykały (JAV, animacja) → licznik też.
-            ~_jav_source_exists(),
+            ~_vertical_source_exists(),
         ).subquery()
     )
     total = session.execute(count_query).scalar_one()
@@ -70,30 +94,36 @@ def _default_scene_count(session: Session) -> int:
     return total
 
 
-# JAV vertical — osobna sekcja. Sceny z tych originów NIE wchodzą do głównego feedu
+# Wertykały (JAV, animacja) mają własne sekcje w apce i NIE wchodzą do głównego feedu.
-# (domyślnie wykluczone), tylko do zakładki JAV (?jav=true). JAV to osobny namespace
+# Definicje i uzasadnienie: `app/verticals.py`. Tu zostaje tylko budowa predykatu.
-# (kody typu BKD-368, azjatyckie tytuły), nie deduplikuje się z zachodnim katalogiem,
+# `JAV_ORIGINS` re-eksportowane, bo importują je inne moduły i skrypty.
-# więc scena JAV ma WYŁĄCZNIE origin JAV → wykluczenie/inkluzja po tym originie jest pewna.
+JAV_ORIGINS = verticals.JAV_ORIGINS
-JAV_ORIGINS = ("tube:javflix", "tube:javguru", "tube:vjav", "tube:supjav")
 
 
-def _jav_source_exists():
+def _vertical_source_exists(vertical: str | None = None):
+    """EXISTS żywego źródła z originem wertykału. `None` → DOWOLNY wertykał, czyli
+    predykat, którym główny feed odcina je wszystkie naraz."""
     return exists(
         select(1).where(
             PlaybackSource.scene_id == Scene.id,
             PlaybackSource.dead_at.is_(None),
-            PlaybackSource.origin.in_(JAV_ORIGINS),
+            PlaybackSource.origin.in_(verticals.origins_for(vertical)),
         )
     )
 
 
+def _jav_source_exists():
+    """Zachowane pod starą nazwą, używane przez `/scenes/{id}/similar` i testy."""
+    return _vertical_source_exists("jav")
+
+
 # Blacklisty (performer/studio/tag) są zwykle PUSTE (self-hosted, single-user). Mimo to
 # 3 NOT EXISTS klauzule doklejały się do KAŻDEJ filtrowanej listy scen i były ewaluowane
-# per-row — przy filtrze typu duży-tag/has_playback planer chodzi po ~176k scen, więc te
+# per-row, przy filtrze typu duży-tag/has_playback planer chodzi po ~176k scen, więc te
 # puste-zawsze klauzule kosztowały ~3.4s (mega-tag „anal": 6.7s→3.3s po pominięciu).
 # Cache'ujemy emptiness (TTL 5 min); gdy ktoś doda blacklist-wpis, w ciągu 5 min klauzule
 # wracają. Patrz reference_scenes_list_perf / task #22.
-# Cache per device_id (blacklisty są teraz device-scoped — bug 2026-06-08).
+# Cache per device_id (blacklisty są teraz device-scoped, bug 2026-06-08).
 _BLACKLIST_EMPTY_CACHE: dict[str, tuple[float, bool]] = {}
 _BLACKLIST_EMPTY_TTL = 300.0
 
@@ -241,6 +271,14 @@ def list_scenes(
             "z jedynym playback z hqporner (~7-min Brazzers trailer clipy zalewają katalog)."
         ),
     ),
+    vertical: str | None = Query(
+        default=None,
+        description=(
+            "Wertykał do pokazania: 'jav' albo 'animation'. Brak → główny feed, "
+            "czyli WSZYSTKIE wertykały wykluczone. Zastępuje starsze `jav=true`, "
+            "które zostaje dla instalacji sprzed sierpnia 2026."
+        ),
+    ),
     jav: bool = Query(
         default=False,
         description=(
@@ -248,7 +286,15 @@ def list_scenes(
             "JAV to osobna sekcja w apce, nie zalewa głównego feedu (origin javflix/javguru/vjav/supjav)."
         ),
     ),
-    sort: str = Query(default="created_at", description="created_at|release_date|title|studio"),
+    sort: str = Query(
+        default="created_at",
+        description="created_at|release_date|title|studio|random|duration_desc|duration_asc",
+    ),
+    seed: str | None = Query(
+        default=None,
+        max_length=64,
+        description="Dla sort=random: ten sam seed daje ten sam porzadek na kolejnych stronach.",
+    ),
     page: int = Query(default=1, ge=1),
     per_page: int = Query(default=50, ge=1, le=200),
 ) -> SceneListOut:
@@ -283,7 +329,7 @@ def list_scenes(
     if len(tag_slug_list) > _MAX_TAGS:
         raise HTTPException(status_code=422, detail=f"too many tag filters (max {_MAX_TAGS})")
     # AND między tagami: scena musi mieć WSZYSTKIE zaznaczone tagi. Każdy slug → osobny
-    # exists() — zaznaczanie kolejnych filtrów zawęża wyniki, jak intuicja użytkownika.
+    # exists(), zaznaczanie kolejnych filtrów zawęża wyniki, jak intuicja użytkownika.
     #
     # PERF (2026-06-07): resolvujemy slug→tag_id w aplikacji i filtrujemy po LITERALNYM
     # tag_id (NIE JOIN po Tag.slug). Z literałem planner zna kardynalność tagu ze
@@ -337,32 +383,49 @@ def list_scenes(
         base = base.where(~live_playback_exists())
 
     if origin:
-        # Substring match na origin — 'hqporner' złapie 'tube:hqpornercom'.
+        # Pelny origin z ekranu strony ('tube:hdporngg') porownujemy wprost: rownosc idzie
+        # po ix_playback_sources_origin_live, a ILIKE '%...%' przeszukiwal kazde zrodlo
+        # kazdej kandydujacej sceny (wyszukiwanie w obrebie strony 4,6 s, Sentry Slow DB
+        # Query 2026-09-15). Krotka forma z filtra ('hqporner') zostaje substringiem.
+        origin_clause = (
+            PlaybackSource.origin == origin
+            if ":" in origin
+            else PlaybackSource.origin.ilike(f"%{origin}%")
+        )
         base = base.where(
             exists(
                 select(1).where(
                     PlaybackSource.scene_id == Scene.id,
                     PlaybackSource.dead_at.is_(None),
-                    PlaybackSource.origin.ilike(f"%{origin}%"),
+                    origin_clause,
                 )
             )
         )
 
-    # JAV vertical gate: domyślnie JAV wykluczone z głównego feedu; ?jav=true → TYLKO JAV.
+    # Brama wertykałów: domyślnie WSZYSTKIE wykluczone z głównego feedu, `?vertical=X`
-    # ALE gdy user browse'uje KONKRETNY origin (Sites → javflix/vjav/supjav → SiteScenes),
+    # → TYLKO ten wertykał. ALE gdy user browse'uje KONKRETNY origin (Sites → javflix/
-    # bramy nie stosujemy — jawnie chce ten origin, więc pokazujemy (regresja "No videos"
+    # vjav/hentaigasm → SiteScenes), bramy nie stosujemy, bo jawnie chce ten origin
-    # na stronach JAV, bug-report 2026-07-19). Brama dotyczy tylko głównego feedu (origin=None).
+    # (regresja "No videos" na stronach JAV, bug-report 2026-07-19). Brama dotyczy tylko
-    if jav:
+    # głównego feedu (origin=None).
-        base = base.where(_jav_source_exists())
+    wanted = vertical if vertical in verticals.VERTICALS else ("jav" if jav else None)
+    if wanted:
+        base = base.where(_vertical_source_exists(wanted))
     elif origin is None:
-        base = base.where(~_jav_source_exists())
+        base = base.where(~_vertical_source_exists())
 
-    # Blacklisty device (performer/studio/tag) — globalne wykluczenia, współdzielone z
+    # Blacklisty device (performer/studio/tag), globalne wykluczenia, współdzielone z
     # licznikiem +N ulubionych. Puste blacklisty → [] (typowy single-user, zero kosztu).
     for _bl_clause in blacklist_clauses(session, device_id):
         base = base.where(_bl_clause)
 
-    if min_duration_sec is not None:
+    # `min_duration_sec=0` znaczy "bez progu", a NIE `duration_sec >= 0`. To rozroznienie
+    # jest tu istotne, bo w SQL NULL nie przechodzi ZADNEGO porownania: przy `>= 0` scena
+    # o NIEZNANEJ dlugosci wypadala tak samo jak dziesieciosekundowy smiec. Dla serwisow,
+    # ktore dlugosci nie podaja w ogole (hentaimama, javflix, supjav, hentaigasm,
+    # hentaiplay, xanimeporn maja 100% NULL), lista wychodzila PUSTA, mimo ze wejscie w
+    # konkretny serwis jest jawna prosba usera o jego zawartosc. Prog > 0 dalej odcina
+    # NULL-e swiadomie, bo tam filtrujemy smieci w glownym feedzie.
+    if min_duration_sec:
         base = base.where(Scene.duration_sec >= min_duration_sec)
     if max_duration_sec is not None:
         base = base.where(Scene.duration_sec <= max_duration_sec)
@@ -373,28 +436,14 @@ def list_scenes(
         base = base.where(Scene.release_date >= cutoff)
 
     if min_quality_p is not None:
-        # PlaybackSource.quality to wolny string — szukamy liczb w prefixie ('1080p',
+        # Skalarny filtr po zdenormalizowanej kolumnie. Wcześniejsze podejścia (EXISTS
-        # '1080p Full HD', '2160p'). Heurystyka: wystarczy że scena ma JEDEN żywy
+        # na playback_sources, potem JOIN z DISTINCT) dawały 32-52 s na produkcji, bo
-        # playback z quality liczbą >= min. '4K'/'UHD' aliasujemy na 2160.
+        # planer i tak przechodził `scenes` po `created_at` scena po scenie. Pomiary
-        from sqlalchemy import Integer, cast, or_
+        # i uzasadnienie: migracja 0029_scenes_max_quality.
-        numeric_q = cast(
+        #
-            func.coalesce(func.substring(PlaybackSource.quality, r"\d+"), "0"),
+        # NULL (93,5% katalogu) NIE przechodzi, i tak ma być: filtr obiecuje jakość
-            Integer,
+        # potwierdzoną, a nie zgadywaną. UI mówi o tym wprost pod przełącznikiem.
-        )
+        base = base.where(Scene.max_quality_p >= min_quality_p)
-        conds = [numeric_q >= min_quality_p]
-        if min_quality_p <= 2160:
-            conds.append(PlaybackSource.quality.ilike("%4k%"))
-            conds.append(PlaybackSource.quality.ilike("%uhd%"))
-        base = base.where(
-            exists(
-                select(1).where(
-                    PlaybackSource.scene_id == Scene.id,
-                    PlaybackSource.dead_at.is_(None),
-                    PlaybackSource.quality.isnot(None),
-                    or_(*conds),
-                )
-            )
-        )
 
     if not include_stubs:
         # Stub scene heuristic (współdzielona z licznikiem +N ulubionych): tube-only scena
@@ -406,9 +455,9 @@ def list_scenes(
     _is_pure_default = (
         not include_stubs and not q and not studio_slug_list and not tag_slug_list
         and not perf_id_strings and origin is None and has_playback is None
-        and min_duration_sec is None
+        and not min_duration_sec
         and max_duration_sec is None and released_within_days is None
-        and min_quality_p is None and not jav
+        and min_quality_p is None and not jav and vertical is None
     )
     # Count strategy:
     #  - PURE default: cached pełny licznik katalogu (TTL 10 min).
@@ -416,45 +465,88 @@ def list_scenes(
     #    dominującym kosztem (~4s na has_playback / min_duration / duży tag) i plan
     #    był NIESTABILNY (literal LIMIT + count-nad-PK pomogły w części przypadków,
     #    ale planer i tak czasem skanuje cały zbiór zamiast urwać). Mobile paginuje
-    #    po `has_more` (per_page+1 fetch), NIE po `total` — `total` to tylko licznik
+    #    po `has_more` (per_page+1 fetch), NIE po `total`, `total` to tylko licznik
     #    "N+" w UI. Wyprowadzamy go z has_more PO fetchu (patrz niżej): dolna granica
     #    + flaga "jest więcej". Eliminuje cały koszt count z każdej filtrowanej listy.
     total_capped = False
     total: int | None = _default_scene_count(session) if _is_pure_default else None
 
-    # Sort: KAŻDY tryb kończy się `Scene.id.desc()` — unikalny PK jako ostateczny
+    # Sort: KAŻDY tryb kończy się `Scene.id.desc()`, unikalny PK jako ostateczny
     # tie-break. Bez tego przy OFFSET-paginacji sceny z IDENTYCZNYM created_at (masowy
     # ingest = ten sam timestamp co do sekundy) i release_date mają NIEustalony porządek,
     # więc kolejne strony nakładają się na siebie → feed "powtarza się" przy scrollu
     # (report 304c9258). created_at desc dalej pierwszy, więc index-walk zostaje.
     if sort == "release_date":
+        # Data premiery LUB, gdy jej nie ma, data trafienia do katalogu. Czyste
+        # `release_date DESC NULLS LAST` chowalo swiezosc, bo tuby daty premiery zwykle
+        # NIE podaja: xhamster 99,2% scen bez daty, xnxx 97,7%, porntrex 95,8%, hqporner
+        # 93,5%, sxyprn 85,7%. Wszystkie NULL-e ladowaly za datowanymi, wiec 82 z 91 scen
+        # dodanych w hqporner przez tydzien siedzialo za 3,4 tys. starszych pozycji i
+        # user widzial "brak nowych scen" (zgloszenie 1df50de3), mimo ze ingest dzialal.
+        # Sceny z prawdziwa data (kanon z TPDB/StashDB) sortuja sie jak dotad.
+        # Wyrazenie musi byc IMMUTABLE, zeby weszlo do indeksu: `created_at::date` zalezy
+        # od strefy sesji, stad jawne AT TIME ZONE 'UTC'. Indeks:
+        # ix_scenes_effective_date_desc (migracja 0033).
         ordered = base.order_by(
-            Scene.release_date.desc().nullslast(), Scene.created_at.desc(), Scene.id.desc()
+            _effective_date_desc(), Scene.created_at.desc(), Scene.id.desc()
         )
     elif sort == "title":
         ordered = base.order_by(
             Scene.title_normalized.asc(), Scene.created_at.desc(), Scene.id.desc()
         )
     elif sort == "studio":
-        # Sceny bez studio na końcu; w obrębie studio — najświeższe pierwsze.
+        # Sceny bez studio na końcu; w obrębie studio, najświeższe pierwsze.
         ordered = (
             base.outerjoin(Studio, Studio.id == Scene.studio_id)
             .order_by(
                 Studio.name_normalized.asc().nullslast(),
-                Scene.release_date.desc().nullslast(),
+                _effective_date_desc(),
                 Scene.created_at.desc(),
                 Scene.id.desc(),
             )
         )
+    elif sort in ("duration_desc", "duration_asc"):
+        # Najdluzsze / najkrotsze (zgloszenie ae6a045b). Sceny bez dlugosci odpadaja,
+        # dzieki czemu jeden indeks (duration_sec, created_at, id) WHERE duration_sec
+        # IS NOT NULL obsluguje oba kierunki skanem w przod i w tyl (migracja 0035).
+        dur = Scene.duration_sec.desc() if sort == "duration_desc" else Scene.duration_sec.asc()
+        created = Scene.created_at.desc() if sort == "duration_desc" else Scene.created_at.asc()
+        ident = Scene.id.desc() if sort == "duration_desc" else Scene.id.asc()
+        # Gorny limit 10 h: tuby raportuja czasem absurdy (rekord 130 h), ktore
+        # zasmiecalyby szczyt listy „najdluzsze".
+        ordered = (
+            base.where(Scene.duration_sec.isnot(None), Scene.duration_sec <= 36000)
+            .order_by(dur, created, ident)
+        )
+    elif sort == "random":
+        # Losowo bez sortowania milionow wierszy: id to losowy UUID, wiec porzadek po id
+        # od losowego punktu startu JEST losowy i idzie po indeksie PK. Punkt startu
+        # wynika z seeda (md5 -> uuid), wiec paginacja jest stabilna, a nowy seed
+        # (pull-to-refresh w apce) daje nowe rozdanie. Za koncem zakresu lista sie konczy.
+        start = uuid.UUID(hashlib.md5((seed or uuid.uuid4().hex).encode("utf-8")).hexdigest())
+        # Okno kandydatow po PK z LIMIT, a filtry (EXISTS/NOT EXISTS) dopiero na nim.
+        # Bez okna planer robil Merge Anti Join z indeksem playback_sources po scene_id
+        # i przechodzil 2,3 mln wierszy (7,6 s), bo ORDER BY id pasowal do obu indeksow.
+        # Z oknem 2000 id to nested loop po kilkudziesieciu wierszach (pomiar 2026-09-14).
+        # Okno rosnie ze strona, zeby glebsze strony mialy z czego wybierac. Sekcje
+        # wertykalne (JAV, Anime) to ~2% katalogu, wiec dostaja 4x szersze okno; z 2000 id
+        # JAV wyciagal 27 scen i druga strona bylaby pusta. Szersze okno dla wszystkich
+        # nie wchodzi w gre: z filtrem tagu 6000 id to 2,7 s (probe scene_tags per scena).
+        base_window = 8000 if (vertical or jav) else 2000
+        window = max(base_window, page * per_page * 4)
+        cand = (
+            select(Scene.id).where(Scene.id > start).order_by(Scene.id.asc()).limit(window).subquery()
+        )
+        ordered = base.where(Scene.id.in_(select(cand.c.id))).order_by(Scene.id.asc())
     else:  # created_at
         ordered = base.order_by(
             Scene.created_at.desc(), Scene.release_date.desc().nullslast(), Scene.id.desc()
         )
 
-    # Fetch per_page+1 — obecność (per_page+1)-szego wiersza = jest kolejna strona.
+    # Fetch per_page+1, obecność (per_page+1)-szego wiersza = jest kolejna strona.
     # To źródło prawdy dla paginacji (mobile getNextPageParam), niezależne od bounded
     # `total`. Nadmiarowy wiersz odcinamy przed serializacją.
-    # LIMIT/OFFSET literalne (NIE bound-param) — patrz wyżej: sparametryzowany LIMIT
+    # LIMIT/OFFSET literalne (NIE bound-param), patrz wyżej: sparametryzowany LIMIT
     # psuje early-termination i przy filtrach EXISTS planer robi gather-all+sort (sekundy)
     # zamiast limit-aware index-walk po `ix_scenes_created_at_desc`. page/per_page to
     # walidowane inty (Query ge=1, le=200), więc literal_column jest bezpieczne.
@@ -475,7 +567,9 @@ def list_scenes(
         total = (page - 1) * per_page + len(rows)
         total_capped = has_more
 
-    items = _build_scenes_out_batch(session, list(rows), light=True, device_id=device_id)
+    items = _build_scenes_out_batch(
+        session, list(rows), light=True, device_id=device_id, prefer_origin=origin
+    )
 
     return SceneListOut(
         items=items,
@@ -506,14 +600,14 @@ def similar_scenes(
     device_id: Annotated[str, Depends(get_device_id)],
     limit: int = Query(default=12, ge=1, le=30),
 ) -> SceneListOut:
-    """Sceny podobne do danej — ranking po WSPÓLNYCH performerach (mocny sygnał) i
+    """Sceny podobne do danej, ranking po WSPÓLNYCH performerach (mocny sygnał) i
     tagach (słabszy). Zwraca tylko grywalne sceny (żywy playback), zgodne z bramą JAV
     (JAV↔JAV, nie-JAV↔nie-JAV), z pominięciem blacklist/stubów/samej siebie.
 
     Wydajność: performerzy są selektywni, więc pula kandydatów z nich jest mała (cap
     _CAND_CAP). Tagi liczymy TYLKO w obrębie tej puli (tanio). Fill z tagów (bounded
     _TAG_FILL_CAP, HAVING >=2 wspólne) odpala się gdy scena ma mało/zero performerów
-    (anonimowe tube sceny) — inaczej szeroki tag typu 'blowjob' skanowałby setki tysięcy
+    (anonimowe tube sceny), inaczej szeroki tag typu 'blowjob' skanowałby setki tysięcy
     wierszy. Cały ranking i sort robimy w Pythonie nad OGRANICZONYMI zbiorami id."""
     scene = session.get(Scene, scene_id)
     if scene is None:
@@ -527,7 +621,7 @@ def similar_scenes(
         select(ScenePerformer.performer_id).where(ScenePerformer.scene_id == scene_id)
     ).scalars().all()
     # Odsiej ŚMIECIOWYCH performerów: kategorie/studia podszywające się pod performera
-    # (over-attribution z luźnego tube-searcha — np. "Big Tits", "Brazzers", "Ball Licking").
+    # (over-attribution z luźnego tube-searcha, np. "Big Tits", "Brazzers", "Ball Licking").
     # Sygnał: slug pokrywa się z tagiem I performer NIE ma kanonicznego refa (tpdb/stashdb).
     # Prawdziwi performerzy z tym samym tagiem (tuby tagują sceny nazwiskiem) mają kanoniczny
     # ref → zostają. Bez tego similar klastrował się po "Ball Licking" zamiast po treści.
@@ -584,15 +678,38 @@ def similar_scenes(
             .group_by(SceneTag.scene_id)
         ).all()
         tag_shared = {r[0]: r[1] for r in rows}
-    # Fill z tagów gdy performerów mało/brak (anonimowe tube sceny) — inaczej pomijamy,
+    # Fill z tagów gdy performerów mało/brak (anonimowe tube sceny), inaczej pomijamy,
     # bo szeroki tag skanuje setki tysięcy scen.
     if tag_ids and len(cand_ids) < limit * 4:
+        # Pula z NAJRZADSZYCH tagów (najwięcej mówią o scenie), po _TAG_SEED_ROWS scen na
+        # tag, a wspólne tagi liczymy tylko dla tej puli. Grupowanie po wszystkich tagach
+        # sceny naraz czytało całe 'amateur' + 'teen-18' + 'handjob' (600 tys. wierszy,
+        # do 5 s). Sceny, które łączą z celem wyłącznie szerokie tagi, i tak są słabo
+        # podobne, więc ich pominięcie nic nie psuje.
+        _TAG_SEED_TAGS, _TAG_SEED_ROWS = 4, 1500
+        tag_sizes = dict(
+            session.execute(select(Tag.id, Tag.scene_count).where(Tag.id.in_(tag_ids))).all()
+        )
+        live_tags = [t for t in tag_ids if (tag_sizes.get(t) or 0) > 0] or list(tag_ids)
+        seed_tags = sorted(live_tags, key=lambda t: tag_sizes.get(t) or 0)[:_TAG_SEED_TAGS]
+        pool = union(
+            *[
+                select(SceneTag.scene_id)
+                .where(SceneTag.tag_id == t, SceneTag.scene_id != scene_id)
+                .limit(_TAG_SEED_ROWS)
+                for t in seed_tags
+            ]
+        ).subquery("pool")
+        shared = func.count(distinct(SceneTag.tag_id))
         rows = session.execute(
-            select(SceneTag.scene_id, func.count(distinct(SceneTag.tag_id)).label("c"))
+            select(pool.c.scene_id, shared.label("c"))
-            .where(SceneTag.tag_id.in_(tag_ids), SceneTag.scene_id != scene_id)
+            .join(
-            .group_by(SceneTag.scene_id)
+                SceneTag,
-            .having(func.count(distinct(SceneTag.tag_id)) >= 2)
+                and_(SceneTag.scene_id == pool.c.scene_id, SceneTag.tag_id.in_(tag_ids)),
-            .order_by(func.count(distinct(SceneTag.tag_id)).desc())
+            )
+            .group_by(pool.c.scene_id)
+            .having(shared >= 2)
+            .order_by(shared.desc())
             .limit(_TAG_FILL_CAP)
         ).all()
         for sid, c in rows:
@@ -602,19 +719,24 @@ def similar_scenes(
     if not cand_ids:
         return _empty
 
-    # Filtr widoczności (ta sama definicja co lista): grywalne + zgodne z bramą JAV +
+    # Filtr widoczności (ta sama definicja co lista): grywalne + ten sam wertykał +
     # blacklist + nie-stub + nie-self.
-    target_is_jav = bool(
+    # Podobne muszą zostać w tym samym wertykale co scena-cel: dla sceny animowanej
-        session.execute(
+    # nie proponujemy zachodnich i odwrotnie (inne namespace'y, zero dedupu).
-            select(_jav_source_exists()).select_from(Scene).where(Scene.id == scene_id)
+    target_vertical: str | None = None
-        ).scalar()
+    for _name in verticals.VERTICALS:
-    )
+        if session.execute(
+            select(_vertical_source_exists(_name)).select_from(Scene).where(Scene.id == scene_id)
+        ).scalar():
+            target_vertical = _name
+            break
     filt = select(Scene.id).where(
         Scene.id.in_(cand_ids),
         Scene.id != scene_id,
         live_playback_exists(),
         stub_exclusion_clause(),
-        _jav_source_exists() if target_is_jav else ~_jav_source_exists(),
+        _vertical_source_exists(target_vertical) if target_vertical
+        else ~_vertical_source_exists(),
     )
     for _bl in blacklist_clauses(session, device_id):
         filt = filt.where(_bl)
@@ -642,7 +764,7 @@ _SXYPRN_POST_RE = re.compile(r"sxyprn\.com/post/([0-9a-f]{6,40})", re.IGNORECASE
 
 def _sxyprn_thumb_url(page_url: str | None) -> str | None:
     """Dla źródła sxyprn zwraca STABILNY endpoint on-demand resolvera
-    (`/proxy/sxyprn-thumb/<id>`) zamiast martwego trafficdeposit URL — token żyje ~1h,
+    (`/proxy/sxyprn-thumb/<id>`) zamiast martwego trafficdeposit URL, token żyje ~1h,
     więc poster resolvujemy przy serwowaniu (bug 2026-06-10)."""
     if not page_url:
         return None
@@ -655,7 +777,7 @@ _YOUPORN_WATCH_RE = re.compile(r"youporn\.com/watch/(\d+)", re.IGNORECASE)
 
 def _youporn_thumb_url(page_url: str | None, thumb: str | None) -> str | None:
     """Dla youporn z PODPISANYM posterem (imgproxy `?hash=...&validto=`) zwraca stabilny
-    on-demand endpoint `/proxy/youporn-thumb/<video_id>` — zapisany podpis wygasa i CDN
+    on-demand endpoint `/proxy/youporn-thumb/<video_id>`, zapisany podpis wygasa i CDN
     oddaje 410 (bug-report bebf8c92; 8666 z 62930 źródeł). Statycznych `.../original/N.jpg`
     NIE ruszamy (działają bezterminowo, zero dodatkowych fetchy)."""
     if not page_url or not thumb or "hash=" not in thumb:
@@ -667,40 +789,94 @@ def _youporn_thumb_url(page_url: str | None, thumb: str | None) -> str | None:
 def _is_rotting_thumb(url: str) -> bool:
     """sxyprn/trafficdeposit miniaturki są czasowo podpisane i rotują (asset 404 po
     ~tygodniach, nie odświeżalne server-side; bug 2026-06-10). De-prioritize je w wyborze
-    slim-thumbnaila — używamy tylko gdy scena nie ma żadnej innej miniaturki."""
+    slim-thumbnaila, używamy tylko gdy scena nie ma żadnej innej miniaturki."""
     if "trafficdeposit.com" in url:
         return True
-    # imgs.xiaoshenke.net (fullporner) oddaje 200 z ~153-bajtową ATRAPĄ zamiast obrazu.
+    # imgs.xiaoshenke.net (fullporner) było tu wpisane 2026-08-02, bo host oddawał 200
-    # Formalnie „ma miniaturę", więc przechodziło warunek `find(s => s.thumbnail_url)`
+    # z ~153-bajtową atrapą zamiast obrazu (zgłoszenia a01dc891 / 2fbba822 / b437d5f7).
-    # w apce i WYGRYWAŁO jako pierwsze źródło — a działająca miniatura (np. hqporner,
+    # To był stan PRZEJŚCIOWY: pomiar 2026-08-11 na 300 losowych URL-ach z bazy dał
-    # 22 kB) leżała niżej i nigdy nie była użyta. Objawiało się dopiero po scaleniu scen
+    # 298 prawdziwych JPEG-ów (5-25 kB), tak samo z VPS jak i z łącza domowego.
-    # („3 źródła live, a miniaturki nie ma", zgłoszenia a01dc891 / 2fbba822 / b437d5f7):
+    # Blokada zdjęta, bo szkodziła bardziej niż pomagała: w SceneDetail (linia ~879)
-    # przy jednym źródle brało się to dobre, po merge na czoło wchodziła atrapa.
+    # rotting-thumb jest ZEROWANY, więc sceny mające tylko fullporner traciły miniaturę
-    if "imgs.xiaoshenke.net" in url:
+    # całkowicie („Jakiś problem z miniaturkami z fullporner"). Dotyczyło 53 tys. źródeł.
-        return True
+    # Gdyby atrapy wróciły, filtruj po ROZMIARZE odpowiedzi w image-proxy, nie po hoście.
-    # tn.sextu.com (fullvideosporn) — CDN odrzuca ruch z IP datacenter (429), więc nasze
+    # tn.sextu.com (fullvideosporn), CDN odrzuca ruch z IP datacenter (429), więc nasze
     # image-proxy NIGDY tej miniatury nie pobierze (znany problem tego źródła). Traktujemy
     # jak martwą, żeby scena po merge sięgnęła po działającą z innego źródła.
     if "tn.sextu.com" in url:
         return True
-    # fastpic.org (galaxyporn i inne re-uploadery) — hosting zrywa połączenie zamiast
+    # fastpic.org (galaxyporn i inne re-uploadery), hosting zrywa połączenie zamiast
     # oddać obraz (RemoteProtocolError), czyli martwy. Zerowanie ma tu dodatkowy zysk:
     # scena bez miniatury odpala w apce auto-enrich, który pobiera świeżą ze strony
     # tube'a. Zgłoszenie c2f1dd41; dotyczy 240 z 20213 źródeł galaxyporn.
     return "fastpic.org" in url
 
 
+def _is_flaky_thumb(url: str) -> bool:
+    """Host, który działa BYWA, ale zbyt często pada, żeby wygrywać wybór miniaturki.
+
+    W odróżnieniu od `_is_rotting_thumb` NIE zerujemy takiej miniatury w SceneDetail:
+    to nie jest martwy URL, tylko niepewny. Zerowanie powtórzyłoby wpadkę z fullpornerem
+    z sierpnia 2026, gdzie sceny mające tylko to źródło traciły obrazek całkowicie.
+
+    Problem był w kolejności wyboru: miniaturkę wygrywał pierwszy origin alfabetycznie,
+    a `tube:fullmoviesxxx` sortuje się PRZED `tube:fullporner`, więc chwiejny host
+    przykrywał zdrowy. 51 799 z 52 758 takich scen (98%) ma alternatywę, więc degradacja
+    niemal zawsze ma czym zastąpić.
+
+    Pomiar 2026-08-13, po 20-25 losowych URL-ach na host:
+
+        img.fullmovies.xxx    12/20 ok   (5× ReadTimeout, 3× 502)   54 019 źródeł
+        img.hdporn.gg         16/20 ok   (3× 502, 1× ReadTimeout)   54 267 źródeł
+        imgs.xiaoshenke.net   20/20 ok   (fullporner)               68 406 źródeł
+        freshporno.org        20/20 ok
+
+    `img.hdporn.gg` dopisany po sprawdzeniu efektu pierwszej wersji: degradacja samego
+    fullmovies przesunęła wybór na hdporn (44 z 60 scen), czyli przeniosłaby problem
+    zamiast go rozwiązać. Po dopisaniu obu wygrywają hosty ze 100% skutecznością.
+    """
+    return "img.fullmovies.xxx" in url or "img.hdporn.gg" in url
+
+
+#: Im niżej, tym gorzej. Używane TYLKO wewnątrz tieru fallback, czyli gdy scena nie ma
+#: żadnej zdrowej miniatury i trzeba wybrać mniejsze zło. Bez tego decydowała kolejność
+#: alfabetyczna originu, przez co scena mająca fullmovies + hdporn dostawała fullmovies,
+#: czyli host o 40% awaryjności zamiast tego o 20%.
+_FLAKY_RANK = (
+    ("img.hdporn.gg", 1),        # 16/20 ok
+    ("img.fullmovies.xxx", 2),   # 12/20 ok
+)
+
+
+def _flaky_rank(url: str) -> int:
+    for host, rank in _FLAKY_RANK:
+        if host in url:
+            return rank
+    return 0  # nie-chwiejny (martwy rotting-thumb) — bez preferencji
+
+
+def _is_preferred_origin(origin: str | None, prefer_origin: str | None) -> bool:
+    """Czy to origin, ktory user wlasnie przeglada (`/scenes?origin=`).
+
+    Porownanie substringiem, bo parametr API jest substringowy: `hqporner` ma zlapac
+    `tube:hqpornercom`.
+    """
+    if not prefer_origin or not origin:
+        return False
+    return prefer_origin.lower() in origin.lower()
+
+
 def _needs_proxy(url: str) -> bool:
     """Wszystkie thumbnaile z playback_sources są proxowane przez backend.
     Większość CDN-ów porn-tube'ów wymaga Refera (hqporner, mypornerleak/58img,
-    inne sxyprn/eporner CDN-y) — expo-image nie wysyła Referera.
+    inne sxyprn/eporner CDN-y), expo-image nie wysyła Referera.
     Self-hosted lub backend-internal URL-e (zaczynające się od `/`) skipujemy."""
     return url.startswith("http") and not url.startswith("/proxy/")
 
 
 def _wrap_image_proxy(url: str, referer: str) -> str:
     """Wraps a thumbnail URL through /proxy/img/{token}/img.jpg. Klient nie musi
-    znać sekretu Referer — backend wstawi sam. Long TTL (30d) bo thumby
+    znać sekretu Referer, backend wstawi sam. Long TTL (30d) bo thumby
     są stabilne, krótkie ttl by tylko niepotrzebnie zaśmiecało cache."""
     from app.api.stream_proxy import make_token
     # stable_bucket_sec=7d → proxied URL identyczny przez tydzień → expo-image
@@ -713,11 +889,16 @@ def _wrap_image_proxy(url: str, referer: str) -> str:
 
 
 def _build_scenes_out_batch(
-    session: Session, scenes: list[Scene], *, light: bool = False, device_id: str = LEGACY_DEVICE
+    session: Session,
+    scenes: list[Scene],
+    *,
+    light: bool = False,
+    device_id: str = LEGACY_DEVICE,
+    prefer_origin: str | None = None,
 ) -> list[SceneOut]:
     """Batch-fetch wszystkich relacji dla N scen w 7 zapytaniach (zamiast 7×N).
 
-    Eliminuje N+1 z `_build_scene_out` w listach scen — `/scenes?per_page=24` szło
+    Eliminuje N+1 z `_build_scene_out` w listach scen, `/scenes?per_page=24` szło
     z ~9.6s do <500ms. Pojedyncza scena (`/scenes/{id}`) nadal używa `_build_scene_out`
     bo overhead na batch nie ma sensu dla N=1.
 
@@ -760,7 +941,7 @@ def _build_scenes_out_batch(
             )
         )
 
-    # 3) Tags + 4) External refs — kafelek listy ich nie używa; w light mode pomijamy
+    # 3) Tags + 4) External refs, kafelek listy ich nie używa; w light mode pomijamy
     # (SceneDetail re-fetchuje pełną scenę przez /scenes/{id}).
     tags_by_scene: dict = defaultdict(list)
     refs_by_scene: dict = defaultdict(list)
@@ -788,9 +969,11 @@ def _build_scenes_out_batch(
                 )
             )
 
-    # 5) Playback sources. Light mode: tylko miniaturka (jedna na scenę) — kafelek
+    # 5) Playback sources. Light mode: tylko miniaturka (jedna na scenę), kafelek
     # czyta wyłącznie playback_sources[].thumbnail_url / animated_thumbnail_url.
     pb_by_scene: dict = defaultdict(list)
+    # origin per scena, wyłącznie do policzenia `vertical` (obie ścieżki go wypełniają).
+    origins_by_scene: dict = {}
     if light:
         pb_light = session.execute(
             select(
@@ -798,6 +981,10 @@ def _build_scenes_out_batch(
                 PlaybackSource.thumbnail_url,
                 PlaybackSource.animated_thumbnail_url,
                 PlaybackSource.page_url,
+                # origin dociągamy wyłącznie po to, żeby policzyć `vertical` (tania kolumna
+                # z tego samego wiersza, zero dodatkowych zapytań). Do samego kafelka
+                # nieużywany, slim wpis niżej dostaje origin="".
+                PlaybackSource.origin,
             )
             .where(
                 PlaybackSource.scene_id.in_(scene_ids),
@@ -806,31 +993,46 @@ def _build_scenes_out_batch(
             .order_by(PlaybackSource.origin.asc())
         ).all()
         # Pierwsza miniaturka + pierwszy animated per scena (1 slim wpis). De-prioritize
-        # sxyprn/trafficdeposit thumbnaile — są podpisane czasowo i ROTUJĄ (asset 404 po
+        # sxyprn/trafficdeposit thumbnaile, są podpisane czasowo i ROTUJĄ (asset 404 po
         # ~tygodniach, nie da się re-signować; bug 2026-06-10). Wolimy miniaturkę z innego
         # źródła gdy istnieje; sxyprn bierzemy tylko gdy nic innego nie ma (świeże jeszcze
         # działają, martwe → mobile pokazuje placeholder zamiast broken-image).
         thumb_by_scene: dict = {}
         thumb_fallback: dict = {}
         anim_by_scene: dict = {}
-        for sid, thumb, anim, page_url in pb_light:
+        for sid, thumb, anim, page_url, origin in pb_light:
+            origins_by_scene.setdefault(sid, []).append(origin)
             sxy = _sxyprn_thumb_url(page_url)
             yp = _youporn_thumb_url(page_url, thumb)
             if sxy:
                 # sxyprn → żywy on-demand resolver (martwy stored URL ignorujemy),
                 # tier fallback: użyty tylko gdy scena nie ma stabilniejszej miniatury.
-                thumb_fallback.setdefault(sid, (sxy, page_url))
+                thumb_fallback.setdefault(sid, (sxy, page_url, origin))
             elif yp:
                 # youporn z podpisanym (wygasającym) posterem → on-demand resolver.
                 # Też tier fallback: statyczna miniatura z innego źródła jest tańsza.
-                thumb_fallback.setdefault(sid, (yp, page_url))
+                thumb_fallback.setdefault(sid, (yp, page_url, origin))
             elif thumb:
-                if _is_rotting_thumb(thumb):
+                if _is_rotting_thumb(thumb) or _is_flaky_thumb(thumb):
-                    thumb_fallback.setdefault(sid, (thumb, page_url))
+                    # Martwe ORAZ chwiejne lądują w tierze fallback: użyte tylko wtedy,
-                elif sid not in thumb_by_scene:
+                    # gdy scena nie ma stabilniejszej miniatury z innego źródła. W obrębie
-                    thumb_by_scene[sid] = (thumb, page_url)
+                    # samego fallbacku wybieramy mniejsze zło wg `_FLAKY_RANK`, bo inaczej
-            if sid not in anim_by_scene and anim:
+                    # decydowałaby kolejność alfabetyczna originu i scena z fullmovies +
-                anim_by_scene[sid] = (anim, page_url)
+                    # hdporn dostawała gorszy z dwóch (pomiar: 38 z 60 takich scen).
+                    prev = thumb_fallback.get(sid)
+                    if prev is None or _flaky_rank(thumb) < _flaky_rank(prev[0]):
+                        thumb_fallback[sid] = (thumb, page_url, origin)
+                elif sid not in thumb_by_scene or _is_preferred_origin(origin, prefer_origin):
+                    # Gdy user przeglada KONKRETNY serwis, jego miniaturka wygrywa.
+                    # Wczesniej decydowala kolejnosc alfabetyczna originu, wiec na liscie
+                    # hqporner kafelki scen wspoldzielonych z fullpornerem bralo
+                    # `tube:fullporner` (< `tube:hqpornercom`), a czesc tych miniaturek to
+                    # 153-bajtowa atrapa z imgs.xiaoshenke.net oddawana z kodem 200. Efekt:
+                    # puste kafelki podpisane FULLPORNER na liscie hqporner, mimo ze ta
+                    # sama scena miala obok zdrowa miniaturke hqporner (zgloszenie 1df50de3).
+                    thumb_by_scene[sid] = (thumb, page_url, origin)
+            if anim and (sid not in anim_by_scene or _is_preferred_origin(origin, prefer_origin)):
+                anim_by_scene[sid] = (anim, page_url, origin)
         # Uzupełnij scenami które mają TYLKO rotting thumbnail (sxyprn-only).
         for sid, val in thumb_fallback.items():
             thumb_by_scene.setdefault(sid, val)
@@ -846,11 +1048,12 @@ def _build_scenes_out_batch(
                 t_url = _wrap_image_proxy(t_url, ref)
             if a_url and _needs_proxy(a_url):
                 a_url = _wrap_image_proxy(a_url, ref)
-            # id/origin/page_url wymagane przez schemat ale nieużywane przez kafelek
+            # `origin` niesiemy PRAWDZIWY (źródła wybranej miniatury): kafelek pokazuje
-            # (SceneDetail re-fetchuje pełne źródła) — dummy sentinel.
+            # nazwę serwisu (element z makiety C, 2026-08-18). `id`/`page_url` zostają
+            # sentinelem, bo SceneDetail i tak re-fetchuje pełne źródła.
             pb_by_scene[sid].append(
                 PlaybackSourceOut(
-                    id=uuid.UUID(int=0), origin="", page_url="",
+                    id=uuid.UUID(int=0), origin=(t or a)[2] or "", page_url="",
                     thumbnail_url=t_url, animated_thumbnail_url=a_url,
                 )
             )
@@ -864,6 +1067,7 @@ def _build_scenes_out_batch(
             .order_by(PlaybackSource.origin.asc())
         ).scalars().all()
         for p in pb_rows:
+            origins_by_scene.setdefault(p.scene_id, []).append(p.origin)
             out = PlaybackSourceOut.model_validate(p)
             # sxyprn/trafficdeposit stored thumb rotuje (404 po ~tygodniach). SceneDetail
             # bierze PIERWSZE źródło z thumbem (origin ASC → sxyprncom często pierwsze), więc
@@ -925,6 +1129,8 @@ def _build_scenes_out_batch(
                 tags=tags_by_scene.get(scene.id, []),
                 external_refs=refs_by_scene.get(scene.id, []),
                 playback_sources=pb_by_scene.get(scene.id, []),
+                vertical=verticals.vertical_for_origins(origins_by_scene.get(scene.id, ())),
+                max_quality_p=scene.max_quality_p,
                 created_at=scene.created_at,
                 backfill=scene.backfill,
                 last_played_at=progress.last_played_at if progress else None,
@@ -999,7 +1205,7 @@ def _build_scene_out(session: Session, scene: Scene, *, device_id: str = LEGACY_
     )
     # Collapse źródła dzielące ten sam origin (hoster). Zmergowana scena często agreguje
     # kilka uploadów z JEDNEGO tube'a (re-enkody / wersje 4K: bug-report aa79a995 "2 linki,
-    # oba do porntrex" = ta sama scena std+4K) — w UI to nierozróżnialne linki do tego
+    # oba do porntrex" = ta sama scena std+4K), w UI to nierozróżnialne linki do tego
     # samego hostera (resolvują tym samym extractorem). Zostawiamy jeden najlepszy per
     # origin: preferuj długość zgodną ze sceną (realny match) → jakąkolwiek długość →
     # pierwszy (stabilnie, query jest origin-asc). Martwe już odfiltrowane (dead_at).
@@ -1022,7 +1228,7 @@ def _build_scene_out(session: Session, scene: Scene, *, device_id: str = LEGACY_
     for p in playback_rows:
         out = PlaybackSourceOut.model_validate(p)
         # sxyprn: podmień martwy trafficdeposit URL na żywy on-demand resolver
-        # (/proxy/sxyprn-thumb/<id>) — TAK JAK lista (_build_scenes_out_batch). Bez tego
+        # (/proxy/sxyprn-thumb/<id>), TAK JAK lista (_build_scenes_out_batch). Bez tego
         # detal sceny pokazywał martwą miniaturę sxyprn mimo że lista działała, i "refresh
         # thumbnail" nie pomagał (sxyprn IP-bound, enrich z VPS pada). Report 2026-07-22.
         sxy = _sxyprn_thumb_url(p.page_url)
@@ -1034,7 +1240,7 @@ def _build_scene_out(session: Session, scene: Scene, *, device_id: str = LEGACY_
         elif out.thumbnail_url and _is_rotting_thumb(out.thumbnail_url):
             out.thumbnail_url = None
         # Wrap thumbnail URL-e przez backend image proxy gdy CDN wymaga Refera
-        # (hqporner — fastporndelivery zwraca 403 bez Referer headera, expo-image
+        # (hqporner, fastporndelivery zwraca 403 bez Referer headera, expo-image
         # nie wysyła go domyślnie). Token ma 30-dniowy TTL bo thumby są stabilne.
         if out.thumbnail_url and _needs_proxy(out.thumbnail_url):
             out.thumbnail_url = _wrap_image_proxy(out.thumbnail_url, p.page_url)
@@ -1073,6 +1279,8 @@ def _build_scene_out(session: Session, scene: Scene, *, device_id: str = LEGACY_
         tags=tags_out,
         external_refs=refs_out,
         playback_sources=playback_out,
+        vertical=verticals.vertical_for_origins(p.origin for p in playback_rows),
+        max_quality_p=scene.max_quality_p,
         created_at=scene.created_at,
         backfill=scene.backfill,
         last_played_at=progress.last_played_at if progress else None,
@@ -1090,7 +1298,7 @@ def remove_tag_from_scene(
 ) -> None:
     """Usuwa relację scene↔tag (np. user uznał że tag jest błędny dla tej sceny).
 
-    Idempotent: brak relacji = success. Nie kasuje samego Tag-a — inne sceny mogą
+    Idempotent: brak relacji = success. Nie kasuje samego Tag-a, inne sceny mogą
     z niego korzystać. Sam tag zostaje w słowniku tagów.
     """
     rel = session.execute(
@@ -1142,7 +1350,7 @@ def hide_scene(
 ) -> SceneHideOut:
     """Ukryj scenę (user long-press → „usuń"). Oznacza wszystkie playback_sources
     jako dead → scena wypada z list (has_playback=false). Odwracalne w DB (dead_at).
-    Nie kasujemy wiersza sceny — zachowujemy refs/dedup, tylko znika z UI."""
+    Nie kasujemy wiersza sceny, zachowujemy refs/dedup, tylko znika z UI."""
     from datetime import UTC, datetime
 
     from app.models.playback_source import PlaybackSource
@@ -1273,27 +1481,45 @@ def enrich_tags_from_tube(
     # Upsert: dla każdego taga utwórz/znajdź Tag, dorzuć SceneTag idempotentnie.
     # Używamy PostgreSQL INSERT ... ON CONFLICT DO NOTHING zamiast ORM session.add()
     # bo `resolve_tag` robi session.flush() w pętli, emitując pending SceneTag INSERT
-    # z poprzednich iteracji — gdy 2 concurrent enrich-tags collide na tym samym
+    # z poprzednich iteracji, gdy 2 concurrent enrich-tags collide na tym samym
     # (scene_id, tag_id), drugi flush dostaje UniqueViolation (GOON-H, 4 events
     # w 10h mimo wcześniejszego seen_tag_ids fix). ON CONFLICT skip'uje silently.
     from sqlalchemy.dialects.postgresql import insert as pg_insert
-    added = 0
+
-    seen_tag_ids: set = set()
+    from app.normalize.tag_stoplist import is_junk_tag
-    for name in tag_names:
+
-        norm = NormalizedTag(name=name, slug=slugify(name), external_id=None)
+    # Istniejące tagi jednym zapytaniem po slugach. resolve_tag robi 1-4 zapytania na
-        tag = resolve_tag(session, norm=norm)
+    # tag (Sentry N+1 przy 20-40 tagach ze strony), więc woła się go już tylko dla
-        if tag is None or tag.id in seen_tag_ids:
+    # nowych nazw i dla slugów z końcówką litera+"2", które kanonizuje po swojemu.
-            continue
+    slugs = {slugify(n) for n in tag_names}
-        seen_tag_ids.add(tag.id)
+    direct = [
-        stmt = (
+        s for s in slugs
-            pg_insert(SceneTag.__table__)
+        if s and len(s) <= 120 and not is_junk_tag(s)
-            .values(scene_id=scene_id, tag_id=tag.id, source_id=None)
+        and not (len(s) > 1 and s[-1] == "2" and s[-2].isalpha())
-            .on_conflict_do_nothing(index_elements=["scene_id", "tag_id"])
+    ]
+    by_slug = (
+        {t.slug: t for t in session.execute(select(Tag).where(Tag.slug.in_(direct))).scalars()}
+        if direct else {}
     )
-        result = session.execute(stmt)
+    tag_ids: list = []
-        # rowcount == 1 gdy faktycznie wstawiony, 0 gdy ON CONFLICT skip
+    for name in tag_names:
-        if result.rowcount and result.rowcount > 0:
+        slug = slugify(name)
-            added += 1
+        tag = by_slug.get(slug)
+        if tag is None:
+            tag = resolve_tag(session, norm=NormalizedTag(name=name, slug=slug, external_id=None))
+        if tag is not None and tag.id not in tag_ids:
+            tag_ids.append(tag.id)
+    added = 0
+    if tag_ids:
+        # Jeden INSERT; sortowane id, żeby dwa równoległe wywołania dla tej samej sceny
+        # zakładały blokady w tej samej kolejności.
+        result = session.execute(
+            pg_insert(SceneTag.__table__)
+            .values([{"scene_id": scene_id, "tag_id": t, "source_id": None} for t in sorted(tag_ids)])
+            .on_conflict_do_nothing(index_elements=["scene_id", "tag_id"])
+            .returning(SceneTag.__table__.c.tag_id)
+        )
+        added = len(result.fetchall())
     session.commit()
     return EnrichTagsOut(scene_id=scene_id, added=added, tube_used=sitetag, tags=tag_names)
 
@@ -1309,11 +1535,11 @@ def enrich_duration_from_tube(
     scene_id: uuid.UUID,
     session: Annotated[Session, Depends(get_session)],
 ) -> EnrichDurationOut:
-    """Wyciąga duration z dowolnego tube playback_source — wszystkie znane tube'y
+    """Wyciąga duration z dowolnego tube playback_source, wszystkie znane tube'y
     udostępniają duration na detail page (og:video:duration lub LD-JSON ISO 8601).
 
     Mobile wywołuje to przy otwarciu SceneDetail gdy scene.duration_sec jest null
-    AND ma tube source. Dla dedupu duration to najsilniejszy single signal — bez
+    AND ma tube source. Dla dedupu duration to najsilniejszy single signal, bez
     niego sceny z weak title-only score są capowane na 0.85 (review queue).
 
     Idempotent: zwraca aktualne duration_sec jeśli już ustawione.
@@ -1379,7 +1605,7 @@ def enrich_studio_from_tube(
     """Wyciąga studio (DVD/series) z pornhat scene page'a.
 
     Pornhat ma `class="info-video js-ajax-dvd" data-setup='{"title": "Adult Time", ...}'`
-    dla studio. Inne tube'y obsługiwane będą gdy znajdziemy ich pattern — na razie
+    dla studio. Inne tube'y obsługiwane będą gdy znajdziemy ich pattern, na razie
     tylko pornhat (najczystsze studio metadata wśród free tubes).
     """
     import json as _json
@@ -1476,7 +1702,7 @@ def enrich_thumbnail_from_tube(
     Mobile auto-wywoła to przy otwarciu SceneDetail bez thumb (jak duration).
 
     `force=true` (przycisk "Refresh thumbnail" na SceneDetail, zgłoszenie d3376a71):
-    NADPISUJE istniejącą miniaturę świeżą ze strony tube'a — dla zepsutych/stałych
+    NADPISUJE istniejącą miniaturę świeżą ze strony tube'a, dla zepsutych/stałych
     (rotting sxyprn/trafficdeposit, błędna grafika)."""
     from app.extractors._fetch import browser_get
     from app.extractors._models import TubePageError
@@ -1497,7 +1723,7 @@ def enrich_thumbnail_from_tube(
 
     sources_with_thumb = [s for s in sources if s.thumbnail_url]
     if sources_with_thumb and not force:
-        # już mamy — idempotent return (force=true pomija, żeby odświeżyć).
+        # już mamy, idempotent return (force=true pomija, żeby odświeżyć).
         return EnrichThumbOut(
             scene_id=scene_id,
             thumbnail_url=sources_with_thumb[0].thumbnail_url,

app/api/schemas.py

@@ -66,8 +66,17 @@ class SceneOut(BaseModel):
     tags: list[TagOut] = []
     external_refs: list[ExternalRefOut] = []
     playback_sources: list[PlaybackSourceOut] = []
+    # Wertykał sceny ('jav' / 'animation') albo None dla głównego katalogu. Liczony
+    # z originów źródeł, patrz `app/verticals.py`. Mobile MUSI go przekazywać dalej przy
+    # nawigacji do tagu/studia/performera: bez `?vertical=` backend wyklucza wszystkie
+    # wertykały, więc tag z anime pokazywał sceny spoza anime, a studio animacyjne
+    # wyglądało na martwe (zgłoszenia 195ae42e / e9de414c, 2026-08-14).
+    vertical: str | None = None
+    # Najwyższa ZNANA jakość źródeł (720/1080/2160), NULL gdy żadne jej nie podało.
+    # Kafelek pokazuje ją jako badge; patrz migracja 0029_scenes_max_quality.
+    max_quality_p: int | None = None
     # Kiedy scena trafiła do bazy (ingest). Używane przez mobile do oznaczenia
-    # "NEW" na karcie scen w PerformerScenesScreen / StudioScenesScreen — gdy
+    # "NEW" na karcie scen w PerformerScenesScreen / StudioScenesScreen, gdy
     # `created_at > last_seen_at` (favorite) → badge.
     created_at: datetime | None = None
     # True = scena z masowego backfillu katalogu (deep-crawl). Mobile NIE pokazuje na niej
@@ -87,7 +96,7 @@ class SceneListOut(BaseModel):
     page: int
     per_page: int
     # has_more: czy istnieje kolejna strona. Liczone z fetcha per_page+1 (≈darmowe),
-    # NIE z `total` — bo dla filtrowanych list `total` jest bounded ("1000+") żeby
+    # NIE z `total`, bo dla filtrowanych list `total` jest bounded ("1000+") żeby
     # uniknąć ~5s exhaustive count. Mobile paginuje po has_more, nie po total.
     has_more: bool = False
     # total_capped: True gdy `total` to bounded cap (są >total wyników). UI: "{total}+".

app/api/seo.py

@@ -1,6 +1,6 @@
-"""Publiczna, crawlowalna powierzchnia SEO — programmatic entity pages.
+"""Publiczna, crawlowalna powierzchnia SEO, programmatic entity pages.
 
-Jedyny publiczny router HTML poza /static i healthchecks — NIE wymaga api key,
+Jedyny publiczny router HTML poza /static i healthchecks, NIE wymaga api key,
 bo Googlebot/użytkownik musi dotrzeć bez tokenu. Cel: łapać nawigacyjny long-tail
 (nazwy performerów / studiów / tytuły scen), którego mainstream-SEO nie indeksuje,
 a który realnie generuje organiczny ruch → pobranie apki.
@@ -8,14 +8,14 @@ a który realnie generuje organiczny ruch → pobranie apki.
 Zasady (świadome, nie przypadkowe):
 
 * **LINK-OUT only.** Strony renderują metadane i odsyłają do źródeł (`page_url`).
-  NIE eksponujemy `stream_url`/`embed_url` — to zostaje value-add apki i trzyma
+  NIE eksponujemy `stream_url`/`embed_url`, to zostaje value-add apki i trzyma
   legalny profil "agregatora/wyszukiwarki" (dowozimy ruch tubom, nie re-streamujemy).
 * **Age-gate = client-side overlay** (cookie `age_ok`). Treść jest w HTML, więc
   crawler ją indeksuje; overlay zasłania ją tylko ludziom do potwierdzenia 18+.
   Dodatkowo `RTA` meta tag dla filtrów rodzicielskich.
-* **Blacklist respektowany** — te same wykluczenia performer/studio/tag co w /scenes.
+* **Blacklist respektowany** te same wykluczenia performer/studio/tag co w /scenes.
   Nie publikujemy SEO-stron dla zblacklistowanej treści.
-* **Anti-thin-page** — strona encji powstaje tylko gdy ma realną zawartość
+* **Anti-thin-page** strona encji powstaje tylko gdy ma realną zawartość
   (performer/studio z ≥1 żywą sceną; scena z ≥1 żywym source). Pusta encja → 404,
   nie pusty doorway (Google karze masowe cienkie strony).
 """
@@ -49,7 +49,7 @@ from app.models.tag import Tag
 _TEMPLATES_DIR = Path(__file__).resolve().parent.parent / "templates"
 templates = Jinja2Templates(directory=str(_TEMPLATES_DIR))
 
-# Analityka — wstrzykiwana do każdej strony SEO tylko gdy odpowiedni env jest ustawiony.
+# Analityka, wstrzykiwana do każdej strony SEO tylko gdy odpowiedni env jest ustawiony.
 # Puste = tag się nie renderuje (zero third-party requestów, zachowanie bez zmian).
 # Włączenie = ustaw zmienną w .env na VPS + restart, bez zmian w kodzie.
 templates.env.globals["gtm_id"] = os.environ.get("GOON_GTM_ID", "")
@@ -58,7 +58,7 @@ templates.env.globals["gsc_verify"] = os.environ.get("GOON_GSC_VERIFY", "")
 
 # Limit URL-i na pojedynczy plik sitemap (spec: max 50k). Trzymamy z zapasem.
 _SITEMAP_PAGE = 25_000
-# Ile scen renderujemy na stronie encji (performer/studio) — pełna lista 1000+ scen
+# Ile scen renderujemy na stronie encji (performer/studio), pełna lista 1000+ scen
 # to thin/slow; bierzemy najświeższe N, reszta i tak wpada przez sitemap scen.
 _SCENES_PER_ENTITY = 120
 
@@ -86,7 +86,7 @@ def _live_playback_exists():
 def _not_blacklisted():
     """Lista warunków WHERE wykluczających zblacklistowaną treść (performer/studio/tag).
 
-    Te same reguły co w GET /scenes — żeby SEO nie publikowało tego, co katalog ukrywa.
+    Te same reguły co w GET /scenes, żeby SEO nie publikowało tego, co katalog ukrywa.
     """
     return [
         ~exists(
@@ -109,7 +109,7 @@ def _not_blacklisted():
 
 
 def _indexable_scenes():
-    """SELECT Scene żywych, nie-zblacklistowanych scen — baza pod listy i sitemap."""
+    """SELECT Scene żywych, nie-zblacklistowanych scen, baza pod listy i sitemap."""
     stmt = select(Scene).where(_live_playback_exists())
     for cond in _not_blacklisted():
         stmt = stmt.where(cond)
@@ -120,7 +120,7 @@ def _performer_indexable_exists():
     """EXISTS: performer ma ≥1 indeksowalną (żywą, nie-blacklisted) scenę.
 
     Trzyma sitemap performerów w zgodzie z tym, co realnie renderuje
-    `performer_page` — inaczej sitemap zgłaszałby URL-e dające 404.
+    `performer_page`, inaczej sitemap zgłaszałby URL-e dające 404.
     """
     sub = (
         select(1)
@@ -180,7 +180,7 @@ def performer_page(
     if performer is None:
         raise HTTPException(status_code=404, detail="performer not found")
 
-    # Sceny tej osoby — żywe, nie-blacklisted, najświeższe pierwsze.
+    # Sceny tej osoby, żywe, nie-blacklisted, najświeższe pierwsze.
     scenes = (
         session.execute(
             _indexable_scenes()
@@ -283,7 +283,7 @@ def scene_page(
     if scene is None:
         raise HTTPException(status_code=404, detail="scene not found")
 
-    # Źródła — żywe, deduplikowane po origin (pokazujemy 1 link per tube).
+    # Źródła, żywe, deduplikowane po origin (pokazujemy 1 link per tube).
     sources_raw = (
         session.execute(
             select(PlaybackSource)
@@ -354,7 +354,7 @@ def landing(
     request: Request,
     session: Annotated[Session, Depends(get_session)],
 ) -> HTMLResponse:
-    """Strona główna — crawl-entry. Najświeższe indeksowalne sceny + CTA."""
+    """Strona główna, crawl-entry. Najświeższe indeksowalne sceny + CTA."""
     scenes = (
         session.execute(
             _indexable_scenes()
@@ -386,8 +386,8 @@ def landing(
 
 @router.get("/get", response_class=HTMLResponse)
 def get_app(request: Request) -> HTMLResponse:
-    """Paid-traffic landing page — odchudzona pod konwersję instalacji APK.
+    """Paid-traffic landing page, odchudzona pod konwersję instalacji APK.
-    noindex (patrz get.html) — nie ma konkurować w SERP z entity-stronami."""
+    noindex (patrz get.html), nie ma konkurować w SERP z entity-stronami."""
     return templates.TemplateResponse(
         request,
         "seo/get.html",
@@ -411,7 +411,7 @@ def page_2257(request: Request) -> HTMLResponse:
 def gsc_site_verification(fname: str) -> PlainTextResponse:
     """Plik weryfikacyjny Google Search Console (metoda 'Plik HTML').
 
-    Token z env GOON_GSC_FILE (np. 'google67b49088b5416adc' — bez '.html'). Google
+    Token z env GOON_GSC_FILE (np. 'google67b49088b5416adc', bez '.html'). Google
     pobiera /<token>.html i oczekuje body 'google-site-verification: <token>.html'.
     Każda inna nazwa .html → 404. Nie koliduje z innymi trasami (żadna inna nie jest
     jednosegmentowym *.html w rootcie).
@@ -440,7 +440,7 @@ def _count(session: Session, stmt) -> int:
 
 @router.get("/sitemap.xml")
 def sitemap_index(session: Annotated[Session, Depends(get_session)]) -> Response:
-    """Sitemap index — listuje paginowane pod-sitemapy per typ encji."""
+    """Sitemap index, listuje paginowane pod-sitemapy per typ encji."""
     n_perf = _count(
         session,
         select(Performer.id).where(_performer_indexable_exists()),

app/api/sources.py

@@ -1,12 +1,12 @@
-"""GET /sources — lista tube źródeł dla feature "Sites" (mobile top-level tab).
+"""GET /sources, lista tube źródeł dla feature "Sites" (mobile top-level tab).
 
 Bug-report 2026-05-24 (ea6f05f9, Scenes screen): user chce wybrać "pages"
-obok Scenes i Movies — widzieć liście tube'ów i wchodzić w nie żeby zobaczyć
+obok Scenes i Movies, widzieć liście tube'ów i wchodzić w nie żeby zobaczyć
 najnowsze sceny z konkretnego źródła.
 
 Endpoint enumeruje distinct `playback_sources.origin` z ŻYWYCH playback_sources
 (`dead_at IS NULL`), tylko origins zaczynające się od 'tube:' (kanoniczne źródła
-typu `canonical:tpdb_trailer` są pomijane — to nie są "scrapowane strony" w sensie
+typu `canonical:tpdb_trailer` są pomijane, to nie są "scrapowane strony" w sensie
 intencji feature'a).
 
 Sortowanie: scene_count DESC (najbardziej "wypełnione" tubey na górze).
@@ -14,8 +14,11 @@ Sortowanie: scene_count DESC (najbardziej "wypełnione" tubey na górze).
 from __future__ import annotations
 
 import logging
+import os
 import re
+import time
 from datetime import datetime
+from pathlib import Path
 from typing import Annotated
 
 from fastapi import APIRouter, Depends
@@ -42,7 +45,7 @@ class SourceRating(BaseModel):
     richness: int
     """0-5: bogactwo metadanych (miniaturka/tagi/desc/aktorzy/studio/długość)."""
     health: int | None
-    """0-5: czy realnie gra (telemetria odtwarzania) — 0=offline. None gdy brak danych."""
+    """0-5: czy realnie gra (telemetria odtwarzania), 0=offline. None gdy brak danych."""
     health_basis: str | None = None
     """'telemetry' (realne pingi z apki) albo 'proxy' (oszacowanie z typu resolve)."""
     components: dict | None = None
@@ -51,30 +54,48 @@ class SourceRating(BaseModel):
 
 class SourceOut(BaseModel):
     origin: str
-    """Raw origin string z DB — np. 'tube:hqpornercom'. Używany jako parametr
+    """Raw origin string z DB, np. 'tube:hqpornercom'. Używany jako parametr
     `origin=` filtra w GET /scenes (substring match)."""
 
     sitetag: str
-    """Origin bez prefiksu 'tube:' — np. 'hqpornercom'. Stabilne ID tube'a (zgodne
+    """Origin bez prefiksu 'tube:', np. 'hqpornercom'. Stabilne ID tube'a (zgodne
     z `BaseDirectTubeScraper.sitetag`)."""
 
     display_name: str
-    """Czytelna nazwa do UI — np. 'hqporner.com'. Wyprowadzona z sitetag przez
+    """Czytelna nazwa do UI, np. 'hqporner.com'. Wyprowadzona z sitetag przez
     `_sitetag_to_display`. Tylko presentation; logikę trzymamy na sitetag/origin."""
 
     scene_count: int
     """Liczba ŻYWYCH playback_sources (dead_at IS NULL) per origin. Approx scenes
-    coverage — scena może mieć wiele sources tego samego origin (różne page_url),
+    coverage, scena może mieć wiele sources tego samego origin (różne page_url),
     więc trochę zawyża rzeczywistą scene-distinct count, ale dla orientacji OK."""
 
     last_scraped_at: datetime | None
-    """MAX(last_seen_at) — najświeższy scrape dla tego origin. Pozwala mobile pokazać
+    """MAX(last_seen_at), najświeższy scrape dla tego origin. Pozwala mobile pokazać
     'scrapowane Xh temu' i sortować świeżość."""
 
     rating: SourceRating | None = None
-    """Ocena 0-5★ (freshness/richness/health) z source_stats — None gdy jeszcze
+    """Ocena 0-5★ (freshness/richness/health) z source_stats, None gdy jeszcze
     nie policzona (job source-stats leci co kilka h)."""
 
+    icon_url: str | None = None
+    """Logo strony (favicon 64x64 PNG) z app/static/site-icons, pobierane przez
+    scripts/site_icons.py (job raz na dobe). None, gdy jeszcze nie ma pliku. Adres
+    absolutny przez BACKEND_PUBLIC_URL, inaczej wzgledny '/static/...' (apka dokleja
+    baseUrl)."""
+
+
+_ICON_DIR = Path(__file__).resolve().parent.parent / "static" / "site-icons"
+_SOURCES_TTL = 300.0
+_SOURCES_CACHE: dict = {"at": 0.0, "rows": None}
+
+
+def _icon_url(sitetag: str) -> str | None:
+    if not (_ICON_DIR / f"{sitetag}.png").is_file():
+        return None
+    base = os.environ.get("BACKEND_PUBLIC_URL", "").rstrip("/")
+    return f"{base}/static/site-icons/{sitetag}.png"
+
 
 class SourceListOut(BaseModel):
     items: list[SourceOut]
@@ -119,9 +140,14 @@ def list_sources(
 ) -> SourceListOut:
     """Zwraca listę tube źródeł z ŻYWYMI playback_sources.
 
-    Filter: `origin LIKE 'tube:%'` (drop canonical:* — TPDB trailery to inna semantyka).
+    Filter: `origin LIKE 'tube:%'` (drop canonical:* TPDB trailery to inna semantyka).
     """
-    rows = session.execute(
+    # Agregat idzie po 4,1 mln zywych zrodel (600 ms na kazde wejscie w Sites, Sentry:
+    # Slow DB Query list_sources). Liczby zmieniaja sie o promile na godzine, wiec
+    # wynik zyje w pamieci procesu przez _SOURCES_TTL sekund.
+    now = time.monotonic()
+    if _SOURCES_CACHE["rows"] is None or now - _SOURCES_CACHE["at"] > _SOURCES_TTL:
+        _SOURCES_CACHE["rows"] = session.execute(
             select(
                 PlaybackSource.origin,
                 func.count(PlaybackSource.id).label("scene_count"),
@@ -131,6 +157,8 @@ def list_sources(
             .where(PlaybackSource.origin.like("tube:%"))
             .group_by(PlaybackSource.origin)
         ).all()
+        _SOURCES_CACHE["at"] = now
+    rows = _SOURCES_CACHE["rows"]
 
     # Oceny z source_stats (policzone offline przez run_source_stats). Origin → row.
     stats = {s.origin: s for s in session.execute(select(SourceStats)).scalars().all()}
@@ -159,6 +187,7 @@ def list_sources(
                 scene_count=scene_count,
                 last_scraped_at=last_scraped_at,
                 rating=rating,
+                icon_url=_icon_url(sitetag),
             )
         )
 

app/api/stream_proxy.py

@@ -1,8 +1,8 @@
-"""Stream proxy — pomost VPS↔phone dla podpisanych URL-i CDN-ów.
+"""Stream proxy, pomost VPS↔phone dla podpisanych URL-i CDN-ów.
 
 Wiele hosterów (luluvids/medixiru/cdnvids/bigcdn) bindą podpisany URL do IP klienta
 który fetchował embed page. Gdy backend ekstraktuje URL z VPS-a, signature
-weryfikuje VPS IP — telefon dostaje 403. Player na phonie kieruje requesty
+weryfikuje VPS IP, telefon dostaje 403. Player na phonie kieruje requesty
 *przez backend* (tym samym IP co podczas extracji) → CDN sprawdza signature
 poprawnie i serwuje content.
 
@@ -31,6 +31,7 @@ import time
 from typing import Annotated
 from urllib.parse import urljoin, urlparse
 
+import asyncio
 import httpx
 from fastapi import APIRouter, Depends, HTTPException, Query, Request
 from fastapi.responses import Response, StreamingResponse
@@ -41,8 +42,8 @@ router = APIRouter(prefix="/proxy", tags=["proxy"])
 log = logging.getLogger(__name__)
 
 
-# In-memory bandwidth counter — bytes-out per CDN domain per hour bucket.
+# In-memory bandwidth counter, bytes-out per CDN domain per hour bucket.
-# Restart api resetuje counter (akceptowalne — to operational metric, nie billing).
+# Restart api resetuje counter (akceptowalne, to operational metric, nie billing).
 # Critical dla widzenia gdzie VPS bandwidth wycieka przed Hetzner overage.
 from collections import defaultdict
 from threading import Lock
@@ -90,7 +91,7 @@ TOKEN_TTL_SEC = 4 * 60 * 60  # 4h
 
 
 # URL-level redirect cache: target_url -> (final_resolved_url, expires_ts).
-# Mobile ExoPlayer robi range-requesty per seek/preload — każdy hituje proxy z tym
+# Mobile ExoPlayer robi range-requesty per seek/preload, każdy hituje proxy z tym
 # samym tokenem, proxy GET-uje target_url. Dla `porntrex.com/get_file/...` (a także
 # fpoxxx, freshporno) URL jest **single-use**: pierwszy GET → 302 → CDN URL (time-bound),
 # drugi GET → 410. Bez cache: drugi range = 410 → ExoPlayer fail → mobile fallback do
@@ -147,6 +148,36 @@ HOP_BY_HOP = {
     "content-length",
 }
 
+# Nagłówki CORS hostera są bezużyteczne dalej i wręcz szkodliwe: mixdrop oddaje
+# `Access-Control-Allow-Origin: https://mixdrop.my`, więc odbiornik Chromecasta (który
+# ma zupełnie inny origin) odrzuciłby manifest. Wycinamy je i podstawiamy własne.
+_UPSTREAM_CORS_HEADERS = {
+    "access-control-allow-origin",
+    "access-control-allow-methods",
+    "access-control-allow-headers",
+    "access-control-allow-credentials",
+    "access-control-expose-headers",
+}
+
+
+def _with_cast_cors(headers: dict[str, str]) -> dict[str, str]:
+    """Pozwól odtwarzać ten strumień z dowolnego origin.
+
+    Po co: Chromecast pobiera plik SAM, ze swojego adresu, a przy HLS robi to przez
+    Media Source Extensions, które wymagają zgody CORS. Bez tego telewizor dostaje
+    manifest i go wyrzuca. Progresywne MP4 leci przez zwykły element `video` i o CORS
+    nie pyta, ale ustawiamy jednakowo, żeby nie zależeć od tego, co akurat gra.
+
+    Bezpieczne, bo dostęp do treści i tak reguluje podpisany token w ścieżce, a nie
+    origin pytającego.
+    """
+    out = {k: v for k, v in headers.items() if k.lower() not in _UPSTREAM_CORS_HEADERS}
+    out["Access-Control-Allow-Origin"] = "*"
+    out["Access-Control-Allow-Methods"] = "GET, HEAD, OPTIONS"
+    out["Access-Control-Allow-Headers"] = "Range"
+    out["Access-Control-Expose-Headers"] = "Content-Length, Content-Range, Accept-Ranges"
+    return out
+
 
 def _secret() -> bytes:
     s = os.environ.get("STREAM_PROXY_SECRET") or os.environ.get("API_KEYS", "")
@@ -170,10 +201,10 @@ def make_token(
 
     `refresh`: URL embed page do refetch gdy `url` zwraca 4xx. Proxy odbierze
     fresh stream URL z embed (np. mixdrop MDCore.wurl) gdy oryginalny token expired.
-    `refresh_hoster`: hoster name dla refresh logic (mixdrop / etc.) — proxy
+    `refresh_hoster`: hoster name dla refresh logic (mixdrop / etc.), proxy
     dispatch do dedicated re-extract logic.
     `impersonate`: użyć curl_cffi chrome120 zamiast httpx (dla hosterów z JA3 bot
-    detection — mxcontent, cloudflare-protected).
+    detection, mxcontent, cloudflare-protected).
     `stable_bucket_sec`: kwantyzuje czas bazowy expiry do okna N sekund, więc token
     (→ proxied URL) jest IDENTYCZNY dla wszystkich requestów w oknie. Bez tego `e`
     zawiera bieżący timestamp → URL inny przy każdym fetchu listy → expo-image cache
@@ -190,7 +221,7 @@ def make_token(
     if impersonate:
         payload["i"] = 1
     if producer:
-        # Hoster oddający TREŚĆ manifestu (nie URL) — `/proxy/hls` zawoła producenta
+        # Hoster oddający TREŚĆ manifestu (nie URL), `/proxy/hls` zawoła producenta
         # zamiast GET-a. Patrz app/extractors/hosters/loadvid.py.
         payload["mp"] = producer
     raw = json.dumps(payload, separators=(",", ":")).encode("utf-8")
@@ -220,7 +251,7 @@ def parse_token(token: str) -> dict:
 
 def _ascii_safe_url(url: str) -> str:
     """Encode non-ASCII chars w URL path/query, zachowując reserved chars dla URI.
-    httpx wymaga ASCII headers — Referer z polskim/cyrillic/unicode (np. hqporner
+    httpx wymaga ASCII headers, Referer z polskim/cyrillic/unicode (np. hqporner
     `Honies_№2.html`) wcześniej throw'ował UnicodeEncodeError (GOON-A). `quote`
     z `safe=":/?#[]@!$&'()*+,;=%"` zostawia URI structure nietkniętą, tylko
     enkoduje znaki spoza ASCII."""
@@ -255,8 +286,8 @@ def _rewrite_m3u8(content: str, base_url: str, referer: str | None) -> str:
     """Rewrite m3u8 manifest tak, że wszystkie sub-resourcey idą przez proxy.
 
     HLS manifest ma:
-      - linie URI (segmenty .ts / sub-playlisty .m3u8) — relatywne lub absolute
+      - linie URI (segmenty .ts / sub-playlisty .m3u8), relatywne lub absolute
-      - tagi typu `#EXT-X-KEY:METHOD=AES-128,URI="key.bin"` — też potrzebują rewrite
+      - tagi typu `#EXT-X-KEY:METHOD=AES-128,URI="key.bin"`, też potrzebują rewrite
     Każdy URL → token + /proxy/{token}/<basename>.<ext>.
     """
     out: list[str] = []
@@ -284,7 +315,7 @@ def _rewrite_m3u8(content: str, base_url: str, referer: str | None) -> str:
 
 
 def _absolutize_m3u8(content: str, base_url: str) -> str:
-    """Rewrite m3u8 tak, że child-URL-e (variant/segmenty/key) są ABSOLUTNE na CDN —
+    """Rewrite m3u8 tak, że child-URL-e (variant/segmenty/key) są ABSOLUTNE na CDN,
     NIE przez proxy. Dla direct-HLS passthrough (`/proxy/hls/...`): telefon ciągnie je
     bezpośrednio z CDN-a (phone IP, time-bound token). Relatywne → absolute (urljoin),
     absolute → bez zmian. Odwrotność `_rewrite_m3u8` (który wszystko proxifikuje)."""
@@ -310,21 +341,34 @@ def sign_url(
     referer: str | None = Query(default=None),
 ) -> dict:
     """Pomocniczy endpoint dla mobile do uzyskania świeżego tokena (np. po expiry).
-    Normalnie /resolve zwraca już proxy URL — to fallback."""
+    Normalnie /resolve zwraca już proxy URL, to fallback."""
     return {"token": make_token(url, referer), "expires_in": TOKEN_TTL_SEC}
 
 
+@functools.lru_cache(maxsize=1)
+def _fallback_proxy_url() -> str | None:
+    """Residential proxy, uzywany TYLKO gdy CDN odrzucil nasz adres IP.
+
+    NIE wstawiaj niczego miedzy dekorator trasy a `proxy_image`: przy pierwszym podejsciu
+    ta funkcja wladowala sie wlasnie tam i `@router.get` udekorowal JA, wiec /proxy/img/
+    oddawalo URL proxy razem z loginem i haslem jako JSON.
+    """
+    from app.config import get_settings
+
+    return getattr(get_settings(), "brightdata_proxy_url", None) or None
+
+
 @router.get("/img/{token}/{_basename:path}")
 async def proxy_image(
     token: str,
     _basename: str,
     request: Request,
 ) -> Response:
-    """Image proxy — używany dla thumbnaili z CDN-ów wymagających Referera
+    """Image proxy, używany dla thumbnaili z CDN-ów wymagających Referera
     (hqporner i inne porn-app sourcy). Mobile expo-image nie wysyła Referera
     domyślnie, CDN zwraca 403. Backend dodaje Referer i streamuje obrazek.
 
-    Cache-Control: public,max-age=86400 — thumby są stabilne, klient może cachować."""
+    Cache-Control: public,max-age=86400, thumby są stabilne, klient może cachować."""
     payload = parse_token(token)
     target = payload["u"]
     referer = payload["r"] or None
@@ -334,18 +378,59 @@ async def proxy_image(
         try:
             r = await client.get(target, headers=headers)
         except (httpx.ConnectError, httpx.ConnectTimeout, httpx.ReadTimeout) as e:
-            # CDN connect/timeout — transient (np. Cloudflare 523 origin unreachable
+            # CDN connect/timeout, transient (np. Cloudflare 523 origin unreachable
             # gdy upstream host jest off). Log INFO + 503, mobile renderuje placeholder.
             # Bez tego Sentry dostawał setki ERROR-ów (GOON-D/6) z każdym broken
-            # tube'em — spam-szumiło real-issues.
+            # tube'em, spam-szumiło real-issues.
             log.info("img proxy connect/timeout for %s: %s", target, e)
             return Response(content=b"", status_code=503, media_type="image/jpeg")
         except Exception as e:
             log.warning("img proxy fetch failed for %s: %s", target, e)
             raise HTTPException(status_code=502, detail=f"img fetch failed: {e}") from e
+        if r.status_code in (401, 403):
+            # Referer moze byc z INNEGO serwisu niz host obrazka. Zdarza sie, gdy tube
+            # zaciaga miniaturki cudzego CDN-a: fullporner zapisuje pliki z
+            # fastporndelivery.hqporner.com, a my dokladalismy Referer fullporner.com,
+            # ktorego CDN nie akceptuje. Pomiar 2026-08-20 na tym samym pliku:
+            # Referer fullporner.com 403 (153 B), brak Referera 403, Referer hqporner.com
+            # 200 (30 kB), Referer rowny wlasnemu hostowi obrazka 200. Skutkiem byly
+            # puste kafelki podpisane FULLPORNER na liscie hqporner (zgloszenie 1df50de3).
+            # Ponawiamy raz z wlasnym originem obrazka, bo to dziala dla calej tej klasy
+            # przypadkow i nie zmienia zachowania tam, gdzie pierwsza proba sie udaje.
+            from urllib.parse import urlsplit
+
+            parts = urlsplit(str(r.url) or target)
+            own = f"{parts.scheme}://{parts.netloc}/"
+            if own != (referer or ""):
+                try:
+                    r2 = await client.get(target, headers=_build_headers(own))
+                    if r2.status_code < 400:
+                        r = r2
+                except Exception as e:
+                    log.info("img proxy retry z wlasnym originem padl %s: %s", target, e)
+        if r.status_code in (401, 403, 429):
+            # Ostatnia deska ratunku: CDN blokuje NASZ adres IP, nie zapytanie. Miniaturki
+            # fullvideosporn (tn.sextu.com) oddaja z serwerowni 429 przy kazdej probie
+            # (3/3, tez po przerwie), a przez residential proxy 200 i 26 kB. Stad puste
+            # kafelki mimo poprawnych adresow w bazie (zgloszenie f4995691). Obrazek ma
+            # kilkadziesiat kB i klient cachuje go na dobe, wiec to nie jest ten sam
+            # przypadek co proxowanie wideo. Sciagamy tylko wtedy, gdy host nas odrzucil.
+            proxy_url = _fallback_proxy_url()
+            if proxy_url:
+                try:
+                    async with httpx.AsyncClient(
+                        timeout=timeout, follow_redirects=True, proxy=proxy_url
+                    ) as pclient:
+                        r3 = await pclient.get(target, headers=headers)
+                    if r3.status_code < 400:
+                        r = r3
+                    else:
+                        log.info("img proxy: proxy tez oddal %d dla %s", r3.status_code, target)
+                except Exception as e:
+                    log.info("img proxy: proba przez proxy padla %s: %s", target, e)
         if r.status_code >= 400:
-            # Upstream 4xx/5xx dla thumba — degraded zamiast raise (placeholder w mobile).
+            # Upstream 4xx/5xx dla thumba, degraded zamiast raise (placeholder w mobile).
-            # GOON-5 (Cloudflare 523) i GOON-D — bezsensowny noise w Sentry, lepiej
+            # GOON-5 (Cloudflare 523) i GOON-D, bezsensowny noise w Sentry, lepiej
             # info log + 502 pass-through bez exception.
             log.info("img proxy upstream %d for %s", r.status_code, target)
             return Response(
@@ -362,7 +447,7 @@ async def proxy_image(
 
 
 # sxyprn on-demand thumbnail resolve (bug 2026-06-10). trafficdeposit poster token
-# żyje ~1h (bucket godzinowy), więc URL-i NIE da się przechować — resolvujemy bieżący
+# żyje ~1h (bucket godzinowy), więc URL-i NIE da się przechować, resolvujemy bieżący
 # og:image ze strony /post/<id> przy serwowaniu. Cache resolved poster URL ~40min
 # (< 1h TTL). Klient dostaje STABILNY /proxy/sxyprn-thumb/<id> → cache'uje bajty na
 # stałe (treść postera niezmienna), więc fetchujemy stronę post ~raz per post.
@@ -376,10 +461,10 @@ _SXYPRN_PID_RE = re.compile(r"^[0-9a-f]{6,40}$")
 
 # youporn on-demand thumbnail (bug-report bebf8c92 2026-07-25 "miniaturki z youporn
 # nie działają"). youporn przeszedł dla części katalogu na imgproxy z PODPISANYM URL-em
-# (`.../original_<id>.mov/plain/rs:fit:1280:720/vts:N?hash=...&validto=<ts>`) — taki URL
+# (`.../original_<id>.mov/plain/rs:fit:1280:720/vts:N?hash=...&validto=<ts>`), taki URL
 # wygasa, więc zapisany w bazie po czasie zwraca 410 (audit 2026-07-26: 8666 z 62930
 # źródeł youporn). Reszta katalogu ma stare statyczne `.../original/N.jpg`, które działają
-# bezterminowo — tych NIE ruszamy (żaden dodatkowy fetch). Tu, jak w sxyprn, resolvujemy
+# bezterminowo, tych NIE ruszamy (żaden dodatkowy fetch). Tu, jak w sxyprn, resolvujemy
 # świeży URL przy serwowaniu; klient dostaje stabilny `/proxy/youporn-thumb/<video_id>`.
 _YOUPORN_POSTER_CACHE: dict[str, tuple[str, float]] = {}
 _YOUPORN_POSTER_TTL = 1800
@@ -417,7 +502,7 @@ async def youporn_thumb(video_id: str) -> Response:
             )
             if not m:
                 return Response(content=b"", status_code=404, media_type="image/jpeg")
-            # JSON-LD escapuje `\/`, a og:image ma encje HTML (`&amp;`) — bez unescape
+            # JSON-LD escapuje `\/`, a og:image ma encje HTML (`&amp;`), bez unescape
             # podpis w query jest zepsuty i CDN oddaje 403.
             poster = _htmllib.unescape(m.group(1).strip().replace("\\/", "/"))
             if poster.startswith("//"):
@@ -492,7 +577,7 @@ async def sxyprn_thumb(post_id: str) -> Response:
 async def _refetch_mixdrop_url(session: "AsyncSession", embed_url: str) -> str | None:
     """Re-fetch mixdrop embed, decode P.A.C.K.E.R., extract fresh MDCore.wurl.
     Cookies persist w session, użytkowane potem do mp4 GET (same-session bind).
-    UA + Accept wymagane — bez tego mixdrop zwraca minimalny body (bez packera).
+    UA + Accept wymagane, bez tego mixdrop zwraca minimalny body (bez packera).
     """
     import re
     from yt_dlp.utils import decode_packed_codes
@@ -563,9 +648,9 @@ async def _curl_cffi_stream(
             await session.close()
             return _upstream_error_response(upstream.status_code, dict(upstream.headers), target)
 
-        out_headers = {
+        out_headers = _with_cast_cors(
-            k: v for k, v in upstream.headers.items() if k.lower() not in HOP_BY_HOP
+            {k: v for k, v in upstream.headers.items() if k.lower() not in HOP_BY_HOP}
-        }
+        )
 
         async def streamer():
             bytes_out = 0
@@ -610,6 +695,28 @@ async def _produce_manifest(producer: str, embed_url: str) -> str | None:
     return None
 
 
+_CHALLENGE_COOKIE_RE = re.compile(r"document\.cookie\s*=\s*'([^=]+)=([^;']+)")
+
+
+def _challenge_cookie(r: httpx.Response) -> str | None:
+    """Ciasteczko z odpowiedzi-wyzwania sieci TXXX (vjav i rodzina), albo None.
+
+    Serwis dlawi ruch z serwerowni: zamiast tresci oddaje 429 i mikroskopijna strone,
+    ktora w JS ustawia jedno ciasteczko i przeladowuje sie. Wartosc stoi WPROST w tej
+    odpowiedzi, wiec wystarczy ja odczytac i powtorzyc zapytanie, bez wykonywania JS.
+
+    Ekstraktor vjav robil to od 2026-08-21 przy `videofile.php`, ale adres manifestu
+    oddawany odtwarzaczowi tej sztuczki nie dostawal. Skutek: `try_extract` konczyl sie
+    sukcesem, wiec zrodlo wygladalo na zywe, a `/proxy/hls` przy kazdym odtworzeniu
+    dostawal 429 i oddawal blad. Stad 587 bledow i ZERO udanych odtworzen na vjav w
+    ciagu 14 dni, przy 58 779 zrodel.
+    """
+    if r.status_code != 429 or len(r.content) > 4096:
+        return None
+    m = _CHALLENGE_COOKIE_RE.search(r.text)
+    return f"{m.group(1)}={m.group(2)}" if m else None
+
+
 @router.get("/hls/{token}/{_basename:path}")
 async def proxy_hls_manifest(token: str, _basename: str) -> Response:
     """Direct-HLS manifest passthrough dla time-bound (mobile_direct_ok) m3u8 hosterów.
@@ -622,7 +729,7 @@ async def proxy_hls_manifest(token: str, _basename: str) -> Response:
 
     Tu serwujemy SAM manifest pod `play.m3u8` (ExoPlayer → HlsMediaSource), a child-URL-e
     (variant/segmenty) zostają ABSOLUTNE na CDN → telefon ciągnie je DIRECT (phone IP,
-    token time-bound działa cross-IP; Referer propaguje Media3 na child-requesty —
+    token time-bound działa cross-IP; Referer propaguje Media3 na child-requesty,
     zweryfikowane cross-IP 2026-06-11). Przez VPS leci tylko ~1KB manifestu, nie segmenty.
     Tylko dla mobile_direct_ok (gdzie segmenty z definicji działają cross-IP); IP-bound
     hostery dalej idą pełnym `/proxy/`."""
@@ -647,16 +754,32 @@ async def proxy_hls_manifest(token: str, _basename: str) -> Response:
     async with httpx.AsyncClient(follow_redirects=True, timeout=20.0) as client:
         try:
             r = await client.get(target, headers=headers)
+            if (ck := _challenge_cookie(r)) is not None:
+                r = await client.get(target, headers=dict(headers, Cookie=ck))
         except httpx.HTTPError as e:
             log.info("proxy-hls fetch failed %s: %s", target, e)
             raise HTTPException(status_code=502, detail="manifest fetch failed") from e
     if r.status_code >= 400:
         return _upstream_error_response(r.status_code, dict(r.headers), target)
+
+    # Hoster potrafi oddac 200 z trescia, ktora manifestem NIE jest (strona bledu albo
+    # reklama zamiast playlisty). Bez tej kontroli przepuszczalismy takie cos dalej jako
+    # `application/vnd.apple.mpegurl` ze statusem 200, a odtwarzacz konczyl komunikatem
+    # "Input does not start with the #EXTM3U header" (perverzija, 203 zdarzenia/14 dni).
+    # Gorsze od samego bledu bylo to, ze przy statusie 200 apka uznawala odpowiedz za
+    # dobra i nie probowala odswiezyc zrodla. Oddajemy 502, zeby wlaczyla sie normalna
+    # sciezka ponowienia.
+    if not r.text.lstrip(" \t\r\n").startswith("#EXTM3U"):
+        log.info(
+            "proxy-hls: odpowiedz 200 nie jest manifestem (%dB) dla %s", len(r.content), target
+        )
+        raise HTTPException(status_code=502, detail="upstream returned non-manifest body")
+
     rewritten = _absolutize_m3u8(r.text, base_url=str(r.url))
     return Response(
         content=rewritten,
         media_type="application/vnd.apple.mpegurl",
-        headers={"Cache-Control": "no-store"},
+        headers=_with_cast_cors({"Cache-Control": "no-store"}),
     )
 
 
@@ -674,7 +797,7 @@ async def proxy_stream(
     refetch_hoster = payload.get("rh")
 
     # Jeśli ten target był już wcześniej follow-redirect-ed, użyj cached final URL.
-    # Powód: porntrex `get_file/` 410 po reuse — patrz `_REDIRECT_CACHE` docstring.
+    # Powód: porntrex `get_file/` 410 po reuse, patrz `_REDIRECT_CACHE` docstring.
     cached_target = _redirect_cache_get(original_target)
     target = cached_target or original_target
 
@@ -684,10 +807,10 @@ async def proxy_stream(
     if range_h:
         headers["Range"] = range_h
 
-    method = "GET"  # ExoPlayer głównie GET; HEAD nie potrzebny — proxy zwraca pełne odpowiedzi
+    method = "GET"  # ExoPlayer głównie GET; HEAD nie potrzebny, proxy zwraca pełne odpowiedzi
 
     # Hostery które wymagają Chrome JA3 fingerprint (mxcontent / cloudflare-protected
-    # CDNs) — od razu używamy curl_cffi zamiast httpx żeby uniknąć 403→retry round-trip.
+    # CDNs), od razu używamy curl_cffi zamiast httpx żeby uniknąć 403→retry round-trip.
     # Token `i=1` flag ustawiana przez extractor dla tych hostów (mixdrop.py).
     if use_impersonate:
         return await _curl_cffi_stream(
@@ -707,19 +830,41 @@ async def proxy_stream(
 
     client = httpx.AsyncClient(timeout=timeout, follow_redirects=True)
     try:
-        # Sprobój streaming send PIERWSZY — sprawdź content-type po headers,
+        # Sprobój streaming send PIERWSZY, sprawdź content-type po headers,
         # potem decyzja: rewrite manifest vs stream binary.
         upstream = await client.send(
             client.build_request(method, target, headers=headers),
             stream=True,
             follow_redirects=True,
         )
+        # Przejściowy błąd SERWERA upstreamu → jedno ponowienie, zanim oddamy błąd
+        # do playera. Te CDN-y stoją na wielu węzłach (galaxyporn: 203.188.166.163,
+        # 185.237.106.182, 185.237.107.133), więc druga próba zwykle trafia w zdrowy.
+        #
+        # Telemetria 30 dni: 502/503 to JEDYNA klasa błędów playbacku przy kilku
+        # niezależnych źródłach naraz (porndoe 65, 8kporner 37, galaxyporn 22), przy
+        # 1310 udanych odtworzeniach samego galaxyporn, czyli 1,9%. Zgłoszenie
+        # 7f2234eb („samo wideo działa a aplikacja zgłasza problem z hostem") to
+        # dokładnie ten przypadek: dla usera wygląda na zepsute źródło, a to mignięcie.
+        #
+        # Ponawiamy TYLKO 502/503/504 i tylko dla GET/HEAD (idempotentne, segment HLS
+        # to zwykły GET). 4xx zostawiamy: 403/410 to wygasły token, a nie chwilowa
+        # awaria, i mają własną ścieżkę z invalidacją cache niżej.
+        if upstream.status_code in (502, 503, 504) and method.upper() in ("GET", "HEAD"):
+            await upstream.aclose()
+            await asyncio.sleep(0.25)
+            log.info("proxy: upstream %d, ponawiam %s", upstream.status_code, target[:70])
+            upstream = await client.send(
+                client.build_request(method, target, headers=headers),
+                stream=True,
+                follow_redirects=True,
+            )
         if upstream.status_code >= 400:
             status = upstream.status_code
             ups_headers = dict(upstream.headers)
             await upstream.aclose()
             await client.aclose()
-            # Cached final URL zwrócił error (np. CDN signed-URL expired, 403/410) —
+            # Cached final URL zwrócił error (np. CDN signed-URL expired, 403/410),
             # invaliduj cache i daj mobile retry przez fresh /resolve. Bez tego stale
             # cache trzymałby martwy CDN URL przez 30 min (TTL).
             if cached_target is not None and status in (401, 403, 404, 410):
@@ -728,7 +873,7 @@ async def proxy_stream(
 
         # Pierwszy successful pass dla single-use targets (np. porntrex get_file):
         # cache resolved final URL (po follow_redirects). Następne range-requesty
-        # pójdą direct w CDN URL — get_file nie dostaje drugiego hita.
+        # pójdą direct w CDN URL, get_file nie dostaje drugiego hita.
         if cached_target is None:
             final_url = str(upstream.url)
             if final_url != original_target:
@@ -741,7 +886,7 @@ async def proxy_stream(
             or "application/x-mpegurl" in ct
         )
         if is_m3u8:
-            # Manifest content — buffer fully, rewrite, return as m3u8.
+            # Manifest content, buffer fully, rewrite, return as m3u8.
             body = await upstream.aread()
             await upstream.aclose()
             await client.aclose()
@@ -757,9 +902,9 @@ async def proxy_stream(
                 headers={"Cache-Control": "no-store"},
             )
 
-        out_headers = {
+        out_headers = _with_cast_cors(
-            k: v for k, v in upstream.headers.items() if k.lower() not in HOP_BY_HOP
+            {k: v for k, v in upstream.headers.items() if k.lower() not in HOP_BY_HOP}
-        }
+        )
 
         async def streamer():
             bytes_out = 0
@@ -769,7 +914,7 @@ async def proxy_stream(
                     yield chunk
             except httpx.TransportError as e:
                 # Upstream CDN zerwał połączenie w trakcie streamu (peer closed before
-                # full body — RemoteProtocolError, ReadError, timeout). Klient dostaje
+                # full body, RemoteProtocolError, ReadError, timeout). Klient dostaje
                 # uciętą odpowiedź i ponawia Range-requestem; to NIE jest bug aplikacji.
                 # Bez tego wyjątek leci z generatora PO zwróceniu StreamingResponse, omija
                 # outer try/except i ląduje w Sentry jako unhandled (GOON-Y 2026-06-11).
@@ -792,7 +937,7 @@ async def proxy_stream(
         await client.aclose()
         raise
     except (httpx.ConnectError, httpx.ConnectTimeout, httpx.ReadTimeout) as e:
-        # CDN connect failure / timeout — transient, log na INFO (nie ERROR do Sentry).
+        # CDN connect failure / timeout, transient, log na INFO (nie ERROR do Sentry).
         # Zwracamy 503 zamiast 502 + Retry-After, mobile może retry-ować bez panic.
         await client.aclose()
         log.info("proxy connect/timeout for %s: %s", target, e)
@@ -818,10 +963,10 @@ def _upstream_error_response(
     Rationale per status:
       - **429 Too Many Requests**: CDN rate-limit (np. fpo.xxx gdy proxy hammeruje
         get_file/). Pass-through 429 + Retry-After żeby mobile zrobiło backoff.
-        Log INFO (nie ERROR) — to expected behavior CDN-a, nie nasz bug.
+        Log INFO (nie ERROR), to expected behavior CDN-a, nie nasz bug.
       - **404/410**: video deleted/expired token. Pass-through żeby player wiedział.
       - **5xx upstream**: pochodzi z CDN-a, nie z naszego kodu. Log INFO.
-      - **inne 4xx**: 502 (i Sentry warn) — może być nasza wina (bad referer itp.).
+      - **inne 4xx**: 502 (i Sentry warn), może być nasza wina (bad referer itp.).
     """
     retry_after = upstream_headers.get("retry-after") or upstream_headers.get("Retry-After")
     if status == 429:
@@ -845,7 +990,7 @@ def _upstream_error_response(
             media_type="text/plain",
         )
     if 500 <= status < 600:
-        # CDN-side error (np. Cloudflare 523 — origin unreachable). Pass-through
+        # CDN-side error (np. Cloudflare 523, origin unreachable). Pass-through
         # 502 ale log INFO bo to nie nasza wina.
         log.info("proxy upstream %d for %s", status, target)
         return Response(
@@ -854,5 +999,28 @@ def _upstream_error_response(
             headers={"Retry-After": "5"},
             media_type="text/plain",
         )
-    # 4xx other (403 itp.) — raise żeby Sentry zarejestrował (może bug naszego kodu)
+    if status in (401, 403):
+        # WYGASŁY/NIEWAŻNY PODPIS, nie awaria hosta. Przepuszczamy prawdziwy kod zamiast
+        # mapować na 502, z dwóch powodów:
+        #
+        #  1. Diagnostyka. `playback_events.error_detail` bierze się z komunikatu
+        #     ExoPlayera („Response code: 502"), więc dopóki mapowaliśmy wszystko na 502,
+        #     w telemetrii nie dało się odróżnić „CDN padł" od „token wygasł". Zgłoszenie
+        #     7f2234eb („samo wideo działa a aplikacja zgłasza problem z hostem") to
+        #     dokładnie ta dwuznaczność: dla usera źródło wygląda na zepsute, a wystarczy
+        #     świeży resolve.
+        #  2. Sentry. Wygaśnięcie podpisanego URL-a jest NORMALNE (te CDN-y dają tokeny
+        #     na minuty), a raise robił z tego wyjątek „może nasz bug" i zaśmiecał alerty.
+        #
+        # Cache i tak jest tu invalidowany wyżej (401/403/404/410), więc kolejny resolve
+        # dostanie świeży URL.
+        log.info("proxy upstream %d (wygasly podpis?) for %s", status, target)
+        return Response(
+            content=f"upstream {status}",
+            status_code=status,
+            media_type="text/plain",
+            headers={"Cache-Control": "no-store"},
+        )
+    # Pozostałe 4xx (400/405/451…) nadal jako 502 + wyjątek: tego NIE spodziewamy się
+    # od poprawnie zbudowanego requestu, więc chcemy o tym wiedzieć w Sentry.
     raise HTTPException(status_code=502, detail=f"upstream {status}")

app/api/taxonomies.py

@@ -1,4 +1,4 @@
-"""GET /tags, /performers, /studios — listy taxonomies do filtrów na mobile.
+"""GET /tags, /performers, /studios, listy taxonomies do filtrów na mobile.
 
 Każdy endpoint wspiera:
   - q: substring search po name_normalized (trgm fallback ilike)
@@ -9,6 +9,7 @@ Zwraca też scene_count żeby UI pokazywał "(123)" przy każdym tagu/performerz
 """
 from __future__ import annotations
 
+import logging
 import uuid
 from typing import Annotated
 
@@ -26,6 +27,9 @@ from app.models.playback_source import PlaybackSource
 from app.models.scene import ScenePerformer, SceneTag
 from app.models.studio import Studio
 from app.models.tag import Tag
+from app.verticals import VERTICALS
+
+log = logging.getLogger(__name__)
 
 router = APIRouter(tags=["taxonomies"], dependencies=[Depends(require_api_key)])
 
@@ -102,12 +106,19 @@ def list_tags(
             " Filtruje krótkie listy filtrów żeby nie pokazywać tagów-sierot."
         ),
     ),
+    vertical: str | None = Query(
+        default=None,
+        description=(
+            "Wertykał ('jav'/'animation'): licz i pokazuj TYLKO tagi jego scen. "
+            "Brak → główny feed, bez tagów wertykałowych."
+        ),
+    ),
 ) -> TagListOut:
     if order not in ("popular", "scene_count", "name"):
         raise HTTPException(status_code=400, detail="order must be 'popular' or 'name'")
 
     if for_movies:
-        # Movie tag count — zliczamy tylko Movies z ≥1 live MoviePlaybackSource.
+        # Movie tag count, zliczamy tylko Movies z ≥1 live MoviePlaybackSource.
         # Tag-bez-żadnego-movie zwraca 0 (LEFT OUTER JOIN przez coalesce). Movies są
         # małe (~41k) więc live-aggregat OK; scenes path niżej używa denormalizacji.
         _movie_live = exists().where(
@@ -146,7 +157,55 @@ def list_tags(
         ]
         return TagListOut(items=items, total=total, page=page, per_page=per_page)
 
-    # Scenes path — czyta zdenormalizowany Tag.scene_count (refresh w tle przez
+    if vertical in VERTICALS:
+        # Wertykał liczymy NA ŻYWO, bez denormalizacji: to małe zbiory (animacja ~9,5 tys.
+        # scen wobec 3,8 mln całości), więc agregat jest tani, a dokładanie kolumny
+        # `scene_count_<wertykał>` do `tags` kosztowałoby migrację przy każdym nowym
+        # wertykale. Zdenormalizowany `Tag.scene_count` opisuje WYŁĄCZNIE główny feed.
+        v_scenes = (
+            select(PlaybackSource.scene_id)
+            .where(
+                PlaybackSource.dead_at.is_(None),
+                PlaybackSource.origin.in_(VERTICALS[vertical]),
+            )
+            .distinct()
+            .subquery()
+        )
+        v_count = (
+            select(SceneTag.tag_id, func.count().label("c"))
+            .join(v_scenes, v_scenes.c.scene_id == SceneTag.scene_id)
+            .group_by(SceneTag.tag_id)
+            .subquery()
+        )
+        base = (
+            select(Tag, func.coalesce(v_count.c.c, 0).label("scene_count"))
+            .outerjoin(v_count, v_count.c.tag_id == Tag.id)
+        )
+        if q:
+            base = base.where(Tag.name.ilike(f"%{q}%"))
+        # Tag spoza wertykału ma tu 0, więc `only_with_content` sam odsiewa zachodnie
+        # słownictwo. Dla wertykału trzymamy to WŁĄCZONE zawsze: lista bez tego byłaby
+        # w 99% tagami, których w tej sekcji nie ma czym wypełnić.
+        base = base.where(v_count.c.tag_id.is_not(None))
+        total = session.execute(
+            select(func.count()).select_from(base.subquery())
+        ).scalar_one()
+        if order in ("popular", "scene_count"):
+            ordered = base.order_by(func.coalesce(v_count.c.c, 0).desc(), Tag.name.asc())
+        else:
+            ordered = base.order_by(Tag.name.asc())
+        rows = session.execute(
+            ordered.offset((page - 1) * per_page).limit(per_page)
+        ).all()
+        return TagListOut(
+            items=[
+                TagCount(id=t.id, name=t.name, slug=t.slug, scene_count=int(c))
+                for t, c in rows
+            ],
+            total=total, page=page, per_page=per_page,
+        )
+
+    # Scenes path, czyta zdenormalizowany Tag.scene_count (refresh w tle przez
     # _job_refresh_taxonomy_counts). Wcześniej liczył agregat 6.3M scene_tags +
     # EXISTS playback per-request (~4.3s ×2). Patrz migracja 0019.
     base = select(Tag)
@@ -182,10 +241,72 @@ def list_performers(
     order: str = Query(default="scene_count", description="scene_count|name"),
     page: int = Query(default=1, ge=1),
     per_page: int = Query(default=50, ge=1, le=500),
+    vertical: str | None = Query(
+        default=None,
+        description=(
+            "Wertykał ('jav'): licz i pokazuj TYLKO obsadę jego scen. Brak → główny feed. "
+            "Dla 'animation' zwraca pusto, bo animacja z definicji nie ma obsady."
+        ),
+    ),
 ) -> PerformerListOut:
     if order not in ("scene_count", "popular", "name"):
         raise HTTPException(status_code=400, detail="order must be 'scene_count' or 'name'")
 
+    if vertical in VERTICALS:
+        # Jak przy tagach: wertykał liczymy NA ŻYWO, bo `Performer.scene_count` z założenia
+        # opisuje wyłącznie główny feed (job taxonomy_counts wyklucza originy wertykałowe).
+        # Bez tego zakładka JAV pokazywała zachodnią obsadę, a jej własne 1392 nazwiska
+        # miały licznik 0 i lądowały na końcu listy.
+        #
+        # Animacja NIE MA obsady i to nie jest brak danych, tylko wlasciwosc: dla postaci
+        # rysowanych nie istnieje kanon (TPDB/StashDB ich nie maja), patrz app/verticals.py.
+        # Zmierzone 2026-08-14: 12 698 scen animowanych, 0 performerów. Zapytanie odda
+        # wiec pusto i tak ma byc; apka chowa tam ten przycisk.
+        v_scenes = (
+            select(PlaybackSource.scene_id)
+            .where(
+                PlaybackSource.dead_at.is_(None),
+                PlaybackSource.origin.in_(VERTICALS[vertical]),
+            )
+            .distinct()
+            .subquery()
+        )
+        v_count = (
+            select(ScenePerformer.performer_id, func.count().label("c"))
+            .join(v_scenes, v_scenes.c.scene_id == ScenePerformer.scene_id)
+            .group_by(ScenePerformer.performer_id)
+            .subquery()
+        )
+        base = (
+            select(Performer, func.coalesce(v_count.c.c, 0).label("scene_count"))
+            .join(v_count, v_count.c.performer_id == Performer.id)
+        )
+        if q:
+            base = base.where(Performer.name_normalized.ilike(f"%{q.lower()}%"))
+        total = session.execute(
+            select(func.count()).select_from(base.subquery())
+        ).scalar_one()
+        if order in ("scene_count", "popular"):
+            ordered = base.order_by(v_count.c.c.desc(), Performer.canonical_name.asc())
+        else:
+            ordered = base.order_by(Performer.canonical_name.asc())
+        rows = session.execute(
+            ordered.offset((page - 1) * per_page).limit(per_page)
+        ).all()
+        return PerformerListOut(
+            items=[
+                PerformerCount(
+                    id=p.id,
+                    canonical_name=p.canonical_name,
+                    slug=p.slug,
+                    gender=p.gender.value if p.gender else None,
+                    scene_count=int(c),
+                )
+                for p, c in rows
+            ],
+            total=total, page=page, per_page=per_page,
+        )
+
     # Czyta zdenormalizowany Performer.scene_count (refresh w tle). Wcześniej agregat
     # 3M scene_performers + EXISTS playback per-request. Patrz migracja 0019.
     base = select(Performer)
@@ -236,13 +357,13 @@ def list_studios(
         description="True: ukrywa studia z 0 wystąpieniami w wybranym typie.",
     ),
 ) -> StudioListOut:
-    from app.models.scene import Scene  # lokalny import — Scene FK do Studio
+    from app.models.scene import Scene  # lokalny import, Scene FK do Studio
 
     if order not in ("name", "scene_count", "popular"):
         raise HTTPException(status_code=400, detail="order must be 'name' or 'scene_count'")
 
     if for_movies:
-        # Movies małe (~41k) — live aggregat OK. Scenes path niżej = denormalizacja.
+        # Movies małe (~41k), live aggregat OK. Scenes path niżej = denormalizacja.
         _movie_live = exists().where(
             and_(
                 MoviePlaybackSource.movie_id == Movie.id,
@@ -280,7 +401,7 @@ def list_studios(
         ]
         return StudioListOut(items=items, total=total, page=page, per_page=per_page)
 
-    # Scenes path — czyta zdenormalizowany Studio.scene_count (refresh w tle).
+    # Scenes path, czyta zdenormalizowany Studio.scene_count (refresh w tle).
     # Wcześniej agregat 1.69M scenes + EXISTS playback per-request. Patrz migracja 0019.
     base = select(Studio)
     if q:
@@ -322,6 +443,10 @@ class PerformerRefreshOut(BaseModel):
     counters: dict[str, dict[str, int]]
     new_scenes: int
     last_searched_at: str | None
+    # "started" = wyszukiwanie ruszyło w tle i sceny dopiszą się za chwilę. Pole doszło
+    # przy przejściu na async (zgłoszenie 23c64a28); klient sprzed tej zmiany go nie
+    # czyta i pokaże "0 new scenes", co jest znośne przez okno do publikacji OTA.
+    status: str = "done"
 
 
 class PerformerRescrapeOut(BaseModel):
@@ -340,13 +465,13 @@ class PerformerRescrapeOut(BaseModel):
 # przy partial commits. 45s wall-clock + 50 scen max = ~12 fetches × 3s budgetowo.
 # Większe rescrape'y user może odpalać wielokrotnie (idempotent dzięki has_thumb/
 # tag_count check).
-_RESCRAPE_WALL_SEC = 55.0  # nginx read timeout 60s — 5s margin na response build
+_RESCRAPE_WALL_SEC = 55.0  # nginx read timeout 60s, 5s margin na response build
 _RESCRAPE_MAX_SCENES = 50
 # Re-fetch tagów dla scen z < N tagami. Niektórzy performerzy mają legit 1-2 tagi
 # (niche), no harm w sprawdzeniu pierwszy raz; powtarzane wywołania są idempotent
 # bo INSERT ... ON CONFLICT DO NOTHING.
 _TAG_RESCRAPE_THRESHOLD = 3
-# Mainstream tubes priority dla tagów — bogate metadane.
+# Mainstream tubes priority dla tagów, bogate metadane.
 _TAG_PRIORITY = [
     "xhamstercom", "porntrexcom", "epornercom", "youporncom",
     "xvideoscom", "xnxxcom",
@@ -360,7 +485,7 @@ def performer_top_tags(
     limit: int = Query(default=20, ge=1, le=50),
 ) -> TagListOut:
     """Top tagi/kategorie agregowane ze scen performera (PerformerScenes UI chips,
-    bug-report 1a4bf258 — zastępują dev-only przycisk Re-scrape). Liczymy tylko po
+    bug-report 1a4bf258, zastępują dev-only przycisk Re-scrape). Liczymy tylko po
     scenach z żywym playbackiem (to co user realnie widzi na liście). scene_id index
     pokrywa oba joiny; performer ma rzędu setek scen → tani agregat per-request."""
     live = exists().where(
@@ -418,7 +543,7 @@ def rescrape_performer_scenes(
     if perf is None:
         raise HTTPException(status_code=404, detail="performer not found")
 
-    # 1) ID-only query — sceny ze ≥1 alive tube playback.
+    # 1) ID-only query, sceny ze ≥1 alive tube playback.
     scene_ids = session.execute(
         select(Scene.id)
         .join(ScenePerformer, ScenePerformer.scene_id == Scene.id)
@@ -468,7 +593,7 @@ def rescrape_performer_scenes(
     capped = False
     cap_reason: str | None = None
     started = _time.monotonic()
-    # Narrow exception set — łapiemy TYLKO oczekiwane network/parse failures.
+    # Narrow exception set, łapiemy TYLKO oczekiwane network/parse failures.
     # `Exception` catch-all blokował KeyboardInterrupt + maskował pool exhaustion.
     NET_EXC = (TubePageError, _httpx.HTTPError, OSError, ValueError)
 
@@ -486,7 +611,7 @@ def rescrape_performer_scenes(
         has_thumb = any(s.thumbnail_url for s in sources)
         existing_tag_count = tag_counts.get(scene_id, 0)
 
-        # SAVEPOINT — fail isolation. Pojedyncza scena z FK violation w SceneTag
+        # SAVEPOINT, fail isolation. Pojedyncza scena z FK violation w SceneTag
         # insert nie odpaliłby outer transaction; bez nested rollback całe N scen
         # po niej miałoby PendingRollbackError.
         sp = session.begin_nested()
@@ -504,7 +629,7 @@ def rescrape_performer_scenes(
                     thumb = extract_thumbnail_url(r.text)
                     if thumb:
                         # Update tylko źródła z którego pochodzi thumb (single playback).
-                        # Wcześniej apply'owalismy do wszystkich siblings — wrong-CDN
+                        # Wcześniej apply'owalismy do wszystkich siblings, wrong-CDN
                         # cross-attribution (np. xhamster thumb na porntrex entry).
                         # `scene.thumbnail_url` w UI bierze pierwszy z thumb (mobile
                         # find()), więc 1 wystarczy.
@@ -586,11 +711,18 @@ def refresh_performer(
     performer_id: uuid.UUID,
     session: Annotated[Session, Depends(get_session)],
 ) -> PerformerRefreshOut:
-    """On-demand search across all tubes dla pojedynczego performera. Synchronous —
+    """On-demand search across all tubes dla pojedynczego performera. Startuje w TLE
-    blokujemy aż search skończy. Mobile pokazuje spinner.
+    i odpowiada od razu (`status="started"`), a sceny dopisują się w miarę mielenia.
 
-    Rate-guard: jeśli refresh był < 60s temu, zwraca cached result (HTTP 429-style
+    Dlaczego nie synchronicznie, jak do 2026-08-26: search po ~25 tubach trwa dłużej,
-    detail). Continuous worker w tle też robi swoje, więc cache jest częsty.
+    niż klient jest gotów czekać, i przy rozbudowanych performerach telefon zrywał
+    połączenie. W logu zostawały starty `performer_driven` bez ANI JEDNEJ domkniętej
+    odpowiedzi (Cassie Del Isla, 871 scen, 4 zerwane requesty), użytkownik widział
+    "Refresh failed", klikał znowu i mieliliśmy to samo kilka razy równolegle
+    (zgłoszenie 23c64a28 "Search more scenes button not working").
+
+    Rate-guard bez zmian: refresh < 60s temu → 429. `last_searched_at` stawiamy PRZED
+    startem wątku, więc guard chroni też przed dublowaniem samego startu.
     """
     from datetime import UTC as _UTC, datetime as _dt, timedelta as _td
 
@@ -606,27 +738,37 @@ def refresh_performer(
                 detail=f"recently searched {int(elapsed.total_seconds())}s ago, try in a bit",
             )
 
-    # Lazy import — performer_driven ma ciężki connector tree
+    perf.last_searched_at = _dt.now(_UTC)
+    perf.search_run_count = (perf.search_run_count or 0) + 1
+    session.commit()
+    name = perf.canonical_name
+    searched_at = perf.last_searched_at.isoformat()
+
+    def _run_in_background() -> None:
+        # Własny import i własna obsługa błędów: wątek nie ma requestu, któremu mógłby
+        # oddać wyjątek, a `run_performer_driven` otwiera sesje DB samodzielnie.
+        try:
             from app.scheduler.performer_driven import run_performer_driven
 
-    # NOTE: ten request blokuje request thread API na 30-90s (search across ~25 tubes).
-    # Akceptowalne dla self-hosted single-user. W razie potrzeby dorobić task queue.
             counters_obj = run_performer_driven(
                 performer_ids=[performer_id],
                 top_n=0,
                 per_performer_limit=200,
             )
-
-    # Update last_searched_at + counter (tak samo jak continuous worker)
-    perf.last_searched_at = _dt.now(_UTC)
-    perf.search_run_count = (perf.search_run_count or 0) + 1
-    session.commit()
-
             new_total = sum(s.get("new", 0) for s in counters_obj.per_source.values())
+            log.info("refresh-performer %s (%s): tlo skonczone, new=%d", performer_id, name, new_total)
+        except Exception:
+            log.exception("refresh-performer %s (%s): tlo padlo", performer_id, name)
+
+    import threading
+
+    threading.Thread(target=_run_in_background, name=f"perf-refresh-{performer_id}", daemon=True).start()
+
     return PerformerRefreshOut(
         performer_id=performer_id,
-        canonical_name=perf.canonical_name,
+        canonical_name=name,
-        counters=counters_obj.per_source,
+        counters={},
-        new_scenes=new_total,
+        new_scenes=0,
-        last_searched_at=perf.last_searched_at.isoformat() if perf.last_searched_at else None,
+        last_searched_at=searched_at,
+        status="started",
     )

app/api/watch.py

@@ -1,8 +1,8 @@
 """Watch history + continue watching.
 
 Single-user. Mobile pingu POST /scenes/{id}/progress przy:
-  - Klik Watch (position_sec=0) — wciąga scenę do recent watch
+  - Klik Watch (position_sec=0), wciąga scenę do recent watch
-  - Powrót z MX z ACTION_RESULT (gdy włączone EXTRA_RETURN_RESULT) — z faktyczną pozycją
+  - Powrót z MX z ACTION_RESULT (gdy włączone EXTRA_RETURN_RESULT), z faktyczną pozycją
 
 Continue watching rail na home: GET /watch/recent?limit=10 → top scen po last_played_at,
 filtruje dead-finished (>=95% lub flag finished). Mobile pokazuje progress bar
@@ -20,7 +20,7 @@ from sqlalchemy import desc, select
 from sqlalchemy.orm import Session
 
 from app.api.device import get_device_id
-from app.api.scenes import _build_scene_out
+from app.api.scenes import _build_scenes_out_batch
 from app.api.schemas import SceneOut
 from app.auth import require_api_key
 from app.db import get_session
@@ -55,7 +55,7 @@ def upsert_progress(
     if session.get(Scene, scene_id) is None:
         raise HTTPException(status_code=404, detail="scene not found")
 
-    # PG upsert — eliminuje race condition gdy mobile wysyła progress równolegle
+    # PG upsert, eliminuje race condition gdy mobile wysyła progress równolegle
     # (np. 2 instancje playera lub auto-save + manual save). Wcześniej `get → add →
     # commit` rzucało IntegrityError(pk_scene_play_progress) przy concurrent writes.
     from sqlalchemy.dialects.postgresql import insert as pg_insert
@@ -139,7 +139,7 @@ def upsert_movie_progress(
     session: Annotated[Session, Depends(get_session)],
     device_id: Annotated[str, Depends(get_device_id)],
 ) -> MovieProgressOut:
-    """Mirror upsert_progress dla filmów (bug-report b207ff17 2026-05-26 —
+    """Mirror upsert_progress dla filmów (bug-report b207ff17 2026-05-26,
     "przydałoby się oznaczenie filmów już obejrzanych")."""
     if session.get(Movie, movie_id) is None:
         raise HTTPException(status_code=404, detail="movie not found")
@@ -237,11 +237,20 @@ def list_recent(
     if not include_finished:
         stmt = stmt.where(ScenePlayProgress.finished.is_(False))
 
+    # Serializacja wsadowa jak w liscie scen: rail „Continue watching" leci przy kazdym
+    # starcie apki, a pelny `_build_scene_out` robil 5-7 zapytan na scene (N+1 w Sentry,
+    # 2026-09-14). Rail uzywa tytulu, miniatury i dlugosci, wiec wersja lekka wystarcza.
+    rows = session.execute(stmt).all()
+    outs = _build_scenes_out_batch(session, [scene for _, scene in rows], light=True, device_id=device_id)
+    out_by_id = {o.id: o for o in outs}
     items: list[WatchEntry] = []
-    for prog, scene in session.execute(stmt).all():
+    for prog, scene in rows:
+        scene_out = out_by_id.get(scene.id)
+        if scene_out is None:
+            continue
         items.append(
             WatchEntry(
-                scene=_build_scene_out(session, scene, device_id=device_id),
+                scene=scene_out,
                 position_sec=prog.position_sec,
                 duration_sec=prog.duration_sec,
                 finished=prog.finished,

app/auth.py

@@ -1,7 +1,7 @@
 """API key authentication.
 
 Klucz przyjmowany z header `X-API-Key` lub `Authorization: Bearer <key>`.
-Gdy `settings.api_keys` jest puste — auth jest wyłączony (dev mode).
+Gdy `settings.api_keys` jest puste, auth jest wyłączony (dev mode).
 
 Dodatkowo (anti-tamper): gdy `ALLOWED_APP_SIG_HASH` jest ustawione, każdy request
 musi zawierać `X-App-Signature` z SHA256 (hex) signing certu APK. Mismatch → 403.
@@ -30,7 +30,7 @@ def require_api_key(
             )
 
     if not settings.auth_enabled:
-        return  # local/dev — wszystko otwarte
+        return  # local/dev, wszystko otwarte
 
     candidate: str | None = None
     if x_api_key:

app/clips_feed.py

@@ -0,0 +1,243 @@
+"""Logika feedu Swipe bez bazy: kursor, wagi afiniczności, punktacja, składanie strony.
+
+Wyniesione z `app/api/clips.py`, żeby dało się testować bez Postgresa (`tests/test_clips_feed.py`).
+
+**Kursor** = base64 JSON `{"s": seed, "pk": <uuid>, "p": <nr strony>}`. Nie offset: pula
+„explore" idzie oknem po kluczu głównym od `pk` (ten sam trik co `sort=random` w
+`list_scenes`), pula afiniczności losuje punkty startu z `Random(seed, p)`. Dzięki temu
+dwa telefony z tym samym seedem dostają inne strony tylko przez różne `clip_seen`,
+a pull-to-refresh to po prostu nowy seed.
+
+**Wagi**: trzy słowniki (tag, nisza, twórca) → liczba. Zdarzenia dodają delty
+(`EVENT_DELTAS`), powód „nie interesuje" dokłada karę na wskazany cel, nocny decay ×0,97
+zapomina stare gusta, cap trzyma słowniki małe (60/40/40). Wszystko celowo proste i
+przejrzyste: da się wytłumaczyć użytkownikowi, dlaczego coś widzi, i skasować jednym
+wywołaniem.
+
+**Punktacja kandydata** = Σ wag tagów + 2·waga niszy + 3·waga twórcy + 0,3·ln(1+lajki)
++ 0,5 gdy klip z ostatnich 7 dni. Strona: 80 % z afiniczności (max 2 klipy jednego twórcy),
+20 % explore, przemieszane deterministycznie z seeda.
+"""
+from __future__ import annotations
+
+import base64
+import hashlib
+import json
+import math
+import random
+import uuid
+from dataclasses import dataclass, field
+from datetime import UTC, datetime, timedelta
+
+FRESH_DAYS = 7
+EXPLORE_SHARE = 0.2
+MAX_PER_CREATOR = 2
+CAP_TAGS, CAP_NICHES, CAP_CREATORS = 60, 40, 40
+DECAY_FACTOR = 0.97
+DECAY_FLOOR = 0.2
+#: Poniżej tego dwell „impression" nic nie znaczy, powyżej `DWELL_POSITIVE_MS` to plus.
+SKIP_MS = 2000
+DWELL_POSITIVE_MS = 10000
+
+#: kind → (delta tag, delta nisza, delta twórca)
+EVENT_DELTAS: dict[str, tuple[float, float, float]] = {
+    "complete": (3.0, 3.0, 2.0),
+    "like": (5.0, 5.0, 4.0),
+    "unlike": (-5.0, -5.0, -4.0),
+    "dwell": (1.0, 1.0, 0.5),
+    "skip": (-1.0, -1.0, -0.5),
+    "not_interested": (-4.0, -4.0, -3.0),
+}
+REASON_PENALTY = -8.0
+ALLOWED_KINDS = frozenset(
+    {"impression", "skip", "complete", "like", "unlike", "not_interested", "autoswipe", "open"}
+)
+#: Kolejność „siły" wyniku w `clip_seen`: nie cofamy do słabszego.
+OUTCOME_RANK = {"served": 0, "skip": 1, "complete": 2, "like": 3, "not_interested": 4}
+
+
+# ---- kursor -----------------------------------------------------------------------------
+def new_seed() -> str:
+    return uuid.uuid4().hex[:12]
+
+
+def seed_start_uuid(seed: str, salt: str = "") -> uuid.UUID:
+    return uuid.UUID(hashlib.md5(f"{seed}:{salt}".encode()).hexdigest())
+
+
+def encode_cursor(seed: str, pk: uuid.UUID, page: int) -> str:
+    raw = json.dumps({"s": seed, "pk": str(pk), "p": page}, separators=(",", ":"))
+    return base64.urlsafe_b64encode(raw.encode()).decode().rstrip("=")
+
+
+def decode_cursor(cursor: str) -> tuple[str, uuid.UUID, int] | None:
+    """None gdy kursor jest zepsuty (klient zaczyna wtedy od nowa, bez 400)."""
+    try:
+        pad = "=" * (-len(cursor) % 4)
+        d = json.loads(base64.urlsafe_b64decode(cursor + pad).decode())
+        seed = str(d["s"])[:16]
+        pk = uuid.UUID(str(d["pk"]))
+        page = int(d["p"])
+        if not seed or page < 0 or page > 100000:
+            return None
+        return seed, pk, page
+    except Exception:
+        return None
+
+
+def page_rng(seed: str, page: int) -> random.Random:
+    return random.Random(f"{seed}:{page}")
+
+
+# ---- wagi -------------------------------------------------------------------------------
+@dataclass
+class Affinity:
+    tags: dict[str, float] = field(default_factory=dict)
+    niches: dict[str, float] = field(default_factory=dict)
+    creators: dict[str, float] = field(default_factory=dict)
+
+    def is_empty(self) -> bool:
+        return not (
+            any(w > 0 for w in self.tags.values())
+            or any(w > 0 for w in self.niches.values())
+            or any(w > 0 for w in self.creators.values())
+        )
+
+    def top(self, which: str, n: int) -> list[str]:
+        d = getattr(self, which)
+        return [k for k, w in sorted(d.items(), key=lambda kv: -kv[1]) if w > 0][:n]
+
+
+def _bump(d: dict[str, float], key: str | None, delta: float) -> None:
+    if not key or not delta:
+        return
+    d[key] = round(d.get(key, 0.0) + delta, 3)
+
+
+def cap_weights(d: dict[str, float], n: int) -> dict[str, float]:
+    """Zostaw `n` pozycji o największej wartości bezwzględnej (kary też są informacją)."""
+    if len(d) <= n:
+        return d
+    keep = sorted(d.items(), key=lambda kv: -abs(kv[1]))[:n]
+    return dict(keep)
+
+
+def decay_weights(d: dict[str, float], factor: float = DECAY_FACTOR, floor: float = DECAY_FLOOR) -> dict[str, float]:
+    out = {k: round(v * factor, 3) for k, v in d.items()}
+    return {k: v for k, v in out.items() if abs(v) >= floor}
+
+
+def event_kind_for_weights(kind: str, dwell_ms: int | None) -> str | None:
+    """Zdarzenie z apki → klucz w `EVENT_DELTAS`. `impression` liczy się tylko przy długim
+    dwell, `skip` tylko przy krótkim; `autoswipe`/`open` nie ruszają wag."""
+    if kind == "impression":
+        return "dwell" if (dwell_ms or 0) >= DWELL_POSITIVE_MS else None
+    if kind == "skip":
+        return "skip" if (dwell_ms or 0) < SKIP_MS else None
+    return kind if kind in EVENT_DELTAS else None
+
+
+def apply_event(
+    aff: Affinity,
+    *,
+    kind: str,
+    dwell_ms: int | None,
+    reason: str | None,
+    tags: list[str],
+    niches: list[str],
+    creator: str | None,
+) -> bool:
+    """Nakłada delty zdarzenia na wagi. True gdy coś się zmieniło."""
+    wkind = event_kind_for_weights(kind, dwell_ms)
+    changed = False
+    if wkind:
+        dt, dn, dc = EVENT_DELTAS[wkind]
+        for t in tags:
+            _bump(aff.tags, t, dt)
+        for n in niches:
+            _bump(aff.niches, n, dn)
+        _bump(aff.creators, creator, dc)
+        changed = True
+    if kind == "not_interested" and reason and ":" in reason:
+        target_kind, _, target = reason.partition(":")
+        target = target.strip()
+        if target_kind == "tag":
+            _bump(aff.tags, target, REASON_PENALTY)
+        elif target_kind == "niche":
+            _bump(aff.niches, target, REASON_PENALTY)
+        elif target_kind == "creator":
+            _bump(aff.creators, target, REASON_PENALTY)
+        changed = True
+    if changed:
+        aff.tags = cap_weights(aff.tags, CAP_TAGS)
+        aff.niches = cap_weights(aff.niches, CAP_NICHES)
+        aff.creators = cap_weights(aff.creators, CAP_CREATORS)
+    return changed
+
+
+# ---- punktacja i składanie strony -----------------------------------------------------
+@dataclass
+class Candidate:
+    id: uuid.UUID
+    creator: str | None
+    likes: int
+    published_at: datetime | None
+    tags: list[str]
+    niches: list[str]
+
+
+def score_candidate(c: Candidate, aff: Affinity, now: datetime | None = None) -> float:
+    now = now or datetime.now(UTC)
+    s = sum(aff.tags.get(t, 0.0) for t in c.tags)
+    s += 2.0 * sum(aff.niches.get(n, 0.0) for n in c.niches)
+    s += 3.0 * aff.creators.get(c.creator or "", 0.0)
+    s += 0.3 * math.log1p(max(c.likes, 0))
+    if c.published_at and c.published_at >= now - timedelta(days=FRESH_DAYS):
+        s += 0.5
+    return s
+
+
+def pick_affinity(cands: list[Candidate], aff: Affinity, n: int, *, max_per_creator: int = MAX_PER_CREATOR) -> list[Candidate]:
+    """Najlepsze `n` po punktach, max `max_per_creator` klipów jednego twórcy na stronę."""
+    ranked = sorted(cands, key=lambda c: -score_candidate(c, aff))
+    out: list[Candidate] = []
+    per: dict[str, int] = {}
+    for c in ranked:
+        key = c.creator or ""
+        if per.get(key, 0) >= max_per_creator:
+            continue
+        per[key] = per.get(key, 0) + 1
+        out.append(c)
+        if len(out) >= n:
+            break
+    return out
+
+
+def pick_explore(cands: list[Candidate], n: int, rng: random.Random) -> list[Candidate]:
+    """Losowanie ważone popularnością: ln(1+lajki)+1, żeby zero lajków też miało szansę."""
+    pool = list(cands)
+    out: list[Candidate] = []
+    while pool and len(out) < n:
+        weights = [math.log1p(max(c.likes, 0)) + 1.0 for c in pool]
+        pick = rng.choices(range(len(pool)), weights=weights, k=1)[0]
+        out.append(pool.pop(pick))
+    return out
+
+
+def split_counts(limit: int, has_affinity: bool) -> tuple[int, int]:
+    """(z afiniczności, explore). Bez wag wszystko idzie z explore."""
+    if not has_affinity:
+        return 0, limit
+    n_explore = max(1, round(limit * EXPLORE_SHARE))
+    return limit - n_explore, n_explore
+
+
+def compose_page(aff_items: list[Candidate], explore_items: list[Candidate], rng: random.Random) -> list[tuple[Candidate, str]]:
+    page = [(c, "affinity") for c in aff_items] + [(c, "explore") for c in explore_items]
+    rng.shuffle(page)
+    return page
+
+
+def is_fresh(published_at: datetime | None, now: datetime | None = None) -> bool:
+    now = now or datetime.now(UTC)
+    return bool(published_at and published_at >= now - timedelta(days=FRESH_DAYS))

app/config.py

@@ -25,7 +25,7 @@ class Settings(BaseSettings):
     log_level: str = Field(default="INFO", validation_alias="LOG_LEVEL")
 
 
-    # Sentry observability — pusty DSN = init no-op (devel/local). Cloud free tier
+    # Sentry observability, pusty DSN = init no-op (devel/local). Cloud free tier
     # 5k errors/mies wystarczy dla 1-user app.
     sentry_dsn: str | None = Field(default=None, validation_alias="SENTRY_DSN")
     sentry_environment: str = Field(default="dev", validation_alias="SENTRY_ENVIRONMENT")
@@ -48,12 +48,12 @@ class Settings(BaseSettings):
     title_token_set_min: int = 88
     date_window_days: int = 7
 
-    # Skip ingestu clip-store (ManyVids/IWantClips/Clips4Sale/...) z canonical source —
+    # Skip ingestu clip-store (ManyVids/IWantClips/Clips4Sale/...) z canonical source,
     # to permanentne orphany (free tubes nie hostują), ~56% ingestu TPDB/StashDB.
     # False = wciągaj jak dawniej. Tube'y z clip-store studiem NIE są skipowane (mają playback).
     skip_clip_store: bool = Field(default=True, validation_alias="GOON_SKIP_CLIP_STORE")
 
-    # Minimalny duration sceny z tube/scraper przy ingescie — <N s = trailer/teaser/preview.
+    # Minimalny duration sceny z tube/scraper przy ingescie, <N s = trailer/teaser/preview.
     # 0 = wyłączony. Nieznany duration nie jest wycinany. NIE dotyczy canonical (TPDB/StashDB).
     min_ingest_duration_sec: int = Field(default=180, validation_alias="GOON_MIN_INGEST_DURATION_SEC")
 
@@ -74,7 +74,7 @@ class Settings(BaseSettings):
     sched_performer_continuous_refresh_days: int = Field(
         default=30, validation_alias="GOON_SCHED_PERFORMER_CONTINUOUS_REFRESH_DAYS"
     )
-    # Movie ingest — paradisehill (primary) + dooplay mirrory (mangoporn/streamporn/
+    # Movie ingest, paradisehill (primary) + dooplay mirrory (mangoporn/streamporn/
     # pandamovies). Każdy connector zapisuje swój `Source` i robi delta od ostatniego
     # successful run. Set to 0 to disable. Domyślnie 24h: movie sites rosną wolniej
     # niż tube'y (~5-30 nowych dziennie), nie ma sensu wymiatać częściej.
@@ -92,50 +92,80 @@ class Settings(BaseSettings):
     sched_browse_latest_max_pages: int = Field(
         default=5, validation_alias="GOON_SCHED_BROWSE_LATEST_MAX_PAGES"
     )
-    # Deep-crawl (Faza 2a) — pełne katalogi browse-tube'ów (porndoe ~62k itd.), nie tylko
+    # Deep-crawl (Faza 2a), pełne katalogi browse-tube'ów (porndoe ~62k itd.), nie tylko
     # top-N. Round-robin po tube'ach, wznawialny kursor (app/_state/deepcrawl_state.json).
     # 0 = wyłączony. 60 stron/run × ~31 scen ≈ 1860 scen/run (~22 min, hard-timeout 1h).
     sched_deep_crawl_hours: int = Field(default=1, validation_alias="GOON_SCHED_DEEP_CRAWL_HOURS")
     deep_crawl_pages_per_run: int = Field(default=60, validation_alias="GOON_DEEP_CRAWL_PAGES_PER_RUN")
     deepcrawl_state_path: str = Field(default="", validation_alias="GOON_DEEPCRAWL_STATE_PATH")
-    # Bulk-dedup performers safety net — auto-merge duplikatów które resolver-time
+    # Bulk-dedup performers safety net, auto-merge duplikatów które resolver-time
     # scoring pominął. 12h cadence: leci 2x dziennie (po porannym browse-latest run).
     sched_bulk_dedup_hours: int = Field(
         default=12, validation_alias="GOON_SCHED_BULK_DEDUP_HOURS"
     )
-    # Thumb-asset dedup — scala dupy hdporn.gg/fullmovies.xxx (ten sam film, różne tytuły,
+    # Thumb-asset dedup, scala dupy hdporn.gg/fullmovies.xxx (ten sam film, różne tytuły,
     # ten sam asset-id miniatury + długość). bulk_dedup tego nie łapie (brak phash/tytuł).
     # Re-ingesty pod nowymi tytułami → dupy odrastają, stąd cykliczny job. 12h. 0 = off.
     sched_thumb_dedup_hours: int = Field(
         default=12, validation_alias="GOON_SCHED_THUMB_DEDUP_HOURS"
     )
-    # Title+duration dedup — scala missing-merge dupy (ten sam performer + identyczny
+    # Title+duration dedup, scala missing-merge dupy (ten sam performer + identyczny
     # znormalizowany tytuł + długość co do sekundy), których bulk_dedup nie łapie (tube
     # re-scrape / cross-tube np. porn00 vs xnxx, reports 28fe8181/32df33b1). Odrastają
     # przy re-ingeście, stąd cyklicznie. 12h, playback-only (to co user widzi). 0 = off.
     sched_title_dedup_hours: int = Field(
         default=12, validation_alias="GOON_SCHED_TITLE_DEDUP_HOURS"
     )
-    # Blacklista zdegenerowanych phashy — wartości dzielonych przez ≥10 scen (zaślepka,
+    # Blacklista zdegenerowanych phashy, wartości dzielonych przez ≥10 scen (zaślepka,
     # czarna klatka, intro studia). Audyt 2026-07-27: 73 takie wartości przy 4375
     # scenach, rekordzistka przy 892 scenach o 892 różnych tytułach. Tube może zacząć
     # serwować zaślepkę w dowolnym momencie, stąd cyklicznie. 24h. 0 = off.
     sched_phash_blacklist_hours: int = Field(
         default=24, validation_alias="GOON_SCHED_PHASH_BLACKLIST_HOURS"
     )
+    # Doliczanie phasha scenom, które mają zapisaną miniaturkę, ale nie mają odcisku.
+    # Audyt 2026-08-13: phash miało tylko 37,8% grywalnych scen, bo liczą go WYŁĄCZNIE
+    # niektóre konektory przy ingeście (xvideos 1,8%, xnxx 1,4%, eporner 1,0%, przy
+    # ~100% pokryciu miniaturką). Bez odcisku dedup nie ma czym skleić duplikatów, patrz
+    # zgłoszenie 9d272101. Job leci często i małymi paczkami, bo to pobrania z cudzych
+    # CDN-ów, patrz throttling w `app/scheduler/phash_backfill.py`. 0 = off.
+    # 800 co 15 min = ~3200/h, czyli ~3 dni na nadrobienie 239 tys. zaległości. Paczka
+    # 400 zajmuje ~22 s (4 wątki), więc realnie worker śpi prawie cały ten czas, a
+    # pobrania rozkładają się na kilkanaście różnych CDN-ów, nie na jeden host.
+    sched_phash_backfill_minutes: int = Field(
+        default=15, validation_alias="GOON_SCHED_PHASH_BACKFILL_MINUTES"
+    )
+    sched_phash_backfill_batch: int = Field(
+        default=800, validation_alias="GOON_SCHED_PHASH_BACKFILL_BATCH"
+    )
+    # Doliczanie brakujacej dlugosci scen (patrz app/models/duration_backfill_queue.py).
+    # 500 stron co 5 min to ~144 tys. dziennie, wiec kolejka 846 tys. schodzi w ok. 6 dni.
+    # To ~1,7 zapytania na sekunde rozlozone na trzy duze tuby, czyli ruch, ktorego one
+    # nie zauwaza. Job ma 30-minutowy limit, a paczka schodzi w ok. 3 min, wiec z zapasem.
+    sched_duration_backfill_minutes: int = Field(
+        default=5, validation_alias="GOON_SCHED_DURATION_BACKFILL_MINUTES"
+    )
+    sched_duration_backfill_batch: int = Field(
+        default=500, validation_alias="GOON_SCHED_DURATION_BACKFILL_BATCH"
+    )
     # Próg ciszy dla konektorów FILMOWYCH. Wcześniej filmy nie były pokryte watchdogiem
-    # w ogóle — streamporn.vip stał 23 dni i nic nie krzyknęło. Filmy ingestujemy
+    # w ogóle, streamporn.vip stał 23 dni i nic nie krzyknęło. Filmy ingestujemy
     # codziennie, więc 72h to bezpieczny margines na jeden nieudany cykl.
     ingest_watchdog_movie_max_age_hours: int = Field(
         default=72, validation_alias="GOON_INGEST_WATCHDOG_MOVIE_MAX_AGE_HOURS"
     )
-    # Śmieciowi performerzy — kategorie i studia podszywające się pod osoby („Creampie",
+    # Śmieciowi performerzy, kategorie i studia podszywające się pod osoby („Creampie",
     # „Natural tits", „Brazzers"). Audyt 2026-07-27: 277 rekordów, 33 784 przypisania.
     # Odrastają, bo tube-search dokleja performera po jednym tokenie. 24h. 0 = off.
     sched_junk_performers_hours: int = Field(
         default=24, validation_alias="GOON_SCHED_JUNK_PERFORMERS_HOURS"
     )
-    # Ingest freshness watchdog — alert do Sentry gdy aktywny tube (origin
+    # Przycinanie ogona tagow rule34video (tagowanie booru: nazwy postaci/serii).
+    # 356 scen wnosilo 1112 tagow do WSPOLNEJ listy, 602 z nich uzyte raz. 24h. 0 = off.
+    sched_tag_tail_trim_hours: int = Field(
+        default=24, validation_alias="GOON_SCHED_TAG_TAIL_TRIM_HOURS"
+    )
+    # Ingest freshness watchdog, alert do Sentry gdy aktywny tube (origin
     # tube:<sitetag>) przestał dawać nowe sceny > próg. Łapie zamrożenie
     # pojedynczego origin, którego globalny monitor (jeden Source "tube-scraper") nie
     # widzi (np. freshporno browse z rotującego roota, report 14f3a655). 6h cadence
@@ -143,19 +173,19 @@ class Settings(BaseSettings):
     sched_ingest_watchdog_hours: int = Field(
         default=6, validation_alias="GOON_SCHED_INGEST_WATCHDOG_HOURS"
     )
-    # Próg dla browse-scraperów (ALL_BROWSE_SCRAPERS) — crawlowane raz dziennie z
+    # Próg dla browse-scraperów (ALL_BROWSE_SCRAPERS), crawlowane raz dziennie z
     # listingu, więc 48h ciszy = anomalia.
     ingest_watchdog_max_age_hours: int = Field(
         default=48, validation_alias="GOON_INGEST_WATCHDOG_MAX_AGE_HOURS"
     )
-    # Próg dla performer-driven search-scraperów (ALL_DIRECT_SCRAPERS) — kadencja jest
+    # Próg dla performer-driven search-scraperów (ALL_DIRECT_SCRAPERS), kadencja jest
     # nierówna (continuous queue ~30d refresh per performer, ingest orphan-heavy), więc
     # 48h dawałoby false-positivy. 7d (168h): healthy search-tuby obserwowane <6h świeżości
     # (continuous tick hituje wszystkie tuby per performer), zamrożone ≥73h → ~28× margines.
     ingest_watchdog_search_max_age_hours: int = Field(
         default=168, validation_alias="GOON_INGEST_WATCHDOG_SEARCH_MAX_AGE_HOURS"
     )
-    # TPDB movie enrichment — wzbogaca filmy obsadą + kategoriami (tagi) + studiem +
+    # TPDB movie enrichment, wzbogaca filmy obsadą + kategoriami (tagi) + studiem +
     # reżyserem, plus kanoniczny TPDB UUID do dedupu mirrorów. paradisehill (primary)
     # prawie nie ma obsady, więc to domyka największą lukę zakładki movies. Batch
     # najświeższych GRYWALNYCH filmów bez obsady/studia per run; 6h cadence. 0 = off.
@@ -165,20 +195,20 @@ class Settings(BaseSettings):
     tpdb_movie_enrich_batch: int = Field(
         default=200, validation_alias="GOON_TPDB_MOVIE_ENRICH_BATCH"
     )
-    # Taxonomy scene_count refresh — przelicza denormalizowane liczniki scen na
+    # Taxonomy scene_count refresh, przelicza denormalizowane liczniki scen na
     # tags/performers/studios (hot-path /tags|/performers|/studios|/favorites czyta
-    # gotową kolumnę zamiast agregować 6.3M scene_tags per-request). 3h cadence —
+    # gotową kolumnę zamiast agregować 6.3M scene_tags per-request). 3h cadence,
     # counts do tego stale, dla sortu "popular" + badge "(N)" bez znaczenia. 0 = off.
     sched_taxonomy_counts_hours: int = Field(
         default=3, validation_alias="GOON_SCHED_TAXONOMY_COUNTS_HOURS"
     )
 
-    # Hetzner Cloud bandwidth monitor — read-only API token (Security → API Tokens
+    # Hetzner Cloud bandwidth monitor, read-only API token (Security → API Tokens
     # w panelu Hetzner Cloud). Bez tokenu monitor wyłączony (warning w log).
     # Free traffic per server: CX22=20TB, CPX21=20TB itd. Overage = €1/TB.
     hetzner_api_token: str | None = Field(default=None, validation_alias="HETZNER_API_TOKEN")
     hetzner_server_id: int | None = Field(default=None, validation_alias="HETZNER_SERVER_ID")
-    # Alert thresholds (% of included_traffic) — Sentry severity levels.
+    # Alert thresholds (% of included_traffic), Sentry severity levels.
     hetzner_alert_info_pct: int = Field(default=50, validation_alias="HETZNER_ALERT_INFO_PCT")
     hetzner_alert_warning_pct: int = Field(default=80, validation_alias="HETZNER_ALERT_WARNING_PCT")
     hetzner_alert_error_pct: int = Field(default=95, validation_alias="HETZNER_ALERT_ERROR_PCT")
@@ -188,14 +218,27 @@ class Settings(BaseSettings):
         default=6, validation_alias="GOON_SCHED_HETZNER_MONITOR_HOURS"
     )
 
-    # Source ranking (Sites screen) — przelicz source_stats (freshness/richness/health
+    # Source ranking (Sites screen), przelicz source_stats (freshness/richness/health
     # per origin). 0/None = wyłączone. Domyślnie 6h (richness to ciężki agregat po
     # ~2M live playback_sources; częściej bez sensu, dane zmieniają się powoli).
     sched_source_stats_hours: int = Field(
         default=6, validation_alias="GOON_SCHED_SOURCE_STATS_HOURS"
     )
 
-    # Bright Data ISP proxy (stałe IP od ISP, rozliczane ryczałtem NIE per-GB) —
+    # Klipy do feedu Swipe (RedGifs): godzinny run globalnego „najnowsze", N stron po
+    # 100 (RedGifs publikuje kilkaset klipów na godzinę). 0 = wyłączony. Backfill po
+    # niszach ręcznie: `python -m scripts.clips_backfill_redgifs`.
+    sched_clips_hours: int = Field(default=1, validation_alias="GOON_SCHED_CLIPS_HOURS")
+    clips_latest_pages: int = Field(default=5, validation_alias="GOON_CLIPS_LATEST_PAGES")
+    # Konserwacja feedu Swipe raz na dobę: decay wag afiniczności (×0,97), retencja
+    # zdarzeń (90 dni), reaper martwych plików (HEAD na 2000 najdawniej sprawdzanych).
+    sched_clips_maintenance_hours: int = Field(
+        default=24, validation_alias="GOON_SCHED_CLIPS_MAINTENANCE_HOURS"
+    )
+    # Feed podaje tylko klipy do tej długości (RedGifs p90 = 60 s; dłuższe to nie „swipe").
+    clips_feed_max_duration_sec: int = Field(default=120, validation_alias="GOON_CLIPS_FEED_MAX_DURATION_SEC")
+
+    # Bright Data ISP proxy (stałe IP od ISP, rozliczane ryczałtem NIE per-GB),
     # używany do ingestu HTML (scrape) tubów które blokują VPS IP twardym Cloudflare
     # 403 nawet z browser-TLS (superporn). Streamu i tak nie ruszamy proxy (tokeny CDN
     # IP-bound). Format env: `host:port:user:pass` (panel Bright Data). Pusty = brak.

app/connectors/__init__.py

@@ -1,14 +1,14 @@
 """Connector registry helpers.
 
-Lazy factories — importy connectorów wykonują się dopiero w `get_movie_connectors()`
+Lazy factories, importy connectorów wykonują się dopiero w `get_movie_connectors()`
 żeby uniknąć circular imports (modeles/db). Każdy entry: `(name, class)` w porządku
-ingestu (primary FIRST, mirrory potem — `resolve_movie` wtedy ma do czego dokleić
+ingestu (primary FIRST, mirrory potem, `resolve_movie` wtedy ma do czego dokleić
 mirror playback sources).
 
 ## Jak dodać nowe movie site
 
 1. Napisz subclass `DooplayConnector` w `app/connectors/dooplay.py` (jeśli site używa
-   dooplay/PsyPlay WP theme) — wystarczy `name` + `base_url`. Jeśli inny theme,
+   dooplay/PsyPlay WP theme), wystarczy `name` + `base_url`. Jeśli inny theme,
    napisz osobny connector implementujący `BaseMovieConnector.fetch_movies()`.
 2. Dodaj entry do `_MOVIE_CONNECTORS` poniżej.
 3. Backend job `_job_movie_ingest` w `app/scheduler/jobs.py` automatycznie weźmie
@@ -31,11 +31,10 @@ from __future__ import annotations
 def get_movie_connectors() -> list[tuple[str, type]]:
     """Zwraca listę (name, ConnectorCls) tuples w kolejności ingestu.
 
-    Lazy import — uniknięcie circular import bo connectory zaczepiają db/models.
+    Lazy import, uniknięcie circular import bo connectory zaczepiają db/models.
     """
     from app.connectors.dooplay import (
         MangopornConnector,
-        PandamoviesConnector,
         StreampornVipConnector,
     )
     from app.connectors.freeomovie import FreeoMovieConnector
@@ -43,10 +42,10 @@ def get_movie_connectors() -> list[tuple[str, type]]:
     from app.connectors.yourdailypornmovies import YourDailyPornMoviesConnector
 
     # Kolejność ingestu: paradisehill FIRST (canonical primary, mirrory się do
-    # niego przyklejają), potem mangoporn (jedyny mirror z realnym new-content —
+    # niego przyklejają), potem mangoporn (jedyny mirror z realnym new-content,
     # 72 nowych 2026-05-28; streamporn/pandamovies zwracają stale 0 new), na końcu
     # streamporn + pandamovies. Powód reorderu (2026-05-30): gdy streamporn wiesza
-    # się intermittentnie, mangoporn musi zdążyć przed nim — patrz per-connector
+    # się intermittentnie, mangoporn musi zdążyć przed nim, patrz per-connector
     # timeout w _job_movie_ingest.
     # streamporn.nl padł (0 new od 2026-05-23) → zastąpiony żywym streamporn.vip
     # (StreampornVipConnector, ocena 2026-07-02). Stara klasa .nl zostaje w dooplay.py
@@ -55,16 +54,26 @@ def get_movie_connectors() -> list[tuple[str, type]]:
         ("paradisehill", ParadisehillConnector),
         ("mangoporn", MangopornConnector),
         ("streampornvip", StreampornVipConnector),
-        ("pandamovies", PandamoviesConnector),
+        # pandamovies WYLACZONY 2026-08-20: serwis padl, zostal im tylko zapamietany
-        # freeomovie.to (bestia theme, nie dooplay) — mirror: świeże filmy DVD,
+        # fronton. Strona glowna oddaje 291 kB i wypisuje 56 filmow, ale KAZDA inna
+        # sciezka to 404: listing /movies/ (ten, ktory czytal konektor), /movies/page/2/
+        # linkowana przez ich wlasny szablon, /genre/* i /release-year/* z ich menu,
+        # sitemapa, a przede wszystkim same strony filmow (0 na 6 dzialajacych).
+        # To nie blokada na nasze IP: przez residential proxy wychodzi identyczne 404
+        # (te same 796 bajtow). Konektor konczyl runy jako success z zerem rekordow,
+        # co falszowalo obraz w monitoringu. Playback tego, co juz mamy, dziala dalej,
+        # bo zrodla wskazuja na hostery (doply, luluvid, seekplayer), nie na ten serwis.
+        # Klasa zostaje w dooplay.py dla backrefu origins `pandamovies:*`.
+        # ("pandamovies", PandamoviesConnector),
+        # freeomovie.to (bestia theme, nie dooplay), mirror: świeże filmy DVD,
         # title-trigram attach do canonical + playback z TABS. Ocena 2026-07-02.
         ("freeomovie", FreeoMovieConnector),
-        # yourdailypornmovies.ws (własny motyw WP, nie dooplay) — ocena 2026-07-28.
+        # yourdailypornmovies.ws (własny motyw WP, nie dooplay), ocena 2026-07-28.
         # SPRAWDZONY NA DUPLIKAT: 18/40 filmów ze strony głównej było nowych, bo to inna
         # pula treści (okładki DVD z adultempire, nie re-hosty z pandanetwork.club, na
         # których siedzą mangoporn/pandamovies/speedporn). Katalog min. 8000, do 2003.
         # Metadane: obsada, studio (kryje się pod `/director/`), tagi, rok, synopsis,
         # id produktu Adult Empire. Bez długości. Playback: voe + mixdrop (oba mają
-        # gotowe moduły hosterów), vidara.to nieznana — leci jako zwykły embed.
+        # gotowe moduły hosterów), vidara.to nieznana, leci jako zwykły embed.
         ("yourdailypornmovies", YourDailyPornMoviesConnector),
     ]

app/connectors/base.py

@@ -93,7 +93,7 @@ class RawScene(BaseModel):
     (np. 'tpdb', 'stashdb')."""
 
     raw: dict[str, Any] = Field(default_factory=dict)
-    """Oryginalny payload z API — leci do external_records.raw."""
+    """Oryginalny payload z API, leci do external_records.raw."""
 
 
 class BaseConnector(abc.ABC):
@@ -114,15 +114,15 @@ class BaseConnector(abc.ABC):
 
 
 # ---------------------------------------------------------------------------
-# Movies — odrębny encja od scen, ale ten sam wzorzec connectorów
+# Movies, odrębny encja od scen, ale ten sam wzorzec connectorów
 # ---------------------------------------------------------------------------
 
 class RawMovieChapter(BaseModel):
     """Pojedynczy rozdział filmu (movies czasem dzielą się na "Part 1/2/3" itp.).
 
-    Identyfikatory chaptera nie są kanonizowane między źródłami — są lokalne dla movie,
+    Identyfikatory chaptera nie są kanonizowane między źródłami, są lokalne dla movie,
     indeksowane przez `chapter_index`. Może linkować do separate scene (jeśli ta scena
-    znana z TPDB/StashDB) — tym zajmuje się normalizator wyżej."""
+    znana z TPDB/StashDB), tym zajmuje się normalizator wyżej."""
 
     model_config = ConfigDict(extra="allow")
 
@@ -133,7 +133,7 @@ class RawMovieChapter(BaseModel):
 
 
 class RawMovie(BaseModel):
-    """Surowy film z connectora — odpowiednik RawScene dla movies.
+    """Surowy film z connectora, odpowiednik RawScene dla movies.
 
     Performers / studio / tags reusable z RawPerformer / RawStudio / RawTag (te same
     typy w obu pipelinach). Playback sources to lista mirrorów odtwarzania (paradisehill
@@ -170,7 +170,7 @@ class BaseMovieConnector(abc.ABC):
     """Connector dla source'a movies (paradisehill, psyplay, wp_movies).
 
     Symetrycznie do BaseConnector ale yielduje RawMovie. Każde źródło zna własną
-    paginację i format ID — konwerter wyżej (resolver) dba o dedup między źródłami.
+    paginację i format ID, konwerter wyżej (resolver) dba o dedup między źródłami.
     """
 
     kind: SourceKind

app/connectors/clips/__init__.py

@@ -0,0 +1,2 @@
+"""Konektory klipów (feed Swipe). Osobne od `direct_scrapers`: inny model (`Clip`),
+inny potok (upsert bez dedupu i bez matchera performerów), własne joby."""

app/connectors/clips/redgifs.py

@@ -0,0 +1,223 @@
+"""RedGifs, oficjalne publiczne API v2. Główne źródło klipów do feedu Swipe. Dodane 2026-09-14.
+
+**Dlaczego RedGifs, a nie nsfwswipe.** Sprawdzone tego samego dnia: nsfwswipe to lustro
+wideo natywnych Reddita (v.redd.it) bez audio, z ostatnim klipem z 19.08 (stoi od
+czterech tygodni) i z losowym, nieoficjalnym API oddającym HTML. RedGifs daje JSON,
+klipy z tej minuty, 1080x1920, audio w ok. 1/3 klipów, twórcę z odznaką weryfikacji,
+lajki i widoki. Pliki `media.redgifs.com/<Id>.mp4` są publiczne, bez podpisu, grają bez
+Referera z VPS-a i z telefonu (206), więc do bazy wchodzi gotowy adres, bez ekstraktora.
+
+**Token.** `GET /v2/auth/temporary` oddaje token na kilka godzin, związany z IP i User-Agentem
+wołającego: kolejne zapytania MUSZĄ iść z tymi samymi nagłówkami, inaczej 401 `WrongSender`
+(zjadło pół godziny przy pierwszym podejściu, bo curl i node miały inne UA). Na 401
+odnawiamy token raz i powtarzamy.
+
+**Listing.** `GET /v2/gifs/search?order=latest&count=100&page=N` bez `search_text` to
+globalne „najnowsze" (98-100 na stronę). `order` ∈ latest|top|top7|top28|trending|score,
+NIE `new` (400 BadOrder). Każde zapytanie widzi maks. 10 000 wyników (`pages` ≤ 100,
+strona 101 → 500), więc pełny katalog chodzi się po niszach (`/v2/niches`, 1812
+społeczności, `/v2/niches/<id>/gifs`) i po twórcach (`/v2/users/<name>/search`).
+Limit: per IP i per endpoint (`subject: "<ip>|niche-gifs|<n>"` w ciele 429), bez nagłówka
+Retry-After, za to w ciele `error.delay` w sekundach (widziane 1167 s po ~65 zapytaniach
+w 20 s). Trzymamy 1 zapytanie/s; przy 429 czekamy `delay`, a gdy jest dłuższy niż 5 min,
+przerywamy przebieg (`RateLimited`), bo dalsze zapytania tylko przedłużają blokadę.
+
+**Rekord gifa** (pola, które bierzemy): `id`, `type` (1 = wideo, 2 = obraz, pomijamy),
+`urls{hd,sd,poster,thumbnail}`, `duration`, `width/height`, `hasAudio`, `hls`, `tags[]`,
+`niches[]`, `contentType`, `sexuality[]`, `likes`, `views`, `createDate` (unix s),
+`userName`, `verified`, `cta`/`promoted` (reklama, informacyjnie).
+"""
+from __future__ import annotations
+
+import logging
+import re
+import time
+from dataclasses import dataclass, field
+from datetime import UTC, datetime
+
+import httpx
+
+log = logging.getLogger(__name__)
+
+_BASE = "https://api.redgifs.com/v2"
+#: Stałe UA i Origin: token jest do nich przywiązany (patrz docstring).
+_HEADERS = {
+    "User-Agent": (
+        "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 "
+        "(KHTML, like Gecko) Chrome/152.0.0.0 Safari/537.36"
+    ),
+    "Accept": "application/json",
+    "Origin": "https://www.redgifs.com",
+    "Referer": "https://www.redgifs.com/",
+}
+_PAGE_MAX = 100
+#: Pomiar 2026-09-14: przy ~3 zapytaniach/s po ~65 zapytaniach z rzedu RedGifs oddaje 429
+#: z `delay` ~20 min. 1 zapytanie/s ma sie trzymac w limicie (do weryfikacji na backfillu).
+_MIN_INTERVAL_S = 1.0
+_RATE_LIMIT_BACKOFF_S = (30, 90, 180)
+#: Dluzsze `delay` z ciala 429 nie czekamy w procesie, tylko przerywamy przebieg.
+_RATE_LIMIT_MAX_WAIT_S = 300
+_TAG_SLUG_RE = re.compile(r"[^a-z0-9]+")
+
+
+@dataclass
+class RawClip:
+    source: str
+    source_id: str
+    title: str | None
+    creator: str | None
+    creator_verified: bool
+    duration_sec: float | None
+    width: int | None
+    height: int | None
+    has_audio: bool
+    content_type: str | None
+    niches: list[str] = field(default_factory=list)
+    tags: list[str] = field(default_factory=list)
+    hd_url: str | None = None
+    sd_url: str | None = None
+    poster_url: str | None = None
+    thumb_url: str | None = None
+    hls: bool = False
+    likes: int = 0
+    views: int = 0
+    published_at: datetime | None = None
+
+
+def tag_slug(name: str) -> str:
+    """"Big Tits" → "big-tits". Ta sama reguła dla RedGifs i (później) Pornhuba, żeby
+    afiniczność liczyła się na wspólnych slugach."""
+    return _TAG_SLUG_RE.sub("-", (name or "").strip().lower()).strip("-")[:64]
+
+
+def map_gif(g: dict) -> RawClip | None:
+    """Rekord API → RawClip. None dla obrazów, rekordów bez pliku i bez id."""
+    if not isinstance(g, dict) or g.get("type") not in (1, None):
+        return None
+    gid = str(g.get("id") or "").strip()
+    urls = g.get("urls") or {}
+    hd, sd = urls.get("hd"), urls.get("sd")
+    if not gid or not (hd or sd):
+        return None
+    created = g.get("createDate")
+    published = (
+        datetime.fromtimestamp(int(created), tz=UTC) if isinstance(created, (int, float)) and created > 0 else None
+    )
+    tags: list[str] = []
+    seen: set[str] = set()
+    for t in g.get("tags") or []:
+        s = tag_slug(str(t))
+        if s and s not in seen:
+            seen.add(s)
+            tags.append(s)
+    niches = [str(n)[:64] for n in (g.get("niches") or []) if n]
+    dur = g.get("duration")
+    return RawClip(
+        source="redgifs",
+        source_id=gid,
+        title=(g.get("description") or None),
+        creator=(g.get("userName") or None),
+        creator_verified=bool(g.get("verified")),
+        duration_sec=float(dur) if isinstance(dur, (int, float)) and dur > 0 else None,
+        width=g.get("width") if isinstance(g.get("width"), int) else None,
+        height=g.get("height") if isinstance(g.get("height"), int) else None,
+        has_audio=bool(g.get("hasAudio")),
+        content_type=(str(g["contentType"])[:32] if g.get("contentType") else None),
+        niches=niches,
+        tags=tags,
+        hd_url=hd,
+        sd_url=sd,
+        poster_url=urls.get("poster"),
+        thumb_url=urls.get("thumbnail"),
+        hls=bool(g.get("hls")),
+        likes=int(g.get("likes") or 0),
+        views=int(g.get("views") or 0),
+        published_at=published,
+    )
+
+
+def _rate_limit_wait(r: httpx.Response, attempt: int) -> float:
+    """Odstęp po 429: `Retry-After`, potem `error.delay` z ciała, potem stała drabinka."""
+    retry_after = r.headers.get("Retry-After")
+    if retry_after and retry_after.isdigit():
+        return float(retry_after)
+    try:
+        delay = (r.json() or {}).get("error", {}).get("delay")
+        if isinstance(delay, (int, float)) and delay > 0:
+            return float(delay)
+    except ValueError:
+        pass
+    return float(_RATE_LIMIT_BACKOFF_S[min(attempt, len(_RATE_LIMIT_BACKOFF_S) - 1)])
+
+
+class RateLimited(RuntimeError):
+    """429 mimo odczekania: wołający ma przerwać przebieg, nie iść do następnej niszy
+    (każde kolejne zapytanie tylko przedłuża blokadę)."""
+
+
+class RedgifsClient:
+    """Cienki klient z tokenem tymczasowym, odnowieniem na 401 i odczekiwaniem 429."""
+
+    def __init__(self, *, timeout: float = 30.0) -> None:
+        self._http = httpx.Client(headers=_HEADERS, timeout=timeout)
+        self._token: str | None = None
+        self._last_call = 0.0
+
+    def close(self) -> None:
+        self._http.close()
+
+    def _auth(self) -> str:
+        r = self._http.get(f"{_BASE}/auth/temporary")
+        r.raise_for_status()
+        tok = (r.json() or {}).get("token")
+        if not tok:
+            raise RuntimeError("redgifs: brak tokenu w /auth/temporary")
+        self._token = tok
+        return tok
+
+    def _get(self, path: str, params: dict | None = None) -> dict:
+        wait = _MIN_INTERVAL_S - (time.monotonic() - self._last_call)
+        if wait > 0:
+            time.sleep(wait)
+        tok = self._token or self._auth()
+        for attempt in range(1 + len(_RATE_LIMIT_BACKOFF_S)):
+            r = self._http.get(f"{_BASE}{path}", params=params, headers={"Authorization": f"Bearer {tok}"})
+            self._last_call = time.monotonic()
+            if r.status_code == 401 and attempt == 0:
+                tok = self._auth()
+                continue
+            if r.status_code == 429:
+                if attempt >= len(_RATE_LIMIT_BACKOFF_S):
+                    raise RateLimited(f"redgifs: 429 na {path} po {attempt} odczekaniach")
+                wait = _rate_limit_wait(r, attempt)
+                if wait > _RATE_LIMIT_MAX_WAIT_S:
+                    raise RateLimited(f"redgifs: 429 na {path}, zadany odstep {wait:.0f} s")
+                log.info("redgifs: 429 na %s, czekam %.0f s", path, wait)
+                time.sleep(wait)
+                continue
+            r.raise_for_status()
+            return r.json()
+        raise RuntimeError(f"redgifs: {path} nie odpowiedzial poprawnie")
+
+    # ---- listingi ---------------------------------------------------------------------
+    def latest(self, page: int = 1, count: int = _PAGE_MAX) -> list[dict]:
+        """Globalne „najnowsze" (bez search_text)."""
+        return self._get("/gifs/search", {"order": "latest", "count": count, "page": page}).get("gifs") or []
+
+    def search(self, text: str, *, order: str = "latest", page: int = 1, count: int = _PAGE_MAX) -> list[dict]:
+        return self._get(
+            "/gifs/search", {"search_text": text, "order": order, "count": count, "page": page}
+        ).get("gifs") or []
+
+    def niches(self, page: int = 1, count: int = _PAGE_MAX) -> dict:
+        """`{"page","pages","total","niches":[{"id","name","gifs","subscribers","tags":[...]}]}`"""
+        return self._get("/niches", {"count": count, "page": page})
+
+    def niche_gifs(self, niche_id: str, *, order: str = "latest", page: int = 1, count: int = _PAGE_MAX) -> list[dict]:
+        return self._get(f"/niches/{niche_id}/gifs", {"order": order, "count": count, "page": page}).get("gifs") or []
+
+    def user_gifs(self, user: str, *, order: str = "latest", page: int = 1, count: int = _PAGE_MAX) -> list[dict]:
+        return self._get(f"/users/{user}/search", {"order": order, "count": count, "page": page}).get("gifs") or []
+
+    def gif(self, gif_id: str) -> dict | None:
+        return (self._get(f"/gifs/{gif_id}") or {}).get("gif")

app/connectors/direct_scrapers/__init__.py

@@ -1,25 +1,25 @@
 """Direct tube scrapers.
 
-Każdy scraper hit'uje tube bezpośrednio HTTPm — różne tube'y to różne rate limit
+Każdy scraper hit'uje tube bezpośrednio HTTPm, różne tube'y to różne rate limit
 budgets, więc mogą iść równolegle. Wszystkie feedują sceny do tej samej
 `Source(name=SCRAPER_SOURCE_NAME)` z external_id `f"{sitetag}:{url}"`. Resolver
 mergeuje idempotentnie po tym kluczu.
 
-Nazwa źródła: do 2026-06-07 brzmiała `"pornapp"` — myląca pozostałość po usuniętym
+Nazwa źródła: do 2026-06-07 brzmiała `"pornapp"`, myląca pozostałość po usuniętym
-zewnętrznym porn-app API (sugerowała zależność od obcego serwisu, której NIE MA —
+zewnętrznym porn-app API (sugerowała zależność od obcego serwisu, której NIE MA,
 to nasze własne direct-scrapery tubów). Przemianowana na `"tube-scraper"`; wiersz
 `sources` zaktualizowany w DB (UPDATE name) więc cała historia ingest_runs została.
 
 Search-based ścieżka (per performer name); category browse'ng przez `categoriesUrl`.
 
-UWAGA — speculative scrapers: większość aggregator + special tubes (xmoviesforyou,
+UWAGA, speculative scrapers: większość aggregator + special tubes (xmoviesforyou,
 watchporn, siska, porn4days, porndish, xxxfreewatch, latestleaks, mypornerleak,
 porndittcom, perverzija, fpoxxx, ...) ma URL templates + regex'y oparte na typowych
-WordPress conventions. Wymagają post-deploy verification — gdy któryś nie zwraca
+WordPress conventions. Wymagają post-deploy verification, gdy któryś nie zwraca
 wyników, sprawdź real search HTML + popraw template/regex w odpowiednim pliku.
 """
 # Umbrella Source.name dla wszystkich direct-scraperów (deep-crawl, browse-latest,
-# performer-driven). Rename z legacy "pornapp" 2026-06-07 (mylące — nie ma zależności
+# performer-driven). Rename z legacy "pornapp" 2026-06-07 (mylące, nie ma zależności
 # od zewnętrznego porn-app API).
 SCRAPER_SOURCE_NAME = "tube-scraper"
 
@@ -27,7 +27,7 @@ from app.connectors.direct_scrapers._browse_base import BaseBrowseScraper
 from app.connectors.direct_scrapers.base import BaseDirectTubeScraper
 from app.connectors.direct_scrapers.eporner import EpornerScraper
 from app.connectors.direct_scrapers.fpoxxx import FpoxxxScraper
-from app.connectors.direct_scrapers.hdporn92 import HDPorn92Scraper  # noqa: F401 — kept for backref; disabled
+from app.connectors.direct_scrapers.hdporn92 import HDPorn92Scraper  # noqa: F401, kept for backref; disabled
 from app.connectors.direct_scrapers.hqporner import HQPornerScraper
 from app.connectors.direct_scrapers.latestleaks import LatestLeaksScraper
 from app.connectors.direct_scrapers.latestpornvideo import LatestPornVideoScraper
@@ -48,6 +48,12 @@ from app.connectors.direct_scrapers.galaxyporn import GalaxyPornScraper
 from app.connectors.direct_scrapers.pornbusy import PornBusyScraper
 from app.connectors.direct_scrapers.pornmike import PornMikeScraper
 from app.connectors.direct_scrapers.kporner8 import KPorner8Scraper
+from app.connectors.direct_scrapers.hentaimama import HentaiMamaScraper
+from app.connectors.direct_scrapers.hentaigasm import HentaiGasmScraper
+from app.connectors.direct_scrapers.hentaiplay import HentaiPlayScraper
+from app.connectors.direct_scrapers.naughtymachinima import NaughtyMachinimaScraper
+from app.connectors.direct_scrapers.rule34video import Rule34VideoScraper
+from app.connectors.direct_scrapers.xanimeporn import XAnimePornScraper
 from app.connectors.direct_scrapers.fullporner import FullPornerScraper
 from app.connectors.direct_scrapers.watchporn import WatchPornScraper
 from app.connectors.direct_scrapers.youperv import YoupervScraper
@@ -55,21 +61,21 @@ from app.connectors.direct_scrapers.xhamster import XHamsterScraper
 from app.connectors.direct_scrapers.xmoviesforyou import XMoviesForYouScraper
 from app.connectors.direct_scrapers.xnxx import XnxxScraper
 from app.connectors.direct_scrapers.xvideos import XVideosScraper
-from app.connectors.direct_scrapers.xxxfreewatch import XxxFreeWatchScraper  # noqa: F401 — kept for backref; delisted
+from app.connectors.direct_scrapers.xxxfreewatch import XxxFreeWatchScraper  # noqa: F401, kept for backref; delisted
 from app.connectors.direct_scrapers.youporn import YouPornScraper
 
 ALL_DIRECT_SCRAPERS: list[type[BaseDirectTubeScraper]] = [
     # Existing 4 (verified, in production)
     HQPornerScraper,
-    # HDPorn92Scraper — wyłączony 2026-05-18. Scene pages to SEO shell: ZERO player iframe
+    # HDPorn92Scraper, wyłączony 2026-05-18. Scene pages to SEO shell: ZERO player iframe
     # (tylko happyleafmotion ads), JS hijackuje wszystkie kliki → `go.rmishe.com/smartpop/...`
     # popunder redirect. Mobile WebView page-as-hoster pokazuje ad redirect zamiast video.
     # 33,598 playback_sources mass-marked dead, 27,374 solo-orphan scenes deleted.
     SxyLandScraper,
-    # ZeroDayXXScraper (0dayxx) — USUNIĘTY CAŁKOWICIE 2026-06-22 (user request). Orphan
+    # ZeroDayXXScraper (0dayxx), USUNIĘTY CAŁKOWICIE 2026-06-22 (user request). Orphan
     # factory (0.1% canonical), zastępujemy lepszymi źródłami. Dane/pliki/extractor skasowane.
     # Mainstream (URL templates well-known)
-    # PornHub + RedTube — USUNIĘTE CAŁKOWICIE 2026-06-22 (user request). Disabled od
+    # PornHub + RedTube, USUNIĘTE CAŁKOWICIE 2026-06-22 (user request). Disabled od
     # 2026-05-12 (0.4% canonical match), zamrożone dane skasowane z DB, pliki scraperów
     # i ekstraktory usunięte. Powód: skrócone amatorskie clipy, nigdy nie matchują studio.
     XVideosScraper,
@@ -78,60 +84,60 @@ ALL_DIRECT_SCRAPERS: list[type[BaseDirectTubeScraper]] = [
     YouPornScraper,
     PornTrexScraper,
     EpornerScraper,
-    # Aggregators (WordPress-like ?s= search; speculative — verify post-deploy)
+    # Aggregators (WordPress-like ?s= search; speculative, verify post-deploy)
-    # XMoviesForYouScraper — wyłączony 2026-05-12 (post audit fix). 100% scen serwuje
+    # XMoviesForYouScraper, wyłączony 2026-05-12 (post audit fix). 100% scen serwuje
-    # streamtape (DEAD_HOSTER_RE — malware drive-by .reg) + opcjonalnie playmogo/mixdrop.
+    # streamtape (DEAD_HOSTER_RE, malware drive-by .reg) + opcjonalnie playmogo/mixdrop.
     # Mixdrop zrebrandował na m1xdrop.bz, yt-dlp out-of-date, packer/JS extract = fail.
     # Playmogo = DoodStream CAPTCHA. Porn-app sam olewa xmoviesforyou (brak handlera w
     # jadx). 1,321 solo-orphan scen.
-    # WatchPornScraper — RE-ENABLE 2026-07-02, przeniesiony do ALL_BROWSE_SCRAPERS.
+    # WatchPornScraper, RE-ENABLE 2026-07-02, przeniesiony do ALL_BROWSE_SCRAPERS.
     # Site przebudowany na KVS (DoodStream-CAPTCHA z 2026-05-12 zniknął); browse
     # /latest-updates/ + flashvars get_file direct mp4 (extractor watchporn). Patrz watchporn.py.
-    # SiskaScraper — przeniesiony do ALL_BROWSE_SCRAPERS (browse-konwersja 2026-06-20,
+    # SiskaScraper, przeniesiony do ALL_BROWSE_SCRAPERS (browse-konwersja 2026-06-20,
-    # bo search siski zepsuty site-side — `?s=` ignoruje query). Patrz siska.py.
+    # bo search siski zepsuty site-side, `?s=` ignoruje query). Patrz siska.py.
-    # Porn4DaysScraper — wyłączony 2026-05-12 (post audit fix). 100% scen na streamtape
+    # Porn4DaysScraper, wyłączony 2026-05-12 (post audit fix). 100% scen na streamtape
     # only (DEAD_HOSTER_RE blacklist - malware drive-by .reg downloads). SERVER1_URL =
     # streamtape, brak SERVER2/SERVER3 backup. Porn-app sam olewa porn4days. 10,346
     # solo-orphan scen.
-    # PornDishScraper — przeniesiony do ALL_BROWSE_SCRAPERS (browse-konwersja 2026-06-24,
+    # PornDishScraper, przeniesiony do ALL_BROWSE_SCRAPERS (browse-konwersja 2026-06-24,
     # watchdog GOON-16: search `?s=` zamarzł 2026-05-07). WordPress → browse przez WP REST
     # API (/wp-json/wp/v2/posts) jak perverzija: tytuł/data/thumb/studio(category)/tagi.
-    # XxxFreeWatchScraper — wyłączony 2026-05-18. 790 scen, 0% canonical match, 100% solo-orphan.
+    # XxxFreeWatchScraper, wyłączony 2026-05-18. 790 scen, 0% canonical match, 100% solo-orphan.
     # Cloudflare 403 z VPS IP, mobile WebView teoretycznie działa ale 0/790 scen miało jakikolwiek
     # match do TPDB/StashDB. Pure orphan factory. Solo scenes deleted, scraper disabled.
-    # LatestPornVideoScraper — przeniesiony do ALL_BROWSE_SCRAPERS (browse-konwersja 2026-06-22,
+    # LatestPornVideoScraper, przeniesiony do ALL_BROWSE_SCRAPERS (browse-konwersja 2026-06-22,
     # user 1da0375e: search-driven nie brał feedu "latest" → stary zestaw w apce).
-    # LatestLeaksScraper — wyłączony 2026-05-12 (source quality report): 16,438 scen, 0.0%
+    # LatestLeaksScraper, wyłączony 2026-05-12 (source quality report): 16,438 scen, 0.0%
     # canonical match. Slug-concat tytuły, brak studio/duration/date signali. Solo orphany
     # usunięte (~15k scen).
     MyPornerLeakScraper,
     # Added 2026-05-12 (theporndude survey): jeden z 14 free tubes na liście który
     # zwraca consistent search results. KVS engine, slug-aware scene URLs. Mostly
-    # orphan ingest (auto-screenshots, no canonical phash match — sprawdzone), ale
+    # orphan ingest (auto-screenshots, no canonical phash match, sprawdzone), ale
     # może łapać sceny popularnych performerów których jeszcze nie mamy w TPDB.
-    # PornHat (pornhatcom) + PornDitt (porndittcom) — USUNIĘTE CAŁKOWICIE 2026-06-22
+    # PornHat (pornhatcom) + PornDitt (porndittcom), USUNIĘTE CAŁKOWICIE 2026-06-22
     # (user request). Orphan factories (0.2% / weak-signal canonical match), zastępujemy
     # lepszymi źródłami. Dane/pliki scraperów/extractory skasowane.
     # Special
     SxyPrnScraper,
-    # PerverzijaScraper — przeniesiony do ALL_BROWSE_SCRAPERS (browse-konwersja 2026-06-22,
+    # PerverzijaScraper, przeniesiony do ALL_BROWSE_SCRAPERS (browse-konwersja 2026-06-22,
     # user request). Search `?s=` → 429, homepage JS-renderowane; browse przez WP REST API
     # (/wp-json/wp/v2/posts) daje tytuł/datę/thumb/studio(category)/tagi. Playback embed-iframe.
-    # FpoxxxScraper — przeniesiony do ALL_BROWSE_SCRAPERS (browse-konwersja 2026-06-22,
+    # FpoxxxScraper, przeniesiony do ALL_BROWSE_SCRAPERS (browse-konwersja 2026-06-22,
     # user request). fpo.xxx to KVS, nie WordPress → search `?s=` zwracał 0; browse z
     # `/new-<n>/` daje listing tile (tytuł/thumb/duration). Playback i tak phone-side (KVS).
 ]
 
-# Browse-mode scrapers — iterują `latest-vids` listing zamiast search-by-performer.
+# Browse-mode scrapers, iterują `latest-vids` listing zamiast search-by-performer.
 # Phash thumbnail fingerprint (waga 0.40 w composite scoring) auto-mergeuje do
 # canonical (TPDB/StashDB) gdy tube hot-linkuje studio thumbnail. Schedulowane
 # raz dziennie, pages 1-5. Patrz `_browse_base.BaseBrowseScraper` +
 # `app/scheduler/browse_latest.py`.
 #
 # **Pilot results (2026-05-12):**
-#   - ShyfapScraper: 0/23 match (0%) — robi własne thumbnails ≠ canonical
+#   - ShyfapScraper: 0/23 match (0%), robi własne thumbnails ≠ canonical
 #     (phash Hamming 12-16). Plus rebranduje tytuły. **Wyłączony.**
-#   - FreshpornoScraper: 39/59 match (66%) — hot-linkuje studio thumbnaile
+#   - FreshpornoScraper: 39/59 match (66%), hot-linkuje studio thumbnaile
 #     (phash Hamming 0). Oryginalne tytuły + channels=studio 1:1. **Aktywny.**
 from app.connectors.direct_scrapers.freshporno import FreshpornoScraper  # noqa: E402
 from app.connectors.direct_scrapers.porn00 import Porn00Scraper  # noqa: E402
@@ -147,6 +153,8 @@ from app.connectors.direct_scrapers.javflix import JavflixScraper  # noqa: E402
 from app.connectors.direct_scrapers.vjav import VjavScraper  # noqa: E402
 from app.connectors.direct_scrapers.supjav import SupjavScraper  # noqa: E402
 from app.connectors.direct_scrapers.neporn import NepornScraper  # noqa: E402
+from app.connectors.direct_scrapers.porndupe import PorndupeScraper  # noqa: E402
+from app.connectors.direct_scrapers.tubepornclassic import TubePornClassicScraper  # noqa: E402
 from app.connectors.direct_scrapers.superporn import SuperpornScraper  # noqa: E402
 from app.connectors.direct_scrapers.eporner_api import EpornerApiScraper  # noqa: E402
 from app.connectors.direct_scrapers.xvideos_browse import XVideosBrowseScraper  # noqa: E402
@@ -154,62 +162,93 @@ from app.connectors.direct_scrapers.xvideos_browse import XVideosBrowseScraper
 ALL_BROWSE_SCRAPERS: list[type[BaseBrowseScraper]] = [
     PerverzijaScraper,
     PornDishScraper,
-    # WatchPornScraper — re-enabled 2026-07-02 jako browse (site przebudowany na KVS,
+    # WatchPornScraper, re-enabled 2026-07-02 jako browse (site przebudowany na KVS,
     # DoodStream-CAPTCHA zniknął). Browse /latest-updates/: og:title, JSON-LD duration/
     # uploadDate, /models/ performerzy, /tags/ tagi, /categories/ studio. Playback KVS
     # get_file direct mp4 (extractor watchporn, VPS-side, token nie IP-bound).
     WatchPornScraper,
-    # YoupervScraper — dodany 2026-07-26 (ocena: orphan-risk LOW, najlepszy kandydat od
+    # YoupervScraper, dodany 2026-07-26 (ocena: orphan-risk LOW, najlepszy kandydat od
     # hqporner). Ripy paysite, tytuły `Studio - Performer - Title` (71% próbki), performerzy
     # z linków, duration + release_date ISO, ~60-70 scen/dzień. Playback: direct mp4 bez
     # tokena (extractor youpervcom, VPS-side, CDN pilnuje tylko Referera).
     YoupervScraper,
-    # GalaxyPornScraper — dodany 2026-07-26 (ocena 5/5). Ripy paysite, obsada w
+    # GalaxyPornScraper, dodany 2026-07-26 (ocena 5/5). Ripy paysite, obsada w
     # wydzielonym `<div id="video-actors">` (zero pollution), studio+data z prefiksu
     # tytułu, paginacja zdrowa. Duration liczone z thumbnail.vtt playera (nie ma go
     # w HTML, a NULL ukryłby sceny pod filtrem min_duration_sec). Playback: iframe
     # seekplayer → istniejący silnik, HLS przez /proxy/hls.
     GalaxyPornScraper,
-    # PornBusyScraper — dodany 2026-07-27 (ocena 4.5/5). Metadane w `itemprop` (duration/
+    # PornBusyScraper, dodany 2026-07-27 (ocena 4.5/5). Metadane w `itemprop` (duration/
     # uploadDate/thumb/desc) + obsada w `<div id="video-actors">` bez pollution. Homepage
     # pagination ZEPSUTA (str. 1/2/3 identyczne) → listing z sitemapy, newest-first.
     # Brak pola studio. Playback: loadvid/seekplayer/zpi ≈ 69% katalogu.
     PornBusyScraper,
-    # PornMikeScraper — dodany 2026-07-27 (ocena 4/5). Metadane w CAŁOŚCI z JSON-LD
+    # PornMikeScraper, dodany 2026-07-27 (ocena 4/5). Metadane w CAŁOŚCI z JSON-LD
     # VideoObject, obsada bez pollution (1 link = realna obsada), 82% performerów z
     # refem tpdb/stashdb, 19-20/20 kanałów znamy jako studia. Bramka na obsadę (23%
     # katalogu bez actor[]). Tagi TYLKO z JSON-LD (HTML ma 38+22 linków nav/sidebar).
-    # UWAGA: to klipy 5-12 min, nie pełne sceny — ~80% katalogu to jednak studia bez
+    # UWAGA: to klipy 5-12 min, nie pełne sceny, ~80% katalogu to jednak studia bez
     # żadnego pokrycia u nas, czyli nowa podaż. Playback: gołe mp4, zero proxy.
     PornMikeScraper,
-    # KPorner8Scraper — dodany 2026-07-27. Mały, ale wysokiej jakości: ORYGINALNE
+    # KPorner8Scraper, dodany 2026-07-27. Mały, ale wysokiej jakości: ORYGINALNE
     # tytuły studyjne (nie SEO-rewrite) + realne 4K + przenośny stream, więc sceny
     # dobrze siadają na kanon. Katalog jest ZAKORKOWANY: sitemapa i `/watch/*.html`
     # są za Cloudflare, paginacja zwraca stronę 1, load-more chce logowania → widać
     # tylko ~115 scen z homepage. Detale pobieramy przez `?link1=watch&id=`. Bramka
     # na obsadę przepuszcza 62/115, a z nich 97% performerów ma ref tpdb/stashdb.
-    # Pilot: seen 62, new 25, updated 37 — 60% dopina się do scen, które już mamy.
+    # Pilot: seen 62, new 25, updated 37, 60% dopina się do scen, które już mamy.
     KPorner8Scraper,
-    # FullPornerScraper — dodany 2026-07-27. PEŁNE sceny (mediana ~33 min, zero poniżej
+    # HentaiMamaScraper — dodany 2026-08-04, PIERWSZE źródło wertykału hentai.
+    # UWAGA na kryterium: dla animacji NIE ISTNIEJE kanon (TPDB/StashDB nie mają
+    # rysowanych postaci), więc każda scena stąd jest orphanem i to jest POPRAWNE.
+    # Nie stosujemy tu ani bramki na obsadę (nie ma obsady), ani miary canonical match.
+    # Jakość mierzymy kompletem seria + odcinek + gatunki. Jednostka = ODCINEK.
+    # Motyw z rodziny Dooplay, ale DooplayConnector NIE pasuje (brak data-fl-source).
+    # Playback: extractor `hentaimama`, POST admin-ajax za Cloudflare → Bright Data.
+    HentaiMamaScraper,
+    # XAnimePornScraper — dodany 2026-08-04, drugie źródło wertykału hentai.
+    # NIE re-host hentaimamy: wspólny odcinek (Shoujo Ramune 7) leży na obu, ale to inne
+    # pliki — tu jest jawny wybór 1080p (222 MB) / 720p (84 MB), tam jedna jakość bez
+    # etykiety. Paginacja strony głównej ZEPSUTA (str. 2-3 = str. 1, jak przy 8kporner),
+    # więc listing z dwóch archiwów: /uncensored/ i /censored/, które stronicują poprawnie.
+    # Playback bez Cloudflare i bez proxy, w odróżnieniu od hentaimamy.
+    XAnimePornScraper,
+    # HentaiGasmScraper — dodany 2026-08-04, trzecie zrodlo wertykalu i TRZECI
+    # niezalezny host (hgasm1.com). Metadane w CALOSCI z RSS-a, bo strona odcinka nie ma
+    # daty w zadnym standardowym miejscu, a /genre/ to 38 linkow chmury z sidebara.
+    # Playback najprostszy z calej trojki: JWPlayer z gotowym file: wprost w HTML.
+    HentaiGasmScraper,
+    # HentaiPlayScraper — dodany 2026-08-04, CZWARTY niezalezny host wertykalu
+    # (hentaiplanet.info). Metadane z RSS-a, bo /genre/ w HTML to 2084 linki chmury,
+    # najwiecej w calym wertykale. Playback: mp4 wprost w HTML, bez CF i bez proxy.
+    HentaiPlayScraper,
+    # NaughtyMachinimaScraper — dodany 2026-08-13, drugie zrodlo 3D i najzdrowsza
+    # jednostka tresci wertykalu (mediana 289s, zero ponizej minuty).
+    NaughtyMachinimaScraper,
+    # Rule34VideoScraper — dodany 2026-08-13, pierwsze zrodlo 3D (SFM/Blender).
+    # Bramka >=60s odrzuca ~47% katalogu (mediana 68s), bo apka i tak filtruje
+    # ponizej minuty. Tagi TYLKO z class=tag_item, `class=button` to chmura.
+    Rule34VideoScraper,
+    # FullPornerScraper, dodany 2026-07-27. PEŁNE sceny (mediana ~33 min, zero poniżej
     # 10 min), ~140-240 dziennie, listing chronologiczny mimo nagłówka „Featured".
     # Playback najtrwalszy w portfolio: mp4 do 1080p bez tokenu i bez wygasania.
-    # Metadane cienkie: BRAK studia, mediana 3 tagi, tytuły przepisane pod SEO — za to
+    # Metadane cienkie: BRAK studia, mediana 3 tagi, tytuły przepisane pod SEO, za to
     # data jako unix timestamp i długość co do sekundy. Dry-run resolvera na 120
     # scenach: 31% dopina się do tego, co mamy (composite waży performera + długość),
     # przeciek duplikatów ~15% po odjęciu tła kontrolnego. Bramka na obsadę, bo sceny
-    # bez performera scaliły się 0/23. phash liczony celowo — to jedyny sygnał dla
+    # bez performera scaliły się 0/23. phash liczony celowo, to jedyny sygnał dla
     # bulk_dedup na te duplikaty, po tytule nie pójdzie.
     FullPornerScraper,
-    # SexuScraper (`sexu.py`) — ZBUDOWANY 2026-07-27, ale NIE ingestujemy. Metadane ma
+    # SexuScraper (`sexu.py`), ZBUDOWANY 2026-07-27, ale NIE ingestujemy. Metadane ma
     # najlepsze z całej serii (studio 97%, 96% performerów z refem tpdb/stashdb, dokładna
     # długość, świeżość w godzinach), tylko jednostka treści jest zła: to **klipy 5-10
     # minut**, nie sceny. Mediana 571 s na stronie 30 i 459 s na 200, ZERO filmów ≥20 min
     # w całym katalogu. Pilot na 240 scenach: 1 (jeden) canonical match, bo długość i
     # tytuł, czyli sygnały resolvera, są przepisane pod tube. Przy ~340 uploadach dziennie
     # to ~10k nierozwiązywalnych wierszy miesięcznie i klip obok pełnej sceny na stronie
-    # performera. Scraper i extractor zostają w repo — gdyby serwis kiedyś zaczął wrzucać
+    # performera. Scraper i extractor zostają w repo, gdyby serwis kiedyś zaczął wrzucać
     # pełne sceny, wystarczy dopisać klasę z powrotem tutaj.
-    # FullVideosPornScraper — dodany 2026-07-27 (ocena 3/5, ADD Z ZASTRZEŻENIAMI).
+    # FullVideosPornScraper, dodany 2026-07-27 (ocena 3/5, ADD Z ZASTRZEŻENIAMI).
     # = sextu.com pod nową marką (NIE klon fullmovies.xxx). BRAMKA NA OBSADĘ: 65-75%
     # katalogu nie ma performera i weszłoby jako puste orphany, więc ingestujemy tylko
     # sceny z ≥1 performerem (~25-35% katalogu, ale 88-89% nazwisk canonical u nas).
@@ -224,105 +263,114 @@ ALL_BROWSE_SCRAPERS: list[type[BaseBrowseScraper]] = [
     XnxxBrowseScraper,
     FreshpornoScraper,
     FpoxxxScraper,
-    # LatestPornVideoScraper — browse od 2026-06-22 (user 1da0375e: search-driven
+    # LatestPornVideoScraper, browse od 2026-06-22 (user 1da0375e: search-driven
     # nie brał feedu "latest"). Listing card: tytuł (z embedded "<Studio> YY MM DD"),
     # thumb (studio+date w nazwie), category-* jako tag. Performerów listing nie ma
     # czysto (brak `actors-*`) → puste, dorabia canonical-merge. Playback: luluvid
     # iframe → extractor latestpornvideocom (_embed_iframe) → telefon resolwuje.
     LatestPornVideoScraper,
-    # SiskaScraper — re-enabled 2026-06-20 jako browse (user fa4083a2). Search siski
+    # SiskaScraper, re-enabled 2026-06-20 jako browse (user fa4083a2). Search siski
     # zepsuty site-side (`?s=` ignoruje query), więc latest-browse z `/page/<n>/`.
     # Komplet metadanych z kafelka listingu (tytuł/duration/thumb/performer/studio/
     # kategoria). Playback: playmogo + luluvid → telefon resolwuje phone-side.
     SiskaScraper,
-    # PornXPScraper — pilot 2026-05-17 (20 scen): studio 100%, performer 95%,
+    # PornXPScraper, pilot 2026-05-17 (20 scen): studio 100%, performer 95%,
     # release_date 100%, duration 100%, stream_url 100%, phash 100%. Najlepsze
     # sygnały spośród browse-mode scraperów. Stream direct mp4 (sv.porn-xp.com)
     # 360/720 quality. Release year z `Released: <year>` na detail.
     PornXPScraper,
-    # Porn00Scraper — pilot 2026-05-17 (16 scen): brak studio (0%) + brak release
+    # Porn00Scraper, pilot 2026-05-17 (16 scen): brak studio (0%) + brak release
     # date (0%) ALE performer 100%, duration 100%, stream_url 100% (KVS video_alt_url
     # 720p). Tytuł zachowuje studio prefix ("Studio Title - Scene Name") → title
     # fuzzy match (rapidfuzz token_set_ratio) może załapać canonical. Monitorować.
     Porn00Scraper,
-    # PornDoeScraper — dołączony 2026-05-21 (theporndude audit). Każda scena ma
+    # PornDoeScraper, dołączony 2026-05-21 (theporndude audit). Każda scena ma
     # kompletny JSON-LD VideoObject: title + uploadDate + duration + named studio
     # (producer/publisher) + named performers (actor[]) + thumbnail. Najbogatsze
-    # strukturalne metadane spośród browse scraperów — composite fuzzy match ma
+    # strukturalne metadane spośród browse scraperów, composite fuzzy match ma
     # komplet sygnałów. Phash hit-rate niski (własne crop-thumbnaile), studio +
     # performer + date + duration nadrabiają.
     PornDoeScraper,
-    # YesPornVipScraper — dołączony 2026-05-27 (user audit). JSON-LD VideoObject
+    # YesPornVipScraper, dołączony 2026-05-27 (user audit). JSON-LD VideoObject
     # + `<meta property="video:duration|release_date|tag">` per scena (Goon ma
     # duration w sekundach gotowe + ISO 8601 release_date z timezone). Studio +
     # performerzy z `btn gold` linków (`/channels/<slug>/` + `/models/<slug>/`).
     # 941k organic monthly (SE Ranking, comparable z porndoe 731k / porntrex 790k).
-    # Scraper-of-paysites (DogFart / HardX / TeamSkeet / Vixen) — wysokie expected
+    # Scraper-of-paysites (DogFart / HardX / TeamSkeet / Vixen), wysokie expected
     # canonical match dla studio scenes. Korekta: theporndude scorecard rank 26
-    # ('yespornvip.com', score -0.5, auth wall) dotyczył **innej domeny** — pdude.link
+    # ('yespornvip.com', score -0.5, auth wall) dotyczył **innej domeny** pdude.link
     # redirect do porndudecams affiliate. Prawdziwa kanoniczna domena to TLD `.vip`.
     YesPornVipScraper,
-    # FullmoviesScraper + HDPornGGScraper — dołączone 2026-06-01. KVS engine (sponsor_groups
+    # FullmoviesScraper + HDPornGGScraper, dołączone 2026-06-01. KVS engine (sponsor_groups
     # stack, `/videos/<slug>/` + `/latest-updates/`). Studio teraz z PREFIKSU tytułu
-    # ("Studio - Scene") — sidebar `/networks/` listował WSZYSTKIE sieci, więc pierwszy match
+    # ("Studio - Scene"), sidebar `/networks/` listował WSZYSTKIE sieci, więc pierwszy match
     # zawsze Brazzers (mis-attribution, dlatego nigdy nie były włączone). Niosą paysite studio
     # content (TeamSkeet/Dad Crush/Brazzers/...) z title+performer+duration → composite fuzzy.
     # Nawet bez canonical match: grywalny content z inferred tagami (mission: daily tagged ingest).
     FullmoviesScraper,
     HDPornGGScraper,
-    # EpornerApiScraper — dołączony 2026-06-03 (Faza 2b alternatywa). eporner detail to
+    # EpornerApiScraper, dołączony 2026-06-03 (Faza 2b alternatywa). eporner detail to
-    # JS-heavy KVS bez SSR metadanych (jak porntrex/hqporner — odrzucone), ALE eporner ma
+    # JS-heavy KVS bez SSR metadanych (jak porntrex/hqporner, odrzucone), ALE eporner ma
     # publiczne JSON API (api/v2/video/search): 1 call = 100 filmów z title+length_sec+
     # keywords+added+thumb. ~100k filmów, deep-crawl przez crawl_page() (API, bez detail-fetch).
     EpornerApiScraper,
-    # XVideosBrowseScraper — dołączony 2026-06-03. SSR JSON-LD (duration/title/uploadDate)
+    # XVideosBrowseScraper, dołączony 2026-06-03. SSR JSON-LD (duration/title/uploadDate)
     # + page-parse /models/ (performerzy) + /tags/. Sample: median ~10.5min, 93% ≥3min.
     # Mega-katalog ~13M → deep_crawl._PAGE_CAP["xvideoscom"]=1800 (~50k najnowszych), nie
-    # full-crawl. (youporn pominięty — JSON-LD bez actor/keywords, scene-perf/tagi = nav A-Z.)
+    # full-crawl. (youporn pominięty, JSON-LD bez actor/keywords, scene-perf/tagi = nav A-Z.)
     XVideosBrowseScraper,
-    # HQFapScraper — PlayTube CMS (re-uploader pornhd.pet). Usunięty 2026-06-25 gdy CAŁA
+    # HQFapScraper, PlayTube CMS (re-uploader pornhd.pet). Usunięty 2026-06-25 gdy CAŁA
     # biblioteka CDN serwowała `/upload/videos/video_down.mp4` stub; PRZYWRÓCONY 2026-07-07
     # bo strona wróciła na CDN vstor.top z realnymi plikami (portable cross-IP), user request.
-    # HQFapScraper — ZDJĘTY 2026-08-02 (druga i ostateczna deaktywacja). Strona wdrożyła
+    # HQFapScraper, ZDJĘTY 2026-08-02 (druga i ostateczna deaktywacja). Strona wdrożyła
     # Cloudflare z JS-challenge na /watch/: 403 z VPS, z residential IP przy pełnych
-    # nagłówkach przeglądarki ORAZ przez Bright Data ISP proxy — czyli blokada nie jest
+    # nagłówkach przeglądarki ORAZ przez Bright Data ISP proxy, czyli blokada nie jest
     # po IP, tylko wymaga wykonania JS. WebView też nie przechodzi automatycznie (user
     # widzi challenge: zgłoszenia 60576a84 / 244131ba / 92e9133e). Telemetria: ZERO prób
-    # odtworzenia od 27.07. Utrzymanie wymagałoby headless-przeglądarki na VPS —
+    # odtworzenia od 27.07. Utrzymanie wymagałoby headless-przeglądarki na VPS,
     # nieproporcjonalne, decyzja: usunąć (jak 4k69 i pierwsze usunięcie hqfap 2026-06-25).
-    # HQPornerBrowseScraper — dołączony 2026-07-26. hqporner był TYLKO w
+    # HQPornerBrowseScraper, dołączony 2026-07-26. hqporner był TYLKO w
     # ALL_DIRECT_SCRAPERS (search po performerze), więc świeże sceny wchodziły wyłącznie
     # przy trafieniu na znanego performera → 0 nowych scen w 7 dni (user-report). Browse
     # (listing / + ?p=N) daje ingest niezależny od stanu performerów. external_id ten sam
     # co w search (`hqpornercom:<url>`), więc obie ścieżki trafiają w tę samą scenę.
     HQPornerBrowseScraper,
-    # FourK69Scraper — USUNIĘTY 2026-06-25 (ten sam stub), NIE sprawdzany ponownie.
+    # PorndupeScraper, dodany 2026-09-05. Re-uploader scen studyjnych (Nubile, NF Busty,
-    # JavflixScraper — JAV vertical (osobna sekcja). origin tube:javflix jest w
+    # Family Strokes), 87% katalogu nowe dla nas, trafia w kanon. Chodzenie po id
+    # (listing = catch-all), dlugosc i data z api.ok.ru przy ingescie.
+    PorndupeScraper,
+    # TubePornClassicScraper, dodany 2026-09-07 (user request). Retro/vintage, TXXX
+    # (silnik vjav): listing to JSON API z pelnymi metadanymi (60 scen na request, bez
+    # fetchu per scena), wyzwanie 429 przez ciasteczko. Obsada u ~46% scen, studiow brak.
+    # Stream HLS przez _txxx.extract_hls + /proxy/hls.
+    TubePornClassicScraper,
+    # FourK69Scraper, USUNIĘTY 2026-06-25 (ten sam stub), NIE sprawdzany ponownie.
+    # JavflixScraper, JAV vertical (osobna sekcja). origin tube:javflix jest w
     # JAV_ORIGINS → list_scenes wyklucza je z głównego feedu (tylko zakładka JAV).
     JavflixScraper,
-    # VjavScraper — JAV vertical (osobna sekcja, origin tube:vjav w JAV_ORIGINS).
+    # VjavScraper, JAV vertical (osobna sekcja, origin tube:vjav w JAV_ORIGINS).
     # TXXX network: sitemap id-walk (newest=max id) + JSON metadata API. Stream
     # videofile.php → get_file HLS (portable, /proxy/hls passthrough). RE 2026-07-10.
     VjavScraper,
-    # SupjavScraper — JAV vertical (osobna sekcja, origin tube:supjav w JAV_ORIGINS).
+    # SupjavScraper, JAV vertical (osobna sekcja, origin tube:supjav w JAV_ORIGINS).
     # CF-blokuje VPS → browse homepage przez Bright Data proxy. Embed-aggregator:
     # data-link reverse-hex → lk1.supremejav.com → hoster (extractor supjav). RE 2026-07-10.
     SupjavScraper,
-    # NepornScraper — dołączony 2026-06-10 (user request). KVS engine (jak freshporno/
+    # NepornScraper, dołączony 2026-06-10 (user request). KVS engine (jak freshporno/
     # porn00), /latest-updates/N/. JSON-LD (title+desc+uploadDate+thumb) + video:duration
     # meta + /models/ performerzy + /categories/ tagi. Brak studio (tytuł bywa
-    # "- HardX Update - ..." — fuzzy match po tytule). Resolve server-side _kvs,
+    # "- HardX Update - ...", fuzzy match po tytule). Resolve server-side _kvs,
     # finalny remote_control.php portable cross-IP.
     NepornScraper,
-    # SuperpornScraper — dołączony 2026-06-10 (user request). superporn blokuje VPS IP
+    # SuperpornScraper, dołączony 2026-06-10 (user request). superporn blokuje VPS IP
     # twardym CF 403 (każda impersonacja TLS), więc ingest HTML idzie przez Bright Data
-    # ISP proxy (BRIGHTDATA_PROXY_URL, ryczałt nie per-GB). Pierwszy scraper z proxy — `_proxy` w
+    # ISP proxy (BRIGHTDATA_PROXY_URL, ryczałt nie per-GB). Pierwszy scraper z proxy, `_proxy` w
     # _browse_base. JSON-LD (title+desc+uploadDate+thumb+duration) + chipy pornstar/
     # kategorie. Playback IP-bound → WebView (extractor superporncom → _vps_blocked_fallback).
     # Bez proxy: scraper no-op (pusty iterator).
     SuperpornScraper,
-    # porntrex/hqporner/youporn — NIE: KVS/JS bez SSR duration → niewidoczne orphany (2026-06-03).
+    # porntrex/hqporner/youporn, NIE: KVS/JS bez SSR duration → niewidoczne orphany (2026-06-03).
-    # ShyfapScraper — wyłączony 2026-05-12 (pilot fail, 0% match — orphan factory).
+    # ShyfapScraper, wyłączony 2026-05-12 (pilot fail, 0% match, orphan factory).
 ]
 
 __all__ = [

app/connectors/direct_scrapers/_browse_base.py

@@ -1,15 +1,15 @@
-"""BaseBrowseScraper — latest-vids browse mode (vs search-by-performer).
+"""BaseBrowseScraper, latest-vids browse mode (vs search-by-performer).
 
 Wzorzec: tube'y typu shyfap/freshporno/porn00/fullmovies/pornxp mają bogatą
 metadata (title, studio, performers, tags, duration, release_date, description)
-na detail page'u — wystarczy do canonical fuzzy match w resolverze. Browse mode
+na detail page'u, wystarczy do canonical fuzzy match w resolverze. Browse mode
 iteruje "latest" page (sorted by upload date) i fetchuje detail per scene.
 
 Różnica vs `BaseSearchScraper`:
   - **search**: tube wyszukuje sceny po performer name (dla performer-driven
     backfill). Wymaga znanego performera.
   - **browse**: tube listuje newest scenes (latest-vids endpoint). Nie wymaga
-    żadnego query — chodzi o świeże sceny independent of performer state.
+    żadnego query, chodzi o świeże sceny independent of performer state.
 
 Browse jest komplementarny do search:
   - search łapie sceny dla **znanych performerów** (TPDB/StashDB → tube)
@@ -67,15 +67,15 @@ class BaseBrowseScraper(BaseDirectTubeScraper, abc.ABC):
     def _parse_detail(self, scene_url: str, detail_html: str) -> RawScene | None:
         """Parsuj scene detail HTML → RawScene z metadata.
 
-        Zwraca None gdy scena niedostępna / parse fail — caller pominie ten URL,
+        Zwraca None gdy scena niedostępna / parse fail, caller pominie ten URL,
         nie aborti całe browse."""
 
     def crawl_page(self, page: int) -> list[RawScene] | None:
         """Crawl JEDNEJ strony listingu → lista RawScene. Wspólne dla browse_latest
         (top-N) i deep_crawl (kursor). Zwraca:
-          None  — transient fetch-fail listingu (caller: stop, NIE oznaczaj exhausted),
+          None , transient fetch-fail listingu (caller: stop, NIE oznaczaj exhausted),
-          []    — pusty listing = koniec katalogu (caller: exhausted),
+          []      pusty listing = koniec katalogu (caller: exhausted),
-          [...] — sceny z tej strony.
+          [...], sceny z tej strony.
 
         API-based subclasses (np. EpornerApiScraper) override'ują crawl_page bezpośrednio
         (call API zamiast listing→detail). HTML browse subclasses dostarczają
@@ -120,7 +120,7 @@ class BaseBrowseScraper(BaseDirectTubeScraper, abc.ABC):
                 break
             yield from scenes
 
-    # Stub `search()` — BaseDirectTubeScraper wymaga implementacji. Dla browse-only
+    # Stub `search()`, BaseDirectTubeScraper wymaga implementacji. Dla browse-only
     # tubes nie supportujemy performer-driven search; zwracamy pusty iterator. Tube'y
     # które chcą *oba* tryby mogą override'ować search() osobno.
     def search(
@@ -148,7 +148,7 @@ def compute_thumbnail_phash(thumbnail_url: str, *, referer: str | None = None, t
     Format pasuje do `SceneFingerprint.value` w DB (TPDB/StashDB importują ten sam
     8x8 phash). Resolver Path 3 `find_by_phash_within` matchuje Hamming ≤5 (default).
 
-    Wymaga lazy importu `imagehash`/`PIL` — żeby moduł browse_base importował się
+    Wymaga lazy importu `imagehash`/`PIL`, żeby moduł browse_base importował się
     nawet gdy te lib-y są niedostępne (graceful degradation: phash=None → resolver
     spadnie do composite scoring, jak gdyby fingerprintu nie było).
     """
@@ -169,7 +169,7 @@ def compute_thumbnail_phash(thumbnail_url: str, *, referer: str | None = None, t
                 return None
             img = Image.open(io.BytesIO(r.content))
             # phash domyślnie hash_size=8 → 64-bit hash → 16 hex chars. Mode 'L' (greyscale)
-            # robi to wewnętrznie, ale niektóre webp/animated mogą mieć multi-frame —
+            # robi to wewnętrznie, ale niektóre webp/animated mogą mieć multi-frame,
             # convert() bierze pierwszą klatkę, którą imagehash i tak zredukuje do grey.
             return str(imagehash.phash(img.convert("RGB")))
     except Exception as e:
@@ -183,7 +183,7 @@ def meta_content(html: str, *, property: str | None = None, name: str | None = N
     Standardowy helper dla scraperów które używają OpenGraph / ya:ovs / itp.
     Cache compiled regex w module-scope dict (te same selectory powtarzają się).
 
-    NB: separate patterns dla `"..."` i `'...'` content quote — wcześniej jeden
+    NB: separate patterns dla `"..."` i `'...'` content quote, wcześniej jeden
     `[^"\']*` regex tnął title po wewnętrznym apostrofie (np. `<meta content="She's So Insatiable">`
     → `She`, bug-report 2026-05-20). Teraz matchujemy dokładnie ten sam quote co opening.
     """
@@ -191,8 +191,8 @@ def meta_content(html: str, *, property: str | None = None, name: str | None = N
     if key not in _META_RE_CACHE:
         attr = "property" if property else "name"
         val = re.escape(property or name or "")
-        # double-quoted content (HTML standard) — preferred
+        # double-quoted content (HTML standard), preferred
-        # Pattern: <meta property="X" content="...inner..." >  — inner allows apostrophes
+        # Pattern: <meta property="X" content="...inner..." > , inner allows apostrophes
         _META_RE_CACHE[key] = re.compile(
             rf'<meta[^>]+{attr}=["\']{val}["\'][^>]*?content="([^"]*)"'
             rf'|<meta[^>]+{attr}=["\']{val}["\'][^>]*?content=\'([^\']*)\'',

app/connectors/direct_scrapers/_playtube.py

@@ -1,4 +1,4 @@
-"""BasePlayTubeScraper — wspólna baza dla tube'ów na PlayTube CMS (hqfap, 4k69).
+"""BasePlayTubeScraper, wspólna baza dla tube'ów na PlayTube CMS (hqfap, 4k69).
 
 Platforma rozpoznawalna po: `/watch/<slug>_<id>.html`, sitemap index
 `/sitemaps/videos/sitemap-N.xml` (z `<lastmod>`), JSON-LD VideoObject na detail
@@ -9,9 +9,9 @@ Listing NIE paginuje się GET-em (PlayTube doładowuje AJAX-em `aj/load-more/`),
 więc crawl_page buduje katalog z sitemapów (sort lastmod desc = newest first)
 i tnie na strony po `_PAGE_SIZE`. Działa dla browse_latest (pages 1-5) i
 deep_crawl (kursor do końca katalogu). Minus: sitemap laguje ~dobę za
-najświeższymi uploadami — akceptowalne przy dziennym harmonogramie.
+najświeższymi uploadami, akceptowalne przy dziennym harmonogramie.
 
-Subclass ustawia `base_url` + (opcjonalnie) override'uje `_pick_studio()` —
+Subclass ustawia `base_url` + (opcjonalnie) override'uje `_pick_studio()`,
 PlayTube nie ma strukturalnego pola studio na scenie, studio siedzi w
 kategoriach (hqfap: suffix " Clips"; 4k69: nazwa z listy /studios).
 
@@ -109,7 +109,7 @@ def _extract_video_object(html: str) -> dict | None:
 
 
 class BasePlayTubeScraper(BaseBrowseScraper):
-    base_url: str  # np. "https://hqfap.com" — subclass ustawia
+    base_url: str  # np. "https://hqfap.com", subclass ustawia
 
     def __init__(self) -> None:
         super().__init__()
@@ -123,9 +123,9 @@ class BasePlayTubeScraper(BaseBrowseScraper):
     def _pick_studio(self, category_names: list[str]) -> str | None:
         return None
 
-    # crawl_page override (jak EpornerApiScraper) — listing nie jest stronicowalny
+    # crawl_page override (jak EpornerApiScraper), listing nie jest stronicowalny
     # przez GET, źródłem paginacji jest sitemap. _listing_url/_extract_scene_urls
-    # nieużywane, ale abstrakcyjne — dostarczamy no-op implementacje.
+    # nieużywane, ale abstrakcyjne, dostarczamy no-op implementacje.
     def _listing_url(self, page: int) -> str:  # pragma: no cover - nieużywane
         return f"{self.base_url}/sitemap.xml"
 
@@ -156,7 +156,7 @@ class BasePlayTubeScraper(BaseBrowseScraper):
                 sm = browser_get(sm_url, timeout=self._timeout)
                 sm.raise_for_status()
             except Exception as e:
-                # Brak jednego sitemapa ≠ fail całości — reszta katalogu wystarczy.
+                # Brak jednego sitemapa ≠ fail całości, reszta katalogu wystarczy.
                 log.warning("%s: sitemap fetch failed %s: %s", self.sitetag, sm_url, e)
                 continue
             for block in _URL_BLOCK_RE.findall(sm.text):
@@ -227,7 +227,7 @@ class BasePlayTubeScraper(BaseBrowseScraper):
         thumbnail_url = video.get("thumbnailUrl") or None
 
         # Pille: pornstar → performer; category → studio (hook `_pick_studio`)
-        # albo tag. Ocenzurowane nazwy (`Te***`) pomijamy — gwiazdki to nie dane.
+        # albo tag. Ocenzurowane nazwy (`Te***`) pomijamy, gwiazdki to nie dane.
         performers: list[RawPerformer] = []
         category_names: list[str] = []
         seen_perf: set[str] = set()
@@ -275,7 +275,7 @@ class BasePlayTubeScraper(BaseBrowseScraper):
             if ph:
                 fingerprints.append(RawFingerprint(kind="phash", value=ph))
 
-        # Stream: JSON-LD contentUrl wygasa (token time-bound) — NIE zapisujemy
+        # Stream: JSON-LD contentUrl wygasa (token time-bound), NIE zapisujemy
         # stream_url; extractor per-sitetag resolvuje świeży on-demand.
         playback_sources = [
             RawPlaybackSource(

app/connectors/direct_scrapers/_search_base.py

@@ -1,20 +1,20 @@
-"""BaseSearchScraper — shared search-page HTML scraping logika.
+"""BaseSearchScraper, shared search-page HTML scraping logika.
 
 Wzorzec stosowany przez wszystkie tube'y discovery scrapers:
   1. Build search URL z `_search_url_template` (formatowane query+page).
   2. Fetch HTML curl_cffi.
   3. Match `_scene_url_re` (regex z grupą `url` lub group(1) jako scene URL,
      opcjonalnie `slug` lub `id` jako tytuł source).
-  4. Filtruj wyniki po query tokens (slug musi zawierać ≥1 token z query) —
+  4. Filtruj wyniki po query tokens (slug musi zawierać ≥1 token z query),
      fuzzy search tube'ów często zwraca niezwiązane wyniki.
   5. Yield RawScene z `external_id=f"{sitetag}:{scene_url}"`.
 
 Subclass override:
-  - `sitetag: str` — np. "pornhubcom"
+  - `sitetag: str`, np. "pornhubcom"
-  - `_search_url_template: str` — z `{query}` i `{page}` placeholderami
+  - `_search_url_template: str`, z `{query}` i `{page}` placeholderami
-  - `_scene_url_re: re.Pattern[str]` — regex z named group `url` (scene URL)
+  - `_scene_url_re: re.Pattern[str]`, regex z named group `url` (scene URL)
-  - `_title_from_match(match) -> str` — opcjonalny override (default: derive z URL slug)
+  - `_title_from_match(match) -> str`, opcjonalny override (default: derive z URL slug)
-  - `_token_filter_text(match) -> str` — co testować na query tokens (default: cała URL)
+  - `_token_filter_text(match) -> str`, co testować na query tokens (default: cała URL)
 """
 from __future__ import annotations
 
@@ -30,7 +30,7 @@ from app.extractors import browser_get
 
 # Image src extraction: matches src, data-src, data-original, data-lazy-src, data-lazy
 # (lazy-load lib variants). Wymaga rozszerzenia obrazka żeby ograniczyć false positives
-# (sprite icons, spinners) — JPG/PNG/WEBP są ~ jedynymi formatami które tube'y używają
+# (sprite icons, spinners), JPG/PNG/WEBP są ~ jedynymi formatami które tube'y używają
 # dla scene thumbnails.
 _IMG_SRC_RE = re.compile(
     r'<img[^>]+(?:src|data-src|data-original|data-lazy-src|data-lazy)=["\']'
@@ -53,7 +53,7 @@ class BaseSearchScraper(BaseDirectTubeScraper):
 
     #: Regex matchujący scene URL w search HTML. Wymagana grupa `url` (full scene URL),
     #: opcjonalna grupa `slug` (do title derivation gdy dostępny w URL).
-    _scene_url_re: re.Pattern[str] = re.compile(r"$^")  # placeholder — subclass override
+    _scene_url_re: re.Pattern[str] = re.compile(r"$^")  # placeholder, subclass override
 
     #: Minimalna długość tokena query do filtrowania wyników (krótsze ignorujemy żeby
     #: nie matchowały niezwiązanych slugów).
@@ -74,12 +74,12 @@ class BaseSearchScraper(BaseDirectTubeScraper):
     })
 
     #: Window (chars) wokół scene URL match, w którym szukamy `<img>` jako thumbnail.
-    #: WordPress-like tubes mają thumb w `<a href="..."><img src="...thumb.jpg"></a>` —
+    #: WordPress-like tubes mają thumb w `<a href="..."><img src="...thumb.jpg"></a>`,
     #: ±800 chars łapie ten pattern niezawodnie.
     _thumbnail_window: int = 800
 
     def _scene_url_from_match(self, m: re.Match[str]) -> str:
-        """Domyślnie group(1) — subclass override gdy regex używa named groups inaczej."""
+        """Domyślnie group(1), subclass override gdy regex używa named groups inaczej."""
         try:
             return m.group("url")
         except IndexError:
@@ -103,23 +103,54 @@ class BaseSearchScraper(BaseDirectTubeScraper):
 
     def _format_query_for_url(self, query: str) -> str:
         """Default: URL-encode (spaces → `+`). Subclass override gdy tube wymaga
-        innego formatu — np. KVS-style sites użyją slug (spaces → `-`).
+        innego formatu, np. KVS-style sites użyją slug (spaces → `-`).
         """
         return urllib.parse.quote_plus(query.strip())
 
+    def _thumbnail_map(self, listing_html: str) -> dict[str, str]:
+        """Opcjonalny hak: mapa scene_url -> thumbnail_url z calej strony wynikow.
+
+        Domyslnie pusta i wtedy dziala szukanie `<img>` w oknie wokol linku. Tuby,
+        ktore renderuja karty z JSON-a (xhamster: `window.initials` z `pageURL` i
+        `thumbURL`), maja miniature dla KAZDEJ karty w jednym miejscu, a okno tekstu
+        gubilo polowe (54% zrodel xhamster bez miniatury, zgloszenie 8ec9dc96)."""
+        return {}
+
     def _fetch_scene_metadata(
         self, scene_url: str
     ) -> tuple[RawStudio | None, list[RawPerformer], list[RawTag]] | None:
-        """Optional hook — subclass może override żeby fetch'ować scene detail page
+        """Optional hook, subclass może override żeby fetch'ować scene detail page
         i wyciągnąć studio/performerów/tagi. Default zwraca None (skip detail fetch).
 
-        Wywoływane PER SCENE w `search()` — dodaje +1 HTTP request per match. Subclass
+        Wywoływane PER SCENE w `search()`, dodaje +1 HTTP request per match. Subclass
         powinien rzucić wyjątki swobodnie, base łapie i kontynuuje bez metadata.
 
         Returns: (studio, performers, tags). Każde może być None / pusta lista.
         """
         return None
 
+    @staticmethod
+    def _slug_matches_query(slug_lower: str, query: str) -> bool:
+        """Czy slug zawiera nazwę z query jako spójną frazę, z granicami słowa.
+
+        Człony rozdzielamy dowolnym niealfanumerycznym separatorem (tube używa `-`,
+        `_` albo skleja), a po bokach wymagamy granicy, żeby „tiffany" nie łapało się
+        w „stiffany". Człony krótsze niż `_query_token_min_len` pomijamy przy budowie
+        frazy (np. „Mia Li"), inaczej wypadłyby wszystkie sceny tej osoby.
+        """
+        toks = [
+            re.escape(tok)
+            for tok in query.lower().split()
+            if len(tok) >= BaseSearchScraper._query_token_min_len
+        ]
+        if not toks:
+            return True
+        phrase = r"[^a-z0-9]*".join(toks)
+        # Dozwolone końcowe „s": slug gubi apostrof, więc dzierżawcze „TiffaniTime's"
+        # zapisuje jako „tiffanitimes". Nie luzuje to bramki, bo przed tym „s" i tak
+        # musi stać cała fraza (samo „first-times" nadal nie przejdzie dla „Tiffani Time").
+        return re.search(rf"(?<![a-z0-9]){phrase}s?(?![a-z0-9])", slug_lower) is not None
+
     def search(
         self,
         query: str,
@@ -147,13 +178,18 @@ class BaseSearchScraper(BaseDirectTubeScraper):
         }
 
         seen: set[str] = set()
+        try:
+            thumb_map = self._thumbnail_map(r.text)
+        except Exception as e:  # noqa: BLE001
+            log.debug("%s thumbnail map failed: %s", self.sitetag, e)
+            thumb_map = {}
         yielded = 0
         for m in self._scene_url_re.finditer(r.text):
             scene_url = self._scene_url_from_match(m).strip()
             if scene_url.startswith("//"):
                 scene_url = "https:" + scene_url
             elif scene_url.startswith("/"):
-                # Relative URL — prefix host z search URL.
+                # Relative URL, prefix host z search URL.
                 base = urllib.parse.urlparse(url)
                 scene_url = f"{base.scheme}://{base.netloc}{scene_url}"
             if scene_url in seen:
@@ -164,26 +200,35 @@ class BaseSearchScraper(BaseDirectTubeScraper):
             slug_lower = slug.lower()
             if slug_lower in self._nav_slug_blacklist:
                 continue
-            # Strict: WSZYSTKIE query tokens muszą być w slug. Wcześniej `any()`
+            # Slug musi zawierać CAŁE nazwisko jako SPÓJNĄ FRAZĘ, nie luźno rozrzucone
-            # przepuszczał scenę gdy choć jeden token był w slug — dla performera
+            # tokeny. Historia tej linijki to trzy poziomy:
-            # "Ava Koxxx" (query="ava koxxx") wszystkie sceny z "ava-*" slug
+            #
-            # (Ava Devine, Ava Addams itp.) były labelowane jako "Ava Koxxx",
+            #   1. `any(tok in slug)` — scena z „ava-devine" dostawała Ava Koxxx.
-            # bo `any("ava" in slug)` =True. User reports: scena "ava devine
+            #   2. `all(tok in slug)` — lepiej, ale to wciąż test PODCIĄGU na luźnych
-            # gangbanged..." miała Ava Koxxx w DB. Fix: `all()` — slug musi
+            #      tokenach, więc przy „Tiffani Time" przechodziło wszystko, co miało
-            # zawierać każdy ≥3-char token z imienia performera.
+            #      gdziekolwiek „time" (first-time, adult-time, multiple-times) plus
-            if query_tokens and not all(tok in slug_lower for tok in query_tokens):
+            #      cokolwiek zawierającego „tiffani". Przy „Tiffany Time" dochodziło
+            #      jeszcze „tiffany" ⊂ „s-tiffany-love". Zgłoszenie 2026-08-13: strona
+            #      Tiffani Time pełna scen o Tiffany Tatum, Tiffani Madison i Victorii.
+            #   3. (tu) fraza: „tiffani-time" musi wystąpić w slugu jako ciąg, z dowolnym
+            #      separatorem między członami i granicą słowa po bokach.
+            #
+            # To ma znaczenie, bo `all_performers` niżej dokleja szukanego performera
+            # BEZWARUNKOWO do każdej sceny, która tu przejdzie. Ten warunek jest jedyną
+            # bramką między wyszukiwarką tuba (dopasowuje rozmyto) a obsadą w bazie.
+            if query_tokens and not self._slug_matches_query(slug_lower, query):
                 continue
 
             title = self._title_from_slug(slug)
 
             # Thumbnail: search ±N chars around scene_url match for nearest <img src=>.
             # Większość tubes ma `<a href="<scene>"><img src="<thumb>"></a>` lub flat
-            # `<img src=><a href=>` — window 800 obejmuje oba.
+            # `<img src=><a href=>`, window 800 obejmuje oba.
             window_start = max(0, m.start() - self._thumbnail_window)
             window_end = min(len(r.text), m.end() + self._thumbnail_window)
             window_html = r.text[window_start:window_end]
-            thumb_url: str | None = None
+            thumb_url: str | None = thumb_map.get(scene_url)
-            img_m = _IMG_SRC_RE.search(window_html)
+            img_m = None if thumb_url else _IMG_SRC_RE.search(window_html)
             if img_m:
                 thumb_url = img_m.group(1).strip()
                 if thumb_url.startswith("//"):
@@ -193,7 +238,7 @@ class BaseSearchScraper(BaseDirectTubeScraper):
                     thumb_url = f"{base.scheme}://{base.netloc}{thumb_url}"
 
             # Opcjonalny metadata fetch (studio/dodatkowi performerzy/tagi). Default
-            # zwraca None — większość tube'ów ma tylko search HTML bez metadata.
+            # zwraca None, większość tube'ów ma tylko search HTML bez metadata.
             # PornHat ma `data-setup='{...}'` w `js-ajax-{dvd,model,tag}` divach.
             studio: RawStudio | None = None
             extra_performers: list[RawPerformer] = []
@@ -212,7 +257,7 @@ class BaseSearchScraper(BaseDirectTubeScraper):
                     description = meta[3]
 
             # Performer z query zawsze obecny (driver scraping). Extra performers
-            # z detail page dorzucamy — dedupe po slug/name w resolverze.
+            # z detail page dorzucamy, dedupe po slug/name w resolverze.
             all_performers = [RawPerformer(name=query.strip()), *extra_performers]
 
             yield RawScene(

app/connectors/direct_scrapers/base.py

@@ -1,4 +1,4 @@
-"""BaseDirectTubeScraper — kontrakt dla bezpośrednich scraperów tube'ów."""
+"""BaseDirectTubeScraper, kontrakt dla bezpośrednich scraperów tube'ów."""
 from __future__ import annotations
 
 import abc
@@ -13,7 +13,7 @@ class BaseDirectTubeScraper(abc.ABC):
     żeby dziedziczyć logikę resolvera + idempotent merge per external_id."""
 
     sitetag: str
-    """Stabilny ID tube'a — używany w external_id `f"{sitetag}:{url}"`. Zgodny
+    """Stabilny ID tube'a, używany w external_id `f"{sitetag}:{url}"`. Zgodny
     z porn-app sitetag (hqpornercom, sxylandcom, itp.)."""
 
     @abc.abstractmethod

app/connectors/direct_scrapers/eporner.py

@@ -1,4 +1,4 @@
-"""eporner.com — direct HTML scrape search results.
+"""eporner.com, direct HTML scrape search results.
 
 Search: `https://www.eporner.com/search/<q>/<page>/` (1-indexed pages).
 Scene URL: `https://www.eporner.com/hd-porn/<id>/<slug>/` lub `/video-<id>/<slug>/`.

app/connectors/direct_scrapers/eporner_api.py

@@ -1,11 +1,11 @@
-"""eporner.com — deep-crawl przez oficjalne JSON API (api/v2/video/search).
+"""eporner.com, deep-crawl przez oficjalne JSON API (api/v2/video/search).
 
-Detail HTML eporner jest JS-heavy (brak SSR duration/title/tagów) — ALE eporner ma
+Detail HTML eporner jest JS-heavy (brak SSR duration/title/tagów), ALE eporner ma
 publiczne API zwracające KOMPLETNĄ metadatę w jednym callu: `title`, `length_sec`
 (duration), `keywords` (tagi), `added` (data), thumb, embed, url. ~100k filmów,
 `order=latest`, ~100/stronę → ~1000 szybkich calli (BEZ detail-fetch). To czyni
 eporner idealnym SSR-bogatym źródłem deep-crawla (analiza 2026-06-03: porntrex/hqporner
-odrzucone — KVS bez SSR duration; eporner-API je zastępuje).
+odrzucone, KVS bez SSR duration; eporner-API je zastępuje).
 
 Override `crawl_page()` (API flow). HTML-owe _listing_url/_extract/_parse to stuby
 (BaseBrowseScraper ABC ich wymaga, ale nieużywane). Sitetag `epornercom` = ten sam co
@@ -113,7 +113,7 @@ class EpornerApiScraper(BaseBrowseScraper):
             )
         return out
 
-    # HTML stuby — nieużywane (crawl_page nadpisany API-flow), ale ABC ich wymaga.
+    # HTML stuby, nieużywane (crawl_page nadpisany API-flow), ale ABC ich wymaga.
     def _listing_url(self, page: int) -> str:  # pragma: no cover
         raise NotImplementedError("EpornerApiScraper używa crawl_page (API), nie HTML listingu")
 

app/connectors/direct_scrapers/fpoxxx.py

@@ -1,6 +1,6 @@
-"""fpo.xxx — latest-vids browse scraper (KVS engine).
+"""fpo.xxx, latest-vids browse scraper (KVS engine).
 
-Historia: dawniej WordPress-search scraper (`?s=`), ale fpo.xxx to KVS, nie WP —
+Historia: dawniej WordPress-search scraper (`?s=`), ale fpo.xxx to KVS, nie WP,
 search zwracał 0 (regex slug-URL nie pasował do `/video/<id>/`). Przerobione na
 BROWSE (latest z `/new-<n>/`), 2026-06-22 (user request: ożywić zamrożone tuby).
 
@@ -11,7 +11,7 @@ Listing tile (`/new-<n>/`):
 → tytuł, miniatura, duration, URL sceny. Performerów/tagów listing nie ma czysto
   (tytuł bywa JAV-code "Imai Kaho-RKI-602 ..."), więc puste → dorabia canonical-merge.
 
-Playback: KVS (kt_player + license_code na detail page) — token IP-bound, resolve
+Playback: KVS (kt_player + license_code na detail page), token IP-bound, resolve
 PO STRONIE TELEFONU (fpoxxxResolver.ts / WebView fallback, extractor `fpoxxx`).
 """
 from __future__ import annotations

app/connectors/direct_scrapers/freshporno.py

@@ -1,4 +1,4 @@
-"""freshporno.org — latest-vids browse scraper.
+"""freshporno.org, latest-vids browse scraper.
 
 Pilot #2 (po shyfap fail). Hipoteza: freshporno zachowuje oryginalne studio titles
 ("Straighten Her Out" zamiast custom rebranding jak shyfap) → title fuzzy match
@@ -9,7 +9,7 @@ URL patterns:
   - Scene: `/videos/<slug>/`
 
 Listing: świadomie `/latest-updates/` zamiast roota `/`. Root jest KVS-owym
-homepage z `cache-control: no-store` i świeżym PHPSESSID per-request — serwer
+homepage z `cache-control: no-store` i świeżym PHPSESSID per-request, serwer
 rotuje tam blok "featured" i na zimnej sesji potrafi podać stary zestaw zamiast
 najnowszych (zaobserwowane 2026-06-15: 3 dni browse-latest skipowało wszystko bo
 root podawał sceny z 20 maja; freshporno.org report). `/latest-updates/` to jawny
@@ -108,7 +108,7 @@ class FreshpornoScraper(BaseBrowseScraper):
         # Channel = studio. Pierwszy `/channels/<slug>/` link na stronie body
         # (top nav też ma channels list ale to inny pattern z `/channels/" zatrzymanym)
         studio: RawStudio | None = None
-        # Skipnij nav linki ze stringiem "Channels" jako anchor text — bierzemy specific channel
+        # Skipnij nav linki ze stringiem "Channels" jako anchor text, bierzemy specific channel
         for m in _CHANNEL_LINK_RE.finditer(detail_html):
             slug, name = m.group(1), m.group(2).strip()
             if name.lower() in ("channels", ""):
@@ -120,7 +120,7 @@ class FreshpornoScraper(BaseBrowseScraper):
             )
             break
 
-        # Performers — wszyscy `/models/<slug>/`
+        # Performers, wszyscy `/models/<slug>/`
         performers: list[RawPerformer] = []
         seen_perf: set[str] = set()
         for m in _MODEL_LINK_RE.finditer(detail_html):
@@ -154,7 +154,7 @@ class FreshpornoScraper(BaseBrowseScraper):
             )
 
         # Phash z thumbnail. Wiemy że freshporno używa internal screenshots (preview.mp4.jpg)
-        # więc to też może nie matchować canonical phashy — ale test pokaże.
+        # więc to też może nie matchować canonical phashy, ale test pokaże.
         fingerprints: list[RawFingerprint] = []
         if thumbnail_url:
             ph = compute_thumbnail_phash(thumbnail_url, referer=_BASE + "/")
@@ -170,8 +170,8 @@ class FreshpornoScraper(BaseBrowseScraper):
             )
         ]
 
-        # Release date — freshporno emituje `<meta itemprop="uploadDate" content="2026-05-20T...">`.
+        # Release date, freshporno emituje `<meta itemprop="uploadDate" content="2026-05-20T...">`.
-        # To data wrzucenia na freshporno, NIE oryginalna release_date studio — ale dla
+        # To data wrzucenia na freshporno, NIE oryginalna release_date studio, ale dla
         # świeżych scen (uploaded niedługo po publikacji) różnica ≤ 3-7 dni, mieści się w
         # `date_window_days=7` w resolverze. Bez tego pola scene NULL → match score 0 →
         # duplicate scene zamiast freshporno PS dodane do TPDB canonical (bug-report

app/connectors/direct_scrapers/fullmovies.py

@@ -1,8 +1,8 @@
-"""fullmovies.xxx — latest-vids browse scraper.
+"""fullmovies.xxx, latest-vids browse scraper.
 
 Identyczny engine co hdporn.gg (KVS sponsor_groups stack): `/videos/<slug>/`,
 `/networks/<slug>/`, `/models/<slug>/`, `/tags/<slug>/`. og:image to `img.fullmovies.xxx/...`
-— **prawdopodobnie auto-screenshot** (jak hdporn.gg → 8% match). Probe potwierdzi.
+**prawdopodobnie auto-screenshot** (jak hdporn.gg → 8% match). Probe potwierdzi.
 """
 from __future__ import annotations
 
@@ -71,7 +71,7 @@ class FullmoviesScraper(BaseBrowseScraper):
 
         # Studio z PREFIKSU tytułu ("Studio - Scene Title"), nie z sidebara /networks/.
         # Sidebar listuje WSZYSTKIE sieci → `_NETWORK_LINK_RE.finditer().first()` zawsze
-        # zwracał pierwszą z listy (Brazzers) dla każdej sceny — mis-attribution. Tytuł
+        # zwracał pierwszą z listy (Brazzers) dla każdej sceny, mis-attribution. Tytuł
         # po oczyszczeniu ma format "Studio - Opis" (np. "Fake Hostel - ...").
         studio: RawStudio | None = None
         if " - " in title:
@@ -104,7 +104,7 @@ class FullmoviesScraper(BaseBrowseScraper):
             tags.append(RawTag(external_id=f"fullmoviesxxx:tag:{slug}", name=name, slug=slug))
 
         # Phash WYŁĄCZONY (pilot 2026-06-01: 0% trafień ≤5, mediana Hamming 14 do
-        # canonical — auto-screenshoty img.fullmovies.xxx, nie hot-linkowane studio
+        # canonical, auto-screenshoty img.fullmovies.xxx, nie hot-linkowane studio
         # thumbnaile). Matching trzyma się na title+performer+duration (seed: 92% tagged),
         # więc download thumbnaila pod phash to czysty narzut. thumbnail_url zostaje (display).
         fingerprints: list[RawFingerprint] = []

app/connectors/direct_scrapers/fullporner.py

@@ -1,4 +1,4 @@
-"""fullporner.com — browse scraper. Dodany 2026-07-27.
+"""fullporner.com, browse scraper. Dodany 2026-07-27.
 
 Pełne sceny, nie klipy: mediana długości 2067 s na stronie 1, 1911 s na 40 i 1969 s
 na 300, zero filmów poniżej 10 minut w próbce. To jest różnica, przez którą sexu
@@ -11,17 +11,17 @@ Listing jest ściśle chronologiczny, mimo że nagłówek mówi „Featured Vide
 **Metadane są cienkie i trzeba to wiedzieć wprost.** Nie ma studia. Tagów jest
 mediana 3. Tytuły są w 100% przepisane pod SEO, więc nie niosą nic z tytułu
 studyjnego („POV Blowjob Queen Takes It Hard and Deep" tam, gdzie kanon ma „Blacked
-– Dylan Moore – Petite Blonde Squirt"). Za to data jest podana jako **unix timestamp**
+- Dylan Moore - Petite Blonde Squirt"). Za to data jest podana jako **unix timestamp**
 (dokładna, nie względna) i długość co do sekundy.
 
 Dry-run resolvera na 120 scenach (w rollbacku): 37 (31%) dopięło się do scen, które
-już mamy, przez `composite_auto` — composite radzi sobie mimo złych tytułów, bo waży
+już mamy, przez `composite_auto`, composite radzi sobie mimo złych tytułów, bo waży
 performera i długość. Reszta to nowa podaż. Zmierzony przeciek duplikatów, po
 odjęciu tła z kontroli na przesuniętej długości: ~15% katalogu. Liczymy phash
 miniaturki właśnie po to, żeby późniejszy `bulk_dedup` miał czym te duplikaty łapać.
 
 **Bramka na obsadę.** Sceny bez performera (19%) w dry-runie scaliły się w 0 na 23
-przypadków — bez performera composite nie ma na czym pracować, a studia tu nie ma
+przypadków, bez performera composite nie ma na czym pracować, a studia tu nie ma
 i tytuł jest zmyślony, więc taka scena nie ma ŻADNEGO sygnału kanonicznego. Wchodzą
 tylko sceny z obsadą.
 
@@ -55,7 +55,7 @@ _THUMB = "https://imgs.xiaoshenke.net/thumb/{}.jpg"
 
 _SCENE_HREF_RE = re.compile(r'href="(/watch/[a-f0-9]+)"')
 _TITLE_RE = re.compile(r"<h2[^>]*>\s*([^<]+?)\s*</h2>")
-# `<span class="create">1785081937</span></div><div>36:33</div>` — data i długość
+# `<span class="create">1785081937</span></div><div>36:33</div>`, data i długość
 # siedzą obok siebie w `video-info`, więc bierzemy je jednym wzorcem.
 _INFO_RE = re.compile(
     r'class="create">(\d+)</span>\s*</div>\s*<div>\s*([0-9:]+)\s*</div>'
@@ -64,7 +64,7 @@ _PERF_BLOCK_RE = re.compile(r"<b>\s*Pornstars?:\s*</b>(.*?)</p>", re.IGNORECASE
 _PERF_RE = re.compile(r'href="/pornstar/[^"]+"[^>]*>\s*([^<]+?)\s*</a>')
 _TAG_BLOCK_RE = re.compile(r'class="[^"]*tag-link[^"]*"[^>]*>(.*?)</p>', re.DOTALL)
 _TAG_RE = re.compile(r'href="/category/[^"]+"[^>]*>#\s*([^<]+?)\s*</a>')
-# `<iframe src="//xiaoshenke.net/video/4458723/14">` — id wspak, /14 = maska jakości.
+# `<iframe src="//xiaoshenke.net/video/4458723/14">`, id wspak, /14 = maska jakości.
 # Id bywa numeryczne albo szesnastkowe (`a6487a97766a6`, ~25% katalogu).
 _IFRAME_RE = re.compile(r'src="(?://)?[^"]*xiaoshenke\.net/video/([0-9a-f]+)/(\d+)"')
 
@@ -101,7 +101,7 @@ class FullPornerScraper(BaseBrowseScraper):
         pb = _PERF_BLOCK_RE.search(detail_html)
         if pb:
             for name in _PERF_RE.findall(pb.group(1)):
-                # Strona pisze performerów z małej („melissa straton") — do wyświetlania
+                # Strona pisze performerów z małej („melissa straton"), do wyświetlania
                 # podnosimy, dopasowanie i tak idzie po slugu.
                 name = html_mod.unescape(name).strip().title()
                 slug = slugify(name)

app/connectors/direct_scrapers/fullvideosporn.py

@@ -1,4 +1,4 @@
-"""fullvideosporn.com (= sextu.com pod nową marką) — browse scraper z BRAMKĄ NA OBSADĘ.
+"""fullvideosporn.com (= sextu.com pod nową marką), browse scraper z BRAMKĄ NA OBSADĘ.
 
 To NIE jest klon fullmovies.xxx: inny silnik (TXXX vs KVS), inna taksonomia, 0/140
 pokrycia tytułów z naszym korpusem `tube:fullmoviesxxx`.
@@ -6,15 +6,15 @@ pokrycia tytułów z naszym korpusem `tube:fullmoviesxxx`.
 **BRAMKA (warunek konieczny)**: 65-75% katalogu NIE MA żadnego performera. Sceny bez
 obsady mają dodatkowo mocno spunowane tytuły ("Fabulous Porn Movie Gothic Newest
 Exclusive Version"), więc nie zmatchują canonical i weszłyby jako puste orphany.
-Ingestujemy WYŁĄCZNIE sceny z ≥1 performerem — wtedy sygnał jest dobry: 88-89%
+Ingestujemy WYŁĄCZNIE sceny z ≥1 performerem, wtedy sygnał jest dobry: 88-89%
 nazwisk z próbki ma u nas performera z refem tpdb/stashdb. Zawężenie zostawia
 ~25-35% katalogu (~150-220k scen), czyli i tak dużo.
 
 Pozostałe pułapki, wszystkie obsłużone niżej:
-  - **tytuł bierzemy z `vit:"…"` (JS playera), NIE z `og:title`/`h1`** — te bywają
+  - **tytuł bierzemy z `vit:"…"` (JS playera), NIE z `og:title`/`h1`** te bywają
     AI-owym spinem SEO ("Redhead MILF Fucks BBC in Courtroom Parody") zamiast realnego
     tytułu sceny ("Alexis Fawx In Rise Anal In The Courtroom").
-  - **obsadę czytamy TYLKO z `<h3 class="item">Porn-stars: …</h3>`** — na całej stronie
+  - **obsadę czytamy TYLKO z `<h3 class="item">Porn-stars: …</h3>`** na całej stronie
     jest ~22 linków `videos.php?q=`, w sekcji obsady 1-2 realne (pułapka xxxfiles).
   - sekcje `Porn Site:` / `Porn Categories:` / `Porn-stars:` to ODDZIELNE `<h3>`, więc
     parsujemy je per-blok, inaczej kategorie wyciekają do studia i odwrotnie.
@@ -65,7 +65,7 @@ _UNIT_DAYS = {
 
 def _submitted_to_date(detail_html: str):
     """`Submitted: <em>3 days ago</em>` → data. Strona nie podaje daty wprost, a
-    to jest data uploadu na tube (nie premiery studia) — traktujemy jak inne tuby."""
+    to jest data uploadu na tube (nie premiery studia), traktujemy jak inne tuby."""
     m = _SUBMITTED_RE.search(detail_html)
     if not m:
         return None
@@ -127,7 +127,7 @@ class FullVideosPornScraper(BaseBrowseScraper):
         return out
 
     def _parse_detail(self, scene_url: str, detail_html: str) -> RawScene | None:
-        # Sekcje metadanych — każda w swoim <h3 class="item">.
+        # Sekcje metadanych, każda w swoim <h3 class="item">.
         performers: list[RawPerformer] = []
         tags: list[RawTag] = []
         studio: RawStudio | None = None
@@ -162,7 +162,7 @@ class FullVideosPornScraper(BaseBrowseScraper):
                             RawTag(external_id=f"{self.sitetag}:tag:{sl}", name=name, slug=sl)
                         )
 
-        # BRAMKA: bez obsady nie ingestujemy (patrz docstring — 2/3 katalogu to
+        # BRAMKA: bez obsady nie ingestujemy (patrz docstring, 2/3 katalogu to
         # spunowane tytuły bez performera, które weszłyby jako puste orphany).
         if not performers:
             return None

app/connectors/direct_scrapers/galaxyporn.py

@@ -1,25 +1,25 @@
-"""galaxyporn.net — browse scraper (WordPress retrotube). Dodany 2026-07-26.
+"""galaxyporn.net, browse scraper (WordPress retrotube). Dodany 2026-07-26.
 
 Ripy paysite ze studiami (BrazzersExxtra, EvilAngel, NubilesPorn, RealityKings,
-MYLF, BlackedRaw…). Ocena: orphan-risk LOW z twardym pomiarem — 92% performerów
+MYLF, BlackedRaw…). Ocena: orphan-risk LOW z twardym pomiarem, 92% performerów
 z próbki 75 ma już u nas ref tpdb/stashdb, 79% tytułów matchuje istniejące sceny.
 
 Listing `/page/N/`, 21 scen/stronę, ~1180 stron, paginacja zdrowa (overlap p1/p2 = 0).
 
 Metadane:
-  - obsada: `<div id="video-actors">` — czysta, BEZ pollution (na całej stronie sceny
+  - obsada: `<div id="video-actors">`, czysta, BEZ pollution (na całej stronie sceny
     są dokładnie te 2-3 linki `/actor/`, nie ma sekcji Related z obcymi performerami)
-  - studio + data: prefiks tytułu `Studio YY MM DD Performer – Title` albo `[Studio]`
+  - studio + data: prefiks tytułu `Studio YY MM DD Performer - Title` albo `[Studio]`
   - tagi: `<div class="tags-list">` (wycinamy slug studia, żeby nie robić tag=studio)
   - thumbnail: `data-main-thumb` / og:image
 
-**Duration — uwaga, nie ma go w HTML.** Ani listing, ani detail, ani JSON-LD, ani
+**Duration, uwaga, nie ma go w HTML.** Ani listing, ani detail, ani JSON-LD, ani
 payload playera nie niosą długości. NULL duration jest GROŹNY: `/scenes` filtruje
 `duration_sec >= min_duration_sec`, a NULL w SQL odpada z wyniku, więc sceny byłyby
 NIEWIDOCZNE w apce mimo "new: N, errors: 0" (dokładnie incydent porntrex, 6479 scen).
 Dlatego liczymy ją z `thumbnail.vtt` playera (ostatni cue), 1 dodatkowy request na
 scenę po odpytaniu API seekplayer. Wartość jest ~1 interwał miniatur krótsza od
-realnej (2226 s vs ~2276 s na próbce, ~2%) — akceptowalne, bo alternatywą jest brak.
+realnej (2226 s vs ~2276 s na próbce, ~2%), akceptowalne, bo alternatywą jest brak.
 
 Playback: iframe `#hash` rodziny seekplayer (galaxy.upns.online / galaxy.4meplayer.pro /
 sport.seekplays.com / news.upns.pro) → extractor `galaxyporncom` → istniejący
@@ -58,7 +58,7 @@ _TAGS_BLOCK_RE = re.compile(r'<div class="tags-list">(.*?)</div>', re.IGNORECASE
 _THUMB_RE = re.compile(r'data-main-thumb="([^"]+)"', re.IGNORECASE)
 _IFRAME_RE = re.compile(r'<iframe[^>]+src="([^"]+)"', re.IGNORECASE)
 
-# `BrazzersExxtra 26 07 26 Kayley Gunner & Elly Clutch – Swapping Off The Pervy Maid`
+# `BrazzersExxtra 26 07 26 Kayley Gunner & Elly Clutch - Swapping Off The Pervy Maid`
 _TITLE_STUDIO_DATE_RE = re.compile(r"^(?P<studio>[A-Za-z0-9][A-Za-z0-9._-]{1,30})\s+(?P<y>\d{2})\s+(?P<m>\d{2})\s+(?P<d>\d{2})\s+(?P<rest>.+)$")
 # `[Onlyfans] Some Title` / `[Darkkotv] …`
 _TITLE_BRACKET_RE = re.compile(r"^\[(?P<studio>[^\]]{2,30})\]\s*(?P<rest>.+)$")
@@ -105,7 +105,7 @@ def _resolve_duration(iframe_url: str, *, timeout: float, attempts: int = 3) ->
             data = json.loads(_decrypt(r.text))
             thumb = (data.get("thumbnail") or "").strip()
             if not thumb:
-                return None  # payload OK, ale brak miniatur — retry nie pomoże
+                return None  # payload OK, ale brak miniatur, retry nie pomoże
             vtt_url = host + thumb if thumb.startswith("/") else thumb
             vr = browser_get(vtt_url, headers=headers, timeout=timeout)
             if vr.status_code != 200:
@@ -145,7 +145,7 @@ class GalaxyPornScraper(BaseBrowseScraper):
         if not title:
             return None
 
-        # Obsada — blok wydzielony, bez scopingu na siłę (potwierdzone: cała strona
+        # Obsada, blok wydzielony, bez scopingu na siłę (potwierdzone: cała strona
         # ma dokładnie tyle linków /actor/ ile realnych aktorów).
         performers: list[RawPerformer] = []
         seen_p: set[str] = set()
@@ -186,7 +186,7 @@ class GalaxyPornScraper(BaseBrowseScraper):
                 slug=slugify(studio_name),
             )
 
-        # Tagi — bez slugu studia (retrotube wrzuca studio także jako zwykły tag).
+        # Tagi, bez slugu studia (retrotube wrzuca studio także jako zwykły tag).
         tags: list[RawTag] = []
         seen_t: set[str] = set()
         studio_slug = slugify(studio_name) if studio_name else ""

app/connectors/direct_scrapers/hdporn92.py

@@ -1,4 +1,4 @@
-"""HDPorn92Scraper — direct HTML scrape hdporn92.com search.
+"""HDPorn92Scraper, direct HTML scrape hdporn92.com search.
 
 Search: `https://hdporn92.com/page/<n>/?s=<query>`. Scene URL format:
 `https://hdporn92.com/<slug>/` (jeden segment ścieżki). Trzeba odsiać

app/connectors/direct_scrapers/hdporngg.py

@@ -1,9 +1,9 @@
-"""hdporn.gg — latest-vids browse scraper.
+"""hdporn.gg, latest-vids browse scraper.
 
 Engine podobny do freshporno: `/videos/<slug>/` URL, `/networks/<slug>/` = studio,
 `/models/<slug>/` = performer, `/tags/<slug>/` = tag.
 
-Quirk: og:image to internal CDN `img.hdporn.gg/...` — przed merging do prod
+Quirk: og:image to internal CDN `img.hdporn.gg/...`, przed merging do prod
 sprawdzamy phash distance (gate-keeper: jeśli Hamming >5 dla >70% scen → orphan
 factory, wyłącz; analogia do shyfap).
 """
@@ -63,9 +63,9 @@ class HDPornGGScraper(BaseBrowseScraper):
         title = meta_content(detail_html, property="og:title")
         if not title:
             return None
-        # og:title typowo zawiera ": Free HD Porn" suffix — usuń
+        # og:title typowo zawiera ": Free HD Porn" suffix, usuń
         title = re.sub(r":\s*Free HD Porn\s*$", "", title, flags=re.IGNORECASE).strip()
-        # I "Brazzers - " prefix często też w title — zostaw, bo studio name w title
+        # I "Brazzers - " prefix często też w title, zostaw, bo studio name w title
         # to silny sygnał dla fuzzy match.
 
         description = meta_content(detail_html, property="og:description")
@@ -112,7 +112,7 @@ class HDPornGGScraper(BaseBrowseScraper):
             )
 
         # Phash WYŁĄCZONY (pilot 2026-06-01: 0% trafień ≤5, mediana Hamming 14 do
-        # canonical — auto-screenshoty img.hdporn.gg, nie hot-linkowane studio thumbnaile).
+        # canonical, auto-screenshoty img.hdporn.gg, nie hot-linkowane studio thumbnaile).
         # Matching trzyma się na title+performer+duration (seed: 92% tagged), więc download
         # thumbnaila pod phash to czysty narzut. thumbnail_url zostaje (display).
         fingerprints: list[RawFingerprint] = []

app/connectors/direct_scrapers/hentaigasm.py

@@ -0,0 +1,131 @@
+"""hentaigasm.com — browse scraper. Trzecie źródło wertykału hentai. Dodany 2026-08-04.
+
+**Trzeci niezależny host w wertykale.** Te same odcinki co [[hentaimama]] i
+[[xanimeporn]], ale znowu inne pliki: tutaj `hgasm1.com/<Tytuł Ze Spacjami>.mp4`,
+tam `gdvid.info/N/...` i `download.xanimeporn.com/videos/1080p/[1080p]<id>.mp4`.
+Żadna z tych trzech stron nie re-hostuje pozostałych.
+
+Kryterium jak w całym wertykale: dla animacji nie istnieje kanon, więc każda pozycja
+jest orphanem i to poprawne. Nie ma obsady ani canonical matcha.
+
+**Wszystkie metadane bierzemy z RSS-a, nie ze strony odcinka**, i to nie jest skrót
+tylko konieczność:
+
+  - strona odcinka NIE MA daty publikacji w żadnym standardowym miejscu (ani JSON-LD,
+    ani `article:published_time`, ani `<time>`), a feed ma `<pubDate>`
+  - `/genre/` w HTML strony to 38 linków, czyli kolejna chmura z sidebara, a feed daje
+    5 realnych kategorii: pierwsza to nazwa serii, reszta to gatunki
+  - `/page/2/` nie zwraca odcinków w ogóle, a `/feed/?paged=N` stronicuje poprawnie
+    i chronologicznie (strona 1 = dziś, strona 2 = tydzień wstecz)
+
+Strona odcinka jest potrzebna wyłącznie do miniaturki, którą wyciąga z konfiguracji
+JWPlayera razem z linkiem do wideo (patrz extractor `hentaigasm`).
+"""
+from __future__ import annotations
+
+import html as html_mod
+import logging
+import re
+from email.utils import parsedate_to_datetime
+
+from app.connectors.base import RawPlaybackSource, RawScene, RawTag
+from app.connectors.direct_scrapers._browse_base import BaseBrowseScraper
+from app.extractors import browser_get
+from app.normalize.text import slugify
+
+log = logging.getLogger(__name__)
+
+_BASE = "https://hentaigasm.com"
+
+_ITEM_RE = re.compile(r"<item>(.*?)</item>", re.DOTALL)
+_LINK_RE = re.compile(r"<link>\s*(https?://hentaigasm\.com/[^<\s]+)\s*</link>")
+_TITLE_RE = re.compile(r"<title>(.*?)</title>", re.DOTALL)
+_PUBDATE_RE = re.compile(r"<pubDate>(.*?)</pubDate>", re.DOTALL)
+_CATEGORY_RE = re.compile(r"<category><!\[CDATA\[(.*?)\]\]></category>", re.DOTALL)
+#: Miniaturka z konfiguracji JWPlayera — jedyna rzecz, po którą wchodzimy na stronę.
+_JW_IMAGE_RE = re.compile(r"image:\s*[\"']([^\"']+)[\"']")
+
+
+class HentaiGasmScraper(BaseBrowseScraper):
+    sitetag = "hentaigasm"
+
+    def _listing_url(self, page: int) -> str:
+        return f"{_BASE}/feed/" if page <= 1 else f"{_BASE}/feed/?paged={page}"
+
+    def _extract_scene_urls(self, listing_html: str) -> list[str]:
+        return list(dict.fromkeys(_LINK_RE.findall(listing_html)))
+
+    def crawl_page(self, page: int) -> list[RawScene] | None:
+        try:
+            res = browser_get(self._listing_url(page), timeout=self._timeout)
+            res.raise_for_status()
+        except Exception as e:
+            log.warning("%s: feed strona %d fail: %s", self.sitetag, page, e)
+            return None
+
+        items = _ITEM_RE.findall(res.text)
+        if not items:
+            return []
+
+        out: list[RawScene] = []
+        for item in items:
+            lm = _LINK_RE.search(item)
+            tm = _TITLE_RE.search(item)
+            if not lm or not tm:
+                continue
+            url = lm.group(1).strip()
+            title = html_mod.unescape(tm.group(1)).strip()
+            if not title:
+                continue
+
+            release_date = None
+            dm = _PUBDATE_RE.search(item)
+            if dm:
+                try:
+                    release_date = parsedate_to_datetime(dm.group(1).strip()).date()
+                except (TypeError, ValueError):
+                    pass
+
+            tags: list[RawTag] = []
+            seen: set[str] = set()
+            for raw_cat in _CATEGORY_RE.findall(item):
+                name = html_mod.unescape(raw_cat).strip()
+                slug = slugify(name)
+                if slug and slug not in seen:
+                    seen.add(slug)
+                    tags.append(
+                        RawTag(external_id=f"{self.sitetag}:tag:{slug}", name=name, slug=slug)
+                    )
+
+            thumb = None
+            try:
+                det = browser_get(url, timeout=self._timeout)
+                det.raise_for_status()
+                im = _JW_IMAGE_RE.search(det.text)
+                if im:
+                    thumb = im.group(1).strip()
+            except Exception as e:
+                # Brak miniaturki nie dyskwalifikuje odcinka — reszta metadanych jest z feedu.
+                log.info("%s: miniaturka fail %s: %s", self.sitetag, url, e)
+
+            slug = url.rstrip("/").rsplit("/", 1)[-1]
+            out.append(
+                RawScene(
+                    external_id=f"{self.sitetag}:{slug}",
+                    title=title,
+                    release_date=release_date,
+                    url=url,
+                    tags=tags,
+                    playback_sources=[
+                        RawPlaybackSource(
+                            origin=f"tube:{self.sitetag}",
+                            page_url=url,
+                            thumbnail_url=thumb,
+                        )
+                    ],
+                )
+            )
+        return out
+
+    def _parse_detail(self, scene_url: str, detail_html: str) -> RawScene | None:  # pragma: no cover
+        raise NotImplementedError("hentaigasm buduje sceny z RSS-a w crawl_page")

app/connectors/direct_scrapers/hentaimama.py

@@ -0,0 +1,128 @@
+"""hentaimama.io — browse scraper. Dodany 2026-08-04. Pierwsze źródło wertykału hentai.
+
+**Ten wertykał rządzi się inaczej niż reszta i to jest celowe.** Dla hentai NIE ISTNIEJE
+kanon: TPDB i StashDB nie mają animacji ani postaci rysowanych, więc każda scena stąd
+jest technicznie orphanem i to jest POPRAWNE, nie błędne. Kryterium „fabryka orphanów",
+którym oceniamy tuby z żywymi aktorami, tutaj po prostu nie ma zastosowania — nie ma też
+obsady, więc żadnej bramki na performera. Miarą jakości jest komplet seria + numer
+odcinka + gatunki, a docelowo dedup MIĘDZY stronami hentai (re-hostują się nawzajem).
+
+Jednostka treści to ODCINEK (`/episodes/<seria>-episode-N/`), nie seria. Każdy jest
+samodzielną pozycją z własnym plakatem i playbackiem, więc mapuje się na scenę tak samo
+jak w wertykale JAV — bez zmian w schemacie.
+
+Motyw jest z rodziny Dooplay, ale `DooplayConnector` się NIE nadaje: nie ma tu
+`data-fl-source` ani `data-post`, na których stoi tamten parser. Player idzie przez
+`POST /wp-admin/admin-ajax.php` i jest za Cloudflare — obsługuje to extractor
+`hentaimama`, patrz jego docstring.
+
+Pułapka: `/genre/` w całym HTML to 118 linków (chmura w sidebarze, ten sam wzorzec co
+przy sexu i yourdailypornmovies). Gatunki bierzemy WYŁĄCZNIE z `<div class="sgeneros">`,
+co daje realne 9 pozycji na odcinek zamiast 118 śmieci.
+
+Strona nie podaje długości odcinka.
+"""
+from __future__ import annotations
+
+import html as html_mod
+import logging
+import re
+from datetime import datetime
+
+from app.connectors.base import RawPlaybackSource, RawScene, RawTag
+from app.connectors.direct_scrapers._browse_base import BaseBrowseScraper
+from app.normalize.text import slugify
+
+log = logging.getLogger(__name__)
+
+_BASE = "https://hentaimama.io"
+
+_EPISODE_HREF_RE = re.compile(r'href="(https://hentaimama\.io/episodes/[^"]+)"')
+# Sam listing `/episodes/` i jego paginacja też pasują do wzorca wyżej — bez tego
+# filtra wchodziły jako „odcinek" o tytule „Recent Episodes".
+_NOT_EPISODE_RE = re.compile(r"/episodes/(?:page/\d+/)?$")
+# `og:title` zamiast <h1>: na stronie są trzy <h1>, dwa to logo serwisu, a trzeci bywa
+# nagłówkiem sekcji. og:title daje czysty „Shoujo Ramune Episode 7".
+_OG_TITLE_RE = re.compile(r"property=['\"]og:title['\"][^>]*content=['\"]([^'\"]{3,150})")
+# Gatunki TYLKO stąd — patrz pułapka w docstringu.
+_GENRES_BLOCK_RE = re.compile(r'<div class="sgeneros">(.*?)</div>', re.DOTALL)
+_ANCHOR_TEXT_RE = re.compile(r">\s*([^<]{2,40}?)\s*</a>")
+_DATE_RE = re.compile(r'<span class="date">\s*([A-Z][a-z]{2}\.?\s+\d{1,2},\s+\d{4})')
+_SERIES_RE = re.compile(r'href="https://hentaimama\.io/tvshows/([a-z0-9-]+)/"')
+# Uwaga: atrybuty bywają w innej kolejności niż `<meta property=... content=...>`,
+# a wartość ma na końcu \r — stąd luźny wzorzec i strip() przy użyciu.
+_OG_IMAGE_RE = re.compile(r"property=['\"]og:image['\"][^>]*content=['\"]([^'\"]+)")
+
+
+def _parse_date(value: str | None):
+    if not value:
+        return None
+    for fmt in ("%b. %d, %Y", "%b %d, %Y"):
+        try:
+            return datetime.strptime(value.strip(), fmt).date()
+        except ValueError:
+            continue
+    return None
+
+
+class HentaiMamaScraper(BaseBrowseScraper):
+    sitetag = "hentaimama"
+
+    def _listing_url(self, page: int) -> str:
+        return f"{_BASE}/episodes/" if page <= 1 else f"{_BASE}/episodes/page/{page}/"
+
+    def _extract_scene_urls(self, listing_html: str) -> list[str]:
+        return [
+            u
+            for u in dict.fromkeys(_EPISODE_HREF_RE.findall(listing_html))
+            if not _NOT_EPISODE_RE.search(u)
+        ]
+
+    def _parse_detail(self, scene_url: str, detail_html: str) -> RawScene | None:
+        tm = _OG_TITLE_RE.search(detail_html)
+        title = html_mod.unescape(tm.group(1)).strip() if tm else ""
+        if not title or title.lower() == "hentaimama":
+            return None
+
+        tags: list[RawTag] = []
+        seen: set[str] = set()
+        gb = _GENRES_BLOCK_RE.search(detail_html)
+        if gb:
+            for name in _ANCHOR_TEXT_RE.findall(gb.group(1)):
+                name = html_mod.unescape(name).strip()
+                slug = slugify(name)
+                if slug and slug not in seen:
+                    seen.add(slug)
+                    tags.append(
+                        RawTag(external_id=f"{self.sitetag}:tag:{slug}", name=name, slug=slug)
+                    )
+        # Seria jako tag — pozwala grupować odcinki bez zmian w schemacie.
+        sm = _SERIES_RE.search(detail_html)
+        if sm and sm.group(1) not in seen:
+            series = sm.group(1).replace("-", " ").title()
+            tags.append(
+                RawTag(
+                    external_id=f"{self.sitetag}:series:{sm.group(1)}",
+                    name=series,
+                    slug=slugify(series),
+                )
+            )
+
+        dm = _DATE_RE.search(detail_html)
+        om = _OG_IMAGE_RE.search(detail_html)
+        slug = scene_url.rstrip("/").rsplit("/", 1)[-1]
+
+        return RawScene(
+            external_id=f"{self.sitetag}:{slug}",
+            title=title,
+            release_date=_parse_date(dm.group(1) if dm else None),
+            url=scene_url,
+            tags=tags,
+            playback_sources=[
+                RawPlaybackSource(
+                    origin=f"tube:{self.sitetag}",
+                    page_url=scene_url,
+                    thumbnail_url=om.group(1).strip() if om else None,
+                )
+            ],
+        )

app/connectors/direct_scrapers/hentaiplay.py

@@ -0,0 +1,131 @@
+"""hentaiplay.net — browse scraper. Czwarte źródło wertykału hentai. Dodany 2026-08-04.
+
+**Czwarty niezależny host w wertykale**: pliki leżą na `hentaiplanet.info`, podczas gdy
+[[hentaimama]] ma `gdvid.info`, [[xanimeporn]] `download.xanimeporn.com`, a
+[[hentaigasm]] `hgasm<N>.com`. Cztery strony, cztery osobne pule plików — żadna nie
+re-hostuje pozostałych, mimo że katalogi odcinków mocno się pokrywają.
+
+Kryterium jak w całym wertykale: dla animacji nie istnieje kanon, więc każda pozycja
+jest orphanem i to poprawne. Bez obsady i bez canonical matcha.
+
+**Metadane z RSS-a**, tak samo jak przy hentaigasm i z tego samego powodu: `/genre/`
+w HTML strony to **2084 linki**, największa chmura z sidebara w całym wertykale
+(dla porównania hentaigasm 38, hentaimama 118). Feed daje 6 realnych kategorii na
+odcinek plus datę i tytuł. `/page/2/` nie zwraca odcinków, a `/feed/?paged=N`
+stronicuje chronologicznie.
+
+Strona odcinka jest potrzebna tylko do miniaturki; wideo wyciąga extractor `hentaiplay`.
+"""
+from __future__ import annotations
+
+import html as html_mod
+import logging
+import re
+from email.utils import parsedate_to_datetime
+
+from app.connectors.base import RawPlaybackSource, RawScene, RawTag
+from app.connectors.direct_scrapers._browse_base import BaseBrowseScraper
+from app.extractors import browser_get
+from app.normalize.text import slugify
+
+log = logging.getLogger(__name__)
+
+_BASE = "https://hentaiplay.net"
+
+_ITEM_RE = re.compile(r"<item>(.*?)</item>", re.DOTALL)
+_LINK_RE = re.compile(r"<link>\s*(https?://hentaiplay\.net/[^<\s]+?)\s*</link>")
+_TITLE_RE = re.compile(r"<title>(.*?)</title>", re.DOTALL)
+_PUBDATE_RE = re.compile(r"<pubDate>(.*?)</pubDate>", re.DOTALL)
+_CATEGORY_RE = re.compile(r"<category><!\[CDATA\[(.*?)\]\]></category>", re.DOTALL)
+# Miniaturka jest TYLKO w JSON-LD i z escapowanymi ukośnikami (`https:\/\/…`).
+# `og:image` na tej stronie nie istnieje — pierwsza wersja scrapera dawała przez to
+# 12/12 odcinków bez miniaturki.
+_THUMB_RE = re.compile(r'"thumbnailUrl"\s*:\s*\[?\s*"([^"]{10,300})"')
+#: Kategorie czysto techniczne — nie niosą nic o treści odcinka.
+_SKIP_CATS = frozenset({"hentai anime", "new hentai", "english subbed", "raw"})
+
+
+class HentaiPlayScraper(BaseBrowseScraper):
+    sitetag = "hentaiplay"
+
+    def _listing_url(self, page: int) -> str:
+        return f"{_BASE}/feed/" if page <= 1 else f"{_BASE}/feed/?paged={page}"
+
+    def _extract_scene_urls(self, listing_html: str) -> list[str]:
+        return list(dict.fromkeys(_LINK_RE.findall(listing_html)))
+
+    def crawl_page(self, page: int) -> list[RawScene] | None:
+        try:
+            res = browser_get(self._listing_url(page), timeout=self._timeout)
+            res.raise_for_status()
+        except Exception as e:
+            log.warning("%s: feed strona %d fail: %s", self.sitetag, page, e)
+            return None
+
+        items = _ITEM_RE.findall(res.text)
+        if not items:
+            return []
+
+        out: list[RawScene] = []
+        for item in items:
+            lm = _LINK_RE.search(item)
+            tm = _TITLE_RE.search(item)
+            if not lm or not tm:
+                continue
+            url = lm.group(1).strip()
+            title = html_mod.unescape(tm.group(1)).strip()
+            if not title:
+                continue
+
+            release_date = None
+            dm = _PUBDATE_RE.search(item)
+            if dm:
+                try:
+                    release_date = parsedate_to_datetime(dm.group(1).strip()).date()
+                except (TypeError, ValueError):
+                    pass
+
+            tags: list[RawTag] = []
+            seen: set[str] = set()
+            for raw_cat in _CATEGORY_RE.findall(item):
+                name = html_mod.unescape(raw_cat).strip()
+                if name.lower() in _SKIP_CATS or name.isdigit():
+                    continue  # „Hentai Anime"/„New Hentai"/rocznik nie są tagami treści
+                slug = slugify(name)
+                if slug and slug not in seen:
+                    seen.add(slug)
+                    tags.append(
+                        RawTag(external_id=f"{self.sitetag}:tag:{slug}", name=name, slug=slug)
+                    )
+
+            thumb = None
+            try:
+                det = browser_get(url, timeout=self._timeout)
+                det.raise_for_status()
+                im = _THUMB_RE.search(det.text)
+                if im:
+                    thumb = im.group(1).strip().replace("\\/", "/")
+            except Exception as e:
+                log.info("%s: miniaturka fail %s: %s", self.sitetag, url, e)
+
+            slug = url.rstrip("/").rsplit("/", 1)[-1]
+            out.append(
+                RawScene(
+                    external_id=f"{self.sitetag}:{slug}",
+                    title=title,
+                    release_date=release_date,
+                    url=url,
+                    tags=tags,
+                    playback_sources=[
+                        RawPlaybackSource(
+                            origin=f"tube:{self.sitetag}",
+                            page_url=url,
+                            thumbnail_url=thumb,
+                        )
+                    ],
+                )
+            )
+        return out
+
+    def _parse_detail(self, scene_url: str, detail_html: str) -> RawScene | None:  # pragma: no cover
+        raise NotImplementedError("hentaiplay buduje sceny z RSS-a w crawl_page")

app/connectors/direct_scrapers/hqfap.py

@@ -1,4 +1,4 @@
-"""hqfap.com — latest-vids browse scraper (PlayTube CMS, patrz _playtube.py).
+"""hqfap.com, latest-vids browse scraper (PlayTube CMS, patrz _playtube.py).
 
 Dołączony 2026-06-10 (user request), usunięty 2026-06-25 (cała biblioteka CDN padła
 na stub), przywrócony 2026-07-07 (strona wróciła na CDN vstor.top z realnymi plikami,

app/connectors/direct_scrapers/hqporner.py

@@ -1,12 +1,12 @@
-"""HQPornerScraper — direct HTML scrape hqporner search page.
+"""HQPornerScraper, direct HTML scrape hqporner search page.
 
 Search URL: `https://hqporner.com/?q=<query>&p=<page>`. Static HTML zwraca ~50
 linków `/hdporn/<id>-<slug>.html` per strona. Tytuł deducimy ze slug'a (porn-app
-data API zwraca dokładniejszy ale wymaga round-trip — dla MVP slug-derived OK,
+data API zwraca dokładniejszy ale wymaga round-trip, dla MVP slug-derived OK,
 resolver i tak je sciagnie z TPDB merge).
 
 Search fuzzy: hqporner zwraca "Lola Noir" gdy szukamy "Noir" itp. Dlatego
-filtrujemy wyniki po tym czy slug zawiera query (lub jego token) — analogicznie
+filtrujemy wyniki po tym czy slug zawiera query (lub jego token), analogicznie
 jak `fetch_scenes_for_search` w pornapp connectorze.
 """
 from __future__ import annotations
@@ -17,6 +17,7 @@ import urllib.parse
 from collections.abc import Iterator
 
 from app.connectors.base import RawPerformer, RawPlaybackSource, RawScene
+from app.connectors.direct_scrapers._search_base import BaseSearchScraper
 from app.connectors.direct_scrapers.base import BaseDirectTubeScraper
 from app.extractors import browser_get
 
@@ -55,7 +56,7 @@ class HQPornerScraper(BaseDirectTubeScraper):
         # Pojedyncze nazwy ("Belladonna") nadal działają (jeden token musi być).
         query_tokens = {tok for tok in query.lower().split() if len(tok) >= 3}
         # Człon <3 znaki ("Lady Vi", "Mia Li", "Ai Uehara") wypada z `query_tokens`, więc
-        # zostaje sam pospolity człon i `all` degeneruje się do „slug zawiera 'lady'" —
+        # zostaje sam pospolity człon i `all` degeneruje się do „slug zawiera 'lady'",
         # czyli KAŻDA scena z tym słowem (audit 2026-07-28: Lady Vi miała 116 przypisań
         # z tube, z czego 115 tylko przez „lady", realnie o niej 1). Gdy nazwa ma taki
         # człon, wymagamy dodatkowo CAŁEJ nazwy sklejonej bez separatorów (slug
@@ -73,9 +74,13 @@ class HQPornerScraper(BaseDirectTubeScraper):
                 continue
             seen_urls.add(scene_url)
 
-            # Title-token filter
+            # Nazwa musi być w slugu SPÓJNĄ FRAZĄ, nie luźnymi tokenami. Wspólna
+            # implementacja z `BaseSearchScraper`, żeby ta bramka nie rozjeżdżała się
+            # między scraperami (tu była własna kopia i przez to własny zestaw dziur:
+            # `all(tok in slug)` przepuszczał „tiffany" w „s-tiffany-love" i „time"
+            # w „first-time" — zgłoszenie 2026-08-13, strona Tiffani Time).
             slug_lower = slug_part.lower()
-            if query_tokens and not all(tok in slug_lower for tok in query_tokens):
+            if query_tokens and not BaseSearchScraper._slug_matches_query(slug_lower, query):
                 continue
             if _needs_compact and _compact not in re.sub(r"[^a-z0-9]", "", slug_lower):
                 continue
@@ -92,7 +97,7 @@ class HQPornerScraper(BaseDirectTubeScraper):
                         page_url=scene_url,
                     )
                 ],
-                # Wymuszamy hint performera = query — search per performer name znaczy
+                # Wymuszamy hint performera = query, search per performer name znaczy
                 # że scena prawie na pewno o nim. Resolver dorobi ScenePerformer link.
                 performers=[RawPerformer(name=query.strip())],
                 raw={

app/connectors/direct_scrapers/hqporner_browse.py

@@ -1,4 +1,4 @@
-"""HQPornerBrowseScraper — latest-vids browse dla hqporner.com.
+"""HQPornerBrowseScraper, latest-vids browse dla hqporner.com.
 
 Dlaczego: hqporner był TYLKO w `ALL_DIRECT_SCRAPERS` (search po nazwisku performera),
 więc nowe sceny wchodziły wyłącznie wtedy, gdy worker akurat szukał pasującego
@@ -17,7 +17,7 @@ Detail (`/hdporn/<id>-<slug>.html`) ma komplet metadanych:
 `external_id` MUSI być identyczny jak w `HQPornerScraper` (search): `hqpornercom:<url>`.
 Inaczej ta sama scena z obu ścieżek zrobiłaby się dwoma wpisami.
 
-Miniaturki fastporndelivery wymagają Referera (bez niego 403) — backend i tak owija je
+Miniaturki fastporndelivery wymagają Referera (bez niego 403), backend i tak owija je
 w `/proxy/img/`, a phash liczymy z jawnym refererem.
 """
 from __future__ import annotations
@@ -134,7 +134,7 @@ class HQPornerBrowseScraper(BaseBrowseScraper):
                 fingerprints.append(RawFingerprint(kind="phash", value=ph))
 
         return RawScene(
-            # Ten sam format co HQPornerScraper.search — inaczej duplikat sceny.
+            # Ten sam format co HQPornerScraper.search, inaczej duplikat sceny.
             external_id=f"{self.sitetag}:{scene_url}",
             title=title,
             duration_sec=duration_sec,

app/connectors/direct_scrapers/javflix.py

@@ -1,7 +1,7 @@
-"""javflix.cc — JAV browse scraper (WordPress, English-subbed JAV).
+"""javflix.cc, JAV browse scraper (WordPress, English-subbed JAV).
 
 Osobna pula JAV (kody typu BKD-368, tytuły azjatyckie), origin `tube:javflix`.
-NIE deduplikuje się z zachodnim katalogiem — świadomie orphan vertical (sekcja JAV).
+NIE deduplikuje się z zachodnim katalogiem, świadomie orphan vertical (sekcja JAV).
 
 Struktura (RE 2026-07-10):
   - listing: `/page/N/` (WordPress archive), posty pod `/<slug>/` (np. /bkd-368-english-subtitle/)
@@ -43,7 +43,18 @@ class JavflixScraper(BaseBrowseScraper):
     sitetag = "javflix"
 
     def _listing_url(self, page: int) -> str:
-        return f"{_BASE}/" if page <= 1 else f"{_BASE}/page/{page}/"
+        # `/new/` PRZED stroną główną, bo tylko tam trafiają świeże posty: audyt
+        # 2026-08-20 dał na `/new/` 7 nieznanych scen z 9, a na stronie głównej 0 z 16.
+        # Strona główna to stały zestaw, ktory od dawna mamy w calosci.
+        return f"{_BASE}/new/" if page <= 1 else f"{_BASE}/"
+
+    def crawl_page(self, page: int):
+        # Paginacji tu NIE MA, mimo ze WordPress ja udaje: `/page/2/` i `/page/3/`
+        # oddaja identyczna tresc co strona glowna, a `/new/page/2/` to samo co `/new/`.
+        # Bez tego ograniczenia browse-latest mielil ten sam zestaw piec razy na run.
+        if page > 2:
+            return []
+        return super().crawl_page(page)
 
     def _extract_scene_urls(self, listing_html: str) -> list[str]:
         seen: set[str] = set()
@@ -76,7 +87,7 @@ class JavflixScraper(BaseBrowseScraper):
         up = _itemprop(detail_html, "uploadDate")
         release_date = _parse_iso_date(up) if up else None
 
-        # JAV code (BKD-368) ze sluga — kanoniczny identyfikator, dodajemy jako tag
+        # JAV code (BKD-368) ze sluga, kanoniczny identyfikator, dodajemy jako tag
         # (searchable) bo javflix nie ma osobnego pola kodu.
         slug = scene_url.rstrip("/").rsplit("/", 1)[-1]
         cm = _CODE_RE.match(slug)

app/connectors/direct_scrapers/kporner8.py

@@ -1,4 +1,4 @@
-"""8kporner.com — browse scraper (PlayTube CMS, jak hqfap/4k69). Dodany 2026-07-27.
+"""8kporner.com, browse scraper (PlayTube CMS, jak hqfap/4k69). Dodany 2026-07-27.
 
 Wyróżnik na tle innych kandydatów: **oryginalne tytuły studyjne**, nie przepisane
 pod SEO. Do tego realne 4K (zweryfikowane parsowaniem `avc1`: 3840x2160) i przenośny
@@ -9,8 +9,8 @@ Trzy odstępstwa od `BasePlayTubeScraper`, wszystkie wymuszone przez stronę:
 1. **Sitemap jest za Cloudflare** (`/sitemaps/videos/sitemap-N.xml` → 403 również
    PRZEZ Bright Data proxy, sprawdzone). Baza buduje katalog właśnie z sitemapy, więc
    `_load_catalog` jest nadpisany: bierzemy homepage (~111 unikatów) + `?link1=videos&
-   page=latest` (20). To jednocześnie SUFIT — deep crawl jest niemożliwy.
+   page=latest` (20). To jednocześnie SUFIT, deep crawl jest niemożliwy.
-2. **Paginacja nie działa** — `?page=2` i `?page=3` zwracają bajtowo ten sam zestaw
+2. **Paginacja nie działa** `?page=2` i `?page=3` zwracają bajtowo ten sam zestaw
    co strona 1, a `POST /aj/load-more/latest` wymaga zalogowania (`{"status":400}`).
 3. **Forma `/watch/<slug>_<id>.html` jest CF-blokowana (403)**, ale `?link1=watch&id=
    <id>` przechodzi czysto. Dlatego `page_url` trzymamy w formie kanonicznej (ładny
@@ -21,22 +21,22 @@ Trzy odstępstwa od `BasePlayTubeScraper`, wszystkie wymuszone przez stronę:
 strona 1 (najświeższy blok) tylko 4/20, strony 2-6 od 50 do 75%. Reszta katalogu nie
 ma żadnego performera i weszłaby jako puste orphany.
 
-Bramka się broni — z 117 performerów wciągniętych pilotem **113 (97%) ma ref
+Bramka się broni, z 117 performerów wciągniętych pilotem **113 (97%) ma ref
 tpdb/stashdb**, najwyżej ze wszystkich źródeł dodanych w tej rundzie. Pilotowy ingest:
-`seen 62, new 25, updated 37, errors 0` — czyli 60% scen przypięło się do czegoś, co
+`seen 62, new 25, updated 37, errors 0`, czyli 60% scen przypięło się do czegoś, co
 już mamy (to nie jest fabryka orphanów, tylko dodatkowe, lepsze jakościowo źródło).
 
-**Studio.** Scena NIE linkuje studia osobno — na stronie sceny wszystko jest pillem
+**Studio.** Scena NIE linkuje studia osobno, na stronie sceny wszystko jest pillem
 `/videos/category/`, a taksonomia kategorii (2035 pozycji) miesza gatunki ze studiami.
 Rozstrzyga to `/studios`: kuratorowana lista 261 nazw, które są realnymi studiami.
 Bierzemy więc pierwszą kategorię obecną na tej liście. Kilkanaście pozycji z listy
 to jednak zwykłe słowa („Babes", „Premium", „Swallowed") i te pomijamy, bo inaczej
 powtórzylibyśmy błąd z sxyland, gdzie gatunek wylądował jako studio.
-Trafień jest mało (1 na 62 w pilocie) — większość scen po prostu nie ma pilla studia,
+Trafień jest mało (1 na 62 w pilocie), większość scen po prostu nie ma pilla studia,
 ale kosztuje to jeden fetch na run, więc zostaje.
 
 Miniaturki są re-hostowane i zaciemnione base64, więc phash raczej NIE trafi w
-canonical — dopasowanie musi opierać się na tytule, obsadzie i długości.
+canonical, dopasowanie musi opierać się na tytule, obsadzie i długości.
 """
 from __future__ import annotations
 
@@ -61,7 +61,7 @@ _SCENE_HREF_RE = re.compile(
 _SCENE_ID_IN_URL_RE = re.compile(r"_(\d+)\.html")
 _STUDIO_PILL_RE = re.compile(r'/videos/studio/([^"?]+)"', re.IGNORECASE)
 
-# Pozycje z `/studios`, które są normalnymi gatunkami — jako studio dałyby fałszywkę
+# Pozycje z `/studios`, które są normalnymi gatunkami, jako studio dałyby fałszywkę
 # na większości scen (patrz sxyland/"MILF"). Kilka z nich to realne marki
 # (Swallowed, Throated), ale przy tym wolumenie lepiej nie mieć studia niż mieć złe.
 _AMBIGUOUS_STUDIOS = {
@@ -119,7 +119,7 @@ class KPorner8Scraper(BasePlayTubeScraper):
 
     def _load_catalog(self) -> list[str] | None:
         """Homepage + `?link1=videos&page=latest`. Sitemap jest CF-blokowany (patrz
-        docstring), więc to jedyne dostępne źródło URL-i — i zarazem sufit katalogu."""
+        docstring), więc to jedyne dostępne źródło URL-i, i zarazem sufit katalogu."""
         if self._catalog is not None:
             return self._catalog
         urls: list[str] = []
@@ -145,7 +145,7 @@ class KPorner8Scraper(BasePlayTubeScraper):
 
     def crawl_page(self, page: int) -> list[RawScene] | None:
         """Jak w bazie, ale detale pobieramy przez `?link1=watch&id=` (forma `/watch/`
-        daje 403) i z pauzą — CF tnie przy szybszym tempie."""
+        daje 403) i z pauzą, CF tnie przy szybszym tempie."""
         catalog = self._load_catalog()
         if catalog is None:
             return None
@@ -174,7 +174,7 @@ class KPorner8Scraper(BasePlayTubeScraper):
         scene = super()._parse_detail(scene_url, detail_html)
         if scene is None:
             return None
-        # BRAMKA: 68% scen nie ma obsady (zmierzone 8/25 z obsadą) — bez niej
+        # BRAMKA: 68% scen nie ma obsady (zmierzone 8/25 z obsadą), bez niej
         # większość katalogu wpadłaby jako puste orphany.
         if not scene.performers:
             return None

app/connectors/direct_scrapers/latestleaks.py

@@ -1,4 +1,4 @@
-"""latestleaks.co — direct HTML scrape.
+"""latestleaks.co, direct HTML scrape.
 
 Search: `https://latestleaks.co/page/<n>/?s=<q>`.
 Scene URL: `https://latestleaks.co/<slug>/`.

app/connectors/direct_scrapers/latestpornvideo.py

@@ -1,4 +1,4 @@
-"""latestpornvideo.com — latest-vids browse scraper.
+"""latestpornvideo.com, latest-vids browse scraper.
 
 Historia: dawniej performer-driven search scraper (`/actor/<slug>/`). Problem
 (user-report 1da0375e): search-scraper ingestuje TYLKO sceny performerów, których
@@ -6,7 +6,7 @@ akurat szukamy → feed strony "latest" nigdy nie wpada, w apce widać stary zes
 a na stronie jest świeży. Przerobione na BROWSE (latest chronologicznie z
 `/page/<n>/`, page 1 = `/`), 2026-06-22.
 
-Listing card (zero detail-fetchy — detail page nie ma performerów ani duration):
+Listing card (zero detail-fetchy, detail page nie ma performerów ani duration):
   <article class="... post-<id> ... category-<cat> tag-<x> tag-<y> ...">
     <a href="https://latestpornvideo.com/<id>/" title="<Tytuł>">
     data-main-thumb="<Studio>-YYYY-MM-DD-...-cover.jpg"
@@ -51,7 +51,7 @@ _CLASS_CAT_RE = re.compile(r"\bcategory-([a-z0-9-]+)")
 _THUMB_NAME_RE = re.compile(r"/([A-Za-z0-9][A-Za-z0-9-]*?)-(\d{4})-(\d{2})-(\d{2})-", re.IGNORECASE)
 # Tytuł: `<Studio> YY MM DD <rest>` (np. "MySexMobile 20 10 23 Abella Danger").
 _TITLE_DATE_RE = re.compile(r"^(.*?)\s*\b(\d{2})\s+(\d{2})\s+(\d{2})\b")
-# Karty homepage zawsze siedzą w kategorii "latest-porn-videos" — to nie jest tag.
+# Karty homepage zawsze siedzą w kategorii "latest-porn-videos", to nie jest tag.
 _CAT_SKIP = {"latest-porn-videos", "uncategorized", ""}
 
 
@@ -137,7 +137,7 @@ class LatestPornVideoScraper(BaseBrowseScraper):
                         )
 
             # Tagi: tylko prawdziwe kategorie (category-*), bez "latest-porn-videos".
-            # `tag-*` POMIJAMY — to mieszanka fragmentów imion performerów i gatunków,
+            # `tag-*` POMIJAMY, to mieszanka fragmentów imion performerów i gatunków,
             # bez `actors-*` (jak na /actor/) nie da się ich rozdzielić → byłby szum.
             tags: list[RawTag] = []
             seen_tag: set[str] = set()

app/connectors/direct_scrapers/mypornerleak.py

@@ -1,4 +1,4 @@
-"""mypornerleak.com — performer-page listing scrape (search-based, performer-driven).
+"""mypornerleak.com, performer-page listing scrape (search-based, performer-driven).
 
 2026-06-16 fix (zamrożony od 05-07): treść serwowana jest pod subdomeną
 `w8.mypornerleak.com` (load-balancer wN.), a stary regex szukał scen na gołym
@@ -6,7 +6,7 @@
 listingu i sceny, więc fetchujemy `mypornerleak.com/actor/<slug>/` a linki scen
 normalizujemy wN.→ kanoniczny (stabilny page_url/dedup).
 
-Wszystko z LISTINGU (bez detail-fetcha) — karta `<article>` koduje metadane:
+Wszystko z LISTINGU (bez detail-fetcha), karta `<article>` koduje metadane:
   - klasa `actors-<slug>` (multi) → performerzy; `category-<slug>` (multi) → tagi
   - `<a href title="...">` → URL sceny + czysty tytuł
   - `<span class="duration">MM:SS|HH:MM:SS`
@@ -33,7 +33,9 @@ _BASE = "https://mypornerleak.com"
 _ARTICLE_RE = re.compile(r'<article[^>]*\bclass="([^"]+)"', re.IGNORECASE)
 _LINK_RE = re.compile(r'<a\s+href="([^"]+)"\s+title="([^"]+)"', re.IGNORECASE)
 _DURATION_RE = re.compile(r'class="duration">(?:<[^>]+>)*\s*(\d{1,2}:\d{2}(?::\d{2})?)', re.IGNORECASE)
-_THUMB_RE = re.compile(r'data-src="([^"]+)"', re.IGNORECASE)
+# Do 2026-09 karty mialy lazy `data-src`, teraz zwykle `src` (class video-main-thumb);
+# stary wzorzec zostawial 59% zrodel bez miniatury (zgloszenie 94e1da85).
+_THUMB_RE = re.compile(r'<img[^>]+(?:data-src|src)="(https?://[^"]+\.(?:jpg|jpeg|png|webp)[^"]*)"', re.IGNORECASE)
 _WN_HOST_RE = re.compile(r"https?://w\d+\.mypornerleak\.com", re.IGNORECASE)
 _CLASS_ACTOR_RE = re.compile(r"\bactors-([a-z0-9-]+)")
 _CLASS_CAT_RE = re.compile(r"\bcategory-([a-z0-9-]+)")

app/connectors/direct_scrapers/mypornerleak_browse.py

@@ -1,4 +1,4 @@
-"""mypornerleak.com — latest BROWSE scraper via WordPress REST API, obok search scrapera.
+"""mypornerleak.com, latest BROWSE scraper via WordPress REST API, obok search scrapera.
 
 MyPornerLeakScraper (search) zostaje w ALL_DIRECT_SCRAPERS; ten browse dokłada
 świeżość wprost z WP REST (`/wp-json/wp/v2/posts?_embed=1`). W odróżnieniu od
@@ -28,6 +28,7 @@ from app.connectors.direct_scrapers._browse_base import (
     compute_thumbnail_phash,
 )
 from app.extractors import browser_get
+from app.extractors.thumb_extract import extract_thumbnail_url
 from app.normalize.text import slugify
 
 log = logging.getLogger(__name__)
@@ -85,6 +86,15 @@ class MyPornerLeakBrowseScraper(BaseBrowseScraper):
             emb = p.get("_embedded") or {}
             fm = emb.get("wp:featuredmedia") or []
             thumb = (fm[0].get("source_url") if fm and isinstance(fm[0], dict) else None) or None
+            if not thumb:
+                # Od 2026-09 REST nie ma featured media (featured_media=0, brak img w
+                # tresci); strona posta ma og:image (zgloszenie 94e1da85).
+                try:
+                    pr = browser_get(link, timeout=15.0)
+                    if pr.status_code == 200:
+                        thumb = extract_thumbnail_url(pr.text)
+                except Exception as e:  # noqa: BLE001
+                    log.debug("mypornerleak og:image fetch failed for %s: %s", link, e)
 
             studio: RawStudio | None = None
             tags: list[RawTag] = []

app/connectors/direct_scrapers/naughtymachinima.py

@@ -0,0 +1,148 @@
+"""naughtymachinima.com — browse scraper. Szóste źródło wertykału, drugie 3D. Dodany 2026-08-13.
+
+Machinima i animacje SFM/Blender, treść tworzona przez użytkowników. Kanon nie istnieje
+tak samo jak przy hentai i [[rule34video]], więc każda pozycja jest orphanem i to
+poprawne, bez obsady i bez canonical matcha.
+
+**Najzdrowsza jednostka treści z całego wertykału 3D.** Próbka 25 najnowszych: mediana
+289 s, ZERO pozycji poniżej minuty, 18/25 powyżej progu potoku (180 s). Dla porównania
+rule34video ma medianę 68 s i traci ~70% katalogu na krótkich pętlach. Bramkę zostawiamy
+i tak (ten sam `min_ingest_duration_sec` co przy rule34video), żeby `seen` mówiło, ile
+realnie wchodzi, ale tutaj odsiewa tylko ~28%.
+
+**Szósty niezależny host w wertykale**: pliki leżą na `videos.naughtymachinima.com`,
+obok `gdvid.info` ([[hentaimama]]), `download.xanimeporn.com` ([[xanimeporn]]),
+`hgasm<N>.com` ([[hentaigasm]]), `hentaiplanet.info` ([[hentaiplay]]) i `boomio-cdn.com`
+([[rule34video]]). Żadna z tych stron nie re-hostuje pozostałych.
+
+Metadane są czyste, bez chmury z sidebara, która wyskoczyła przy siedmiu poprzednich
+kandydatach: na stronie filmu jest dokładnie 7 anchorów `/tags/` i wszystkie należą do
+filmu (przy „Dreamhawk: The Price Of Joining" są to dreamhawk, aerith gainsborough,
+don corneo). Mimo to trzymamy się `class="tag"`, żeby ewentualna przebudowa szablonu
+nie wciągnęła nam nawigacji.
+
+**Autora (`/user/`) zapisujemy jako studio**, tak samo jak przy rule34video: dla animacji
+to wytwórca, a nie performer.
+
+Paginacja `/videos?page=N` jest chronologiczna, strony 1, 2 i 3 mają zerowe pokrycie.
+
+Playback: jawne `<source>` bez tokenu, patrz extractor `naughtymachinima`.
+"""
+from __future__ import annotations
+
+import html as html_mod
+import logging
+import re
+from datetime import date
+
+from app.config import get_settings
+from app.connectors.base import RawPlaybackSource, RawScene, RawStudio, RawTag
+from app.connectors.direct_scrapers._browse_base import BaseBrowseScraper
+from app.normalize.text import slugify
+
+log = logging.getLogger(__name__)
+
+_BASE = "https://www.naughtymachinima.com"
+
+#: Fallback, gdy `min_ingest_duration_sec` jest wyłączone (0): tyle filtruje apka.
+_APP_MIN_DURATION_SEC = 60
+
+
+def _min_duration() -> int:
+    """Próg zestrojony z potokiem, patrz docstring [[rule34video]]: czytamy ustawienie
+    zamiast wpisywać liczbę, żeby liczniki `seen`/`skipped` nie kłamały."""
+    return getattr(get_settings(), "min_ingest_duration_sec", 0) or _APP_MIN_DURATION_SEC
+
+
+_SCENE_HREF_RE = re.compile(
+    r'href="(?:https?://(?:www\.)?naughtymachinima\.com)?(/video/\d+/[^"?#]+)"'
+)
+_TITLE_RE = re.compile(r"<h1[^>]*>\s*([^<]{2,200}?)\s*</h1>")
+_DURATION_RE = re.compile(r'"duration"\s*:\s*"PT(?:(\d+)H)?(?:(\d+)M)?(?:(\d+)S)?"')
+_UPLOAD_DATE_RE = re.compile(r'"uploadDate"\s*:\s*"(\d{4})-(\d{2})-(\d{2})')
+_THUMB_RE = re.compile(r'property="og:image"[^>]*content="([^"]{10,300})"')
+_TAG_RE = re.compile(r'<a class="tag"[^>]*href="[^"]*/tags/[^"]+"[^>]*>\s*([^<]{1,60}?)\s*</a>')
+#: Autor: `<a href="/user/Zector95"><img …/><span>Zector95</span>`.
+_USER_RE = re.compile(r'href="[^"]*/user/([A-Za-z0-9._-]{2,40})"')
+
+
+def _duration(detail_html: str) -> int | None:
+    m = _DURATION_RE.search(detail_html)
+    if not m:
+        return None
+    hours, minutes, seconds = (int(x or 0) for x in m.groups())
+    return (hours * 3600 + minutes * 60 + seconds) or None
+
+
+class NaughtyMachinimaScraper(BaseBrowseScraper):
+    sitetag = "naughtymachinima"
+
+    def _listing_url(self, page: int) -> str:
+        return f"{_BASE}/videos" if page <= 1 else f"{_BASE}/videos?page={page}"
+
+    def _extract_scene_urls(self, listing_html: str) -> list[str]:
+        return [_BASE + p for p in dict.fromkeys(_SCENE_HREF_RE.findall(listing_html))]
+
+    def _parse_detail(self, scene_url: str, detail_html: str) -> RawScene | None:
+        tm = _TITLE_RE.search(detail_html)
+        if not tm:
+            return None
+        title = html_mod.unescape(tm.group(1)).strip()
+        if not title:
+            return None
+
+        duration_sec = _duration(detail_html)
+        if duration_sec is None or duration_sec < _min_duration():
+            return None
+
+        release_date = None
+        dm = _UPLOAD_DATE_RE.search(detail_html)
+        if dm:
+            try:
+                release_date = date(int(dm.group(1)), int(dm.group(2)), int(dm.group(3)))
+            except ValueError:
+                pass
+
+        thumbnail_url = None
+        im = _THUMB_RE.search(detail_html)
+        if im:
+            thumbnail_url = im.group(1).strip()
+
+        tags: list[RawTag] = []
+        seen_tag: set[str] = set()
+        for raw_name in _TAG_RE.findall(detail_html):
+            name = html_mod.unescape(raw_name).strip()
+            slug = slugify(name)
+            if slug and slug not in seen_tag:
+                seen_tag.add(slug)
+                tags.append(RawTag(external_id=f"{self.sitetag}:tag:{slug}", name=name, slug=slug))
+
+        studio = None
+        um = _USER_RE.search(detail_html)
+        if um:
+            name = html_mod.unescape(um.group(1)).strip()
+            slug = slugify(name)
+            if slug:
+                studio = RawStudio(
+                    external_id=f"{self.sitetag}:studio:{slug}", name=name, slug=slug
+                )
+
+        video_id = scene_url.split("/video/")[-1].split("/")[0]
+        return RawScene(
+            external_id=f"{self.sitetag}:{video_id}",
+            title=title,
+            release_date=release_date,
+            duration_sec=duration_sec,
+            url=scene_url,
+            studio=studio,
+            performers=[],  # animacja, obsada nie istnieje
+            tags=tags,
+            playback_sources=[
+                RawPlaybackSource(
+                    origin=f"tube:{self.sitetag}",
+                    page_url=scene_url,
+                    duration_sec=duration_sec,
+                    thumbnail_url=thumbnail_url,
+                )
+            ],
+        )

app/connectors/direct_scrapers/neporn.py

@@ -1,22 +1,22 @@
-"""neporn.com — latest-vids browse scraper (KVS engine).
+"""neporn.com, latest-vids browse scraper (KVS engine).
 
 Dołączony 2026-06-10 (user request). Paysite re-upload (HardX, DAP itp.),
 ~40k+ scen po numeracji video id.
 
 Sygnały per scena:
   - JSON-LD VideoObject: name, description, uploadDate, thumbnailUrl
-    (uwaga: bywa zmanglowany "https:https://..." — normalizujemy)
+    (uwaga: bywa zmanglowany "https:https://...", normalizujemy)
   - `<meta property="video:duration">` = sekundy wprost
   - Performerzy: `<a class="link" href="https://neporn.com/models/<slug>/">`
-    (nazwa w spanie z ikoną — bierzemy slug i tytułujemy). Świeże uploady NIE mają
+    (nazwa w spanie z ikoną, bierzemy slug i tytułujemy). Świeże uploady NIE mają
-    jeszcze linków modelek — fallback: flashvars `video_tags` (na świeżych scenach
+    jeszcze linków modelek, fallback: flashvars `video_tags` (na świeżych scenach
     to czyste nazwiska, np. "emily willis, gianna dior"); bierzemy wpisy 2-3 słowa
     obecne w tytule i bez generycznych fraz (stoplist), bo starsze sceny mają tam
     też szum ("deep throat", "natural tits", "hd porn").
   - Kategorie: linki `/categories/<slug>/` w bloku info (tagi z `/tags/` to szum
-    typu "hd porn", "2020" — pomijamy)
+    typu "hd porn", "2020", pomijamy)
 
-Studio: brak strukturalnego pola — tytuł bywa "- HardX Update - ..." ale format
+Studio: brak strukturalnego pola, tytuł bywa "- HardX Update - ..." ale format
 niespójny, zostawiamy fuzzy matchowi po tytule.
 
 Listing: standard KVS `/latest-updates/N/` (24 sceny/strona).
@@ -111,7 +111,7 @@ class NepornScraper(BaseBrowseScraper):
         description = (video.get("description") or "").strip() or None
         thumbnail_url = (video.get("thumbnailUrl") or "").strip() or None
         if thumbnail_url:
-            # JSON-LD emituje "https:https://cdn..." — utnij zdublowany scheme.
+            # JSON-LD emituje "https:https://cdn...", utnij zdublowany scheme.
             thumbnail_url = re.sub(r"^https?:(?=https?://)", "", thumbnail_url)
 
         performers: list[RawPerformer] = []
@@ -128,7 +128,7 @@ class NepornScraper(BaseBrowseScraper):
                 )
             )
         # Fallback dla świeżych uploadów bez linków modelek: nazwiska z flashvars
-        # video_tags — 2-3 słowa, obecne w tytule, bez generycznych fraz.
+        # video_tags, 2-3 słowa, obecne w tytule, bez generycznych fraz.
         title_cf = title.casefold()
         tags_m = _VIDEO_TAGS_RE.search(detail_html)
         for entry in (tags_m.group(1).split(",") if tags_m else []):
@@ -160,7 +160,7 @@ class NepornScraper(BaseBrowseScraper):
             seen_tag.add(slug)
             tags.append(RawTag(external_id=f"{self.sitetag}:tag:{slug}", name=name, slug=slug))
 
-        # Phash z KVS screenshotów — niski hit-rate oczekiwany (jak porn00),
+        # Phash z KVS screenshotów, niski hit-rate oczekiwany (jak porn00),
         # graceful miss → composite scoring (performer+title+duration).
         fingerprints: list[RawFingerprint] = []
         if thumbnail_url:

app/connectors/direct_scrapers/perverzija.py

@@ -1,4 +1,4 @@
-"""perverzija.com — latest browse scraper via WordPress REST API.
+"""perverzija.com, latest browse scraper via WordPress REST API.
 
 Historia: dawniej search scraper (`?s=`), ale 2026-06 perverzija rate-limituje search
 (429) a homepage jest JS-renderowane (brak linków postów w surowym HTML) → search
@@ -8,7 +8,7 @@ na stronę. VPS dociera (curl_cffi bypassuje JA3; 200 nie 403). Przerobione na b
 2026-06-22 (user request).
 
 Z REST `?_embed=1` bierzemy: tytuł, datę, miniaturę (featured_media), STUDIO
-(taksonomia `category` — np. "DadCrush"/"TeamSkeet", to studyjny re-up) i tagi
+(taksonomia `category`, np. "DadCrush"/"TeamSkeet", to studyjny re-up) i tagi
 (`post_tag`). Performerów REST nie wystawia (custom taksonomia `stars` bez show_in_rest)
 → puste, dorabia canonical-merge (content studyjny dobrze matchuje TPDB/StashDB; tytuł
 i tak ma nazwiska).

app/connectors/direct_scrapers/porn00.py

@@ -1,17 +1,17 @@
-"""porn00.org — latest-vids browse scraper.
+"""porn00.org, latest-vids browse scraper.
 
 URL patterns:
   - Listing: `/latest-vids/` (page 1), `/latest-vids/2/`, ...
   - Scene: `/video/<slug>/`
-  - Performer: `/<slug>/` (np. `/august-skye/`) — w sekcji "Pornstars:" na detail
+  - Performer: `/<slug>/` (np. `/august-skye/`), w sekcji "Pornstars:" na detail
   - Categories: `/category-name/<slug>/`
 
 Sygnały dostępne:
   - Title (listing card + h1 + og:title)
-  - Performer(s) (z sekcji "Pornstars:" na detail page — pojedynczy slug per link)
+  - Performer(s) (z sekcji "Pornstars:" na detail page, pojedynczy slug per link)
-  - Categories (z sekcji "Categories:" — `/category-name/<slug>/`)
+  - Categories (z sekcji "Categories:", `/category-name/<slug>/`)
   - Duration (listing card `<div class="duration">MM:SS</div>`)
-  - Direct mp4 (KVS engine — `video_url: 'https://www.porn00.org/get_file/.../<id>.mp4'`)
+  - Direct mp4 (KVS engine, `video_url: 'https://www.porn00.org/get_file/.../<id>.mp4'`)
   - Thumbnail (own CDN `/contents/videos_screenshots/.../1.jpg`)
 
 BRAK:
@@ -78,7 +78,7 @@ _CATEGORY_LINK_RE = re.compile(
 )
 
 # Direct mp4 stream z KVS flashvars: `video_url: 'https://.../43144.mp4/?v-acctoken=...'`.
-# URL może mieć cokolwiek po `.mp4`: `/?v-acctoken=...`, `?q=720p`, itp. — bierzemy
+# URL może mieć cokolwiek po `.mp4`: `/?v-acctoken=...`, `?q=720p`, itp., bierzemy
 # wszystko do najbliższego `'` lub `"`.
 _VIDEO_URL_RE = re.compile(
     r"""video_url:\s*['"]([^'"]+\.mp4[^'"]*)['"]""", re.IGNORECASE,
@@ -107,7 +107,7 @@ class Porn00Scraper(BaseBrowseScraper):
 
     def __init__(self) -> None:
         super().__init__()
-        # Cache listing card meta — duration + thumb + title. Detail page nie ma
+        # Cache listing card meta, duration + thumb + title. Detail page nie ma
         # tych pól w meta (brak og:duration), więc listing jest source of truth.
         self._listing_cache: dict[str, dict] = {}
 
@@ -145,7 +145,7 @@ class Porn00Scraper(BaseBrowseScraper):
         # Thumbnail: prefer og:image z detail (full-size preview), fallback listing 320x180.
         thumb = meta_content(detail_html, property="og:image") or meta.get("thumb")
 
-        # Performers — porn00 konwencja `/star-name/<slug>/` (jak `/tags-name/`,
+        # Performers, porn00 konwencja `/star-name/<slug>/` (jak `/tags-name/`,
         # `/category-name/`). Wszystkie linki tego pattern to performerzy.
         performers: list[RawPerformer] = []
         seen_perf: set[str] = set()
@@ -177,14 +177,14 @@ class Porn00Scraper(BaseBrowseScraper):
                 )
             )
 
-        # Direct mp4 z KVS flashvars — preferujemy 720p (video_alt_url) nad 360p (video_url).
+        # Direct mp4 z KVS flashvars, preferujemy 720p (video_alt_url) nad 360p (video_url).
         stream_url: str | None = None
         if (vm := _VIDEO_ALT_URL_RE.search(detail_html)):
             stream_url = vm.group(1)
         elif (vm := _VIDEO_URL_RE.search(detail_html)):
             stream_url = vm.group(1)
 
-        # Phash — porn00 robi własne screenshoty (`/contents/videos_screenshots/`),
+        # Phash, porn00 robi własne screenshoty (`/contents/videos_screenshots/`),
         # więc canonical phash match raczej fail. Próbujemy mimo to.
         fingerprints: list[RawFingerprint] = []
         if thumb:

app/connectors/direct_scrapers/porn4days.py

@@ -1,4 +1,4 @@
-"""porn4days.pw — direct HTML scrape.
+"""porn4days.pw, direct HTML scrape.
 
 Search: `https://porn4days.pw/page/<n>/?s=<q>`.
 Scene URL: `https://porn4days.pw/<slug>/`.

app/connectors/direct_scrapers/pornbusy.py

@@ -1,22 +1,22 @@
-"""pornbusy.com — browse scraper (WordPress + Rank Math). Dodany 2026-07-27.
+"""pornbusy.com, browse scraper (WordPress + Rank Math). Dodany 2026-07-27.
 
 Ripy studyjne (~60%) + JAV z kodami (~30%). Ocena orphan-risk LOW z pomiarem:
 80% scen z próbki 100 ma performera, który u nas MA już ref tpdb/stashdb, a 21%
 tytułów mocno matchuje sceny które już mamy (czyli się scalą, nie zorphanują).
 
-**Paginacja homepage jest ZEPSUTA** — `/page/2/` i `/page/3/` zwracają ten sam
+**Paginacja homepage jest ZEPSUTA** `/page/2/` i `/page/3/` zwracają ten sam
 zestaw co strona 1 (zweryfikowane). Dlatego listing bierzemy z SITEMAPY:
 `sitemap_index.xml` → 10× `post-sitemapN.xml` po ~500 URL-i, każdy z `<lastmod>`,
 posortowane od najnowszych. `crawl_page` tnie ten katalog na strony po `_PAGE_SIZE`
 (wzorzec jak `_playtube.BasePlayTubeScraper`).
 
-Metadane — każde pole to osobny węzeł `itemprop`, nic nie trzeba wyłuskiwać z
+Metadane, każde pole to osobny węzeł `itemprop`, nic nie trzeba wyłuskiwać z
 tytułu-slug:
   - title `<h1 class="entry-title">`, duration ISO, uploadDate, thumbnailUrl, description
-  - obsada: `<div id="video-actors">` — CZYSTA, bez pollution (na stronie sceny jest
+  - obsada: `<div id="video-actors">`, CZYSTA, bez pollution (na stronie sceny jest
     dokładnie tyle linków `/actor/` ilu realnych aktorów; brak sekcji Related)
   - kategorie + tagi: `<div class="tags-list">` (`/category/` i `/tag/`)
-  - studio: **brak** — pornbusy nie ma pola studia ani prefiksu w tytule
+  - studio: **brak** pornbusy nie ma pola studia ani prefiksu w tytule
 
 Playback: `itemprop="embedURL"` → extractor `pornbusycom` (loadvid / seekplayer /
 zpi.cx ≈ 69% katalogu).
@@ -96,7 +96,7 @@ class PornBusyScraper(BaseBrowseScraper):
         # deep_crawl tworzą instancję per run, więc 10 fetchy XML amortyzuje się).
         self._catalog: list[str] | None = None
 
-    # Listing nie jest stronicowalny GET-em (homepage pagination zepsuta) —
+    # Listing nie jest stronicowalny GET-em (homepage pagination zepsuta),
     # paginację robi sitemap w `crawl_page`. Te dwie metody są abstrakcyjne w bazie.
     def _listing_url(self, page: int) -> str:  # pragma: no cover - nieużywane
         return _SITEMAP_INDEX
@@ -131,7 +131,7 @@ class PornBusyScraper(BaseBrowseScraper):
                 if not loc:
                     continue
                 url = loc.group(1)
-                # Pomijamy strony taksonomii/nav — sceny to `/<slug>/` jednosegmentowe.
+                # Pomijamy strony taksonomii/nav, sceny to `/<slug>/` jednosegmentowe.
                 if any(x in url for x in ("/actor/", "/category/", "/tag/", "/page/")):
                     continue
                 lm = _LASTMOD_RE.search(block)
@@ -189,7 +189,7 @@ class PornBusyScraper(BaseBrowseScraper):
         dsm = _DESC_RE.search(detail_html)
         description = html.unescape(dsm.group(1)).strip() if dsm else None
         if description and description.strip().lower() == title.strip().lower():
-            description = None  # opis bywa kopią tytułu — nie duplikujemy
+            description = None  # opis bywa kopią tytułu, nie duplikujemy
 
         performers: list[RawPerformer] = []
         seen_p: set[str] = set()

app/connectors/direct_scrapers/porndish.py

@@ -1,13 +1,13 @@
-"""porndish.com — latest browse scraper via WordPress REST API.
+"""porndish.com, latest browse scraper via WordPress REST API.
 
 Historia: dawniej search scraper (`?s=`), zamarzł 2026-05-07 (search przestał dawać
-nowe sceny — 1151h cisza, watchdog GOON-16). To WordPress (g1/bimber theme), VPS
+nowe sceny, 1151h cisza, watchdog GOON-16). To WordPress (g1/bimber theme), VPS
 dociera, więc czysty kanał to REST API: `/wp-json/wp/v2/posts?_embed=1` daje
 ustrukturyzowany JSON jednym requestem na stronę. Przerobione na browse 2026-06-24
 (ten sam wzorzec co perverzija).
 
 Z REST `_embed`: tytuł, data, miniatura (featured_media), STUDIO (taksonomia
-`category` — np. "Freeuse Fantasy", content studyjny) i tagi (`post_tag` — porndish
+`category`, np. "Freeuse Fantasy", content studyjny) i tagi (`post_tag`, porndish
 miesza w nich performerów z gatunkami, bierzemy jak jest; canonical-merge i tak
 dorabia performerów z TPDB/StashDB, a tytuł ma nazwiska). Performerów osobno nie
 wyciągamy (post_tag ich nie rozdziela od gatunków bez listy known-performers).

app/connectors/direct_scrapers/porndoe.py

@@ -1,4 +1,4 @@
-"""porndoe.com — latest-vids browse scraper.
+"""porndoe.com, latest-vids browse scraper.
 
 Dołączony 2026-05-21 (theporndude audit). Jedyny verified high-value candidate
 z 172 tube'ów na theporndude.com/top-porn-tube-sites + /full-porn-movies-sites.
@@ -11,7 +11,7 @@ Czemu wart: każda scena ma kompletny **JSON-LD VideoObject** schema:
 
 To wystarczy do composite fuzzy match w resolverze (studio + performer Jaccard +
 date proximity + title token-set + duration). Phash hit-rate niski (porndoe robi
-własne crop-thumbnaile 390x219, nie hot-linkuje studio art) — ale rich metadata
+własne crop-thumbnaile 390x219, nie hot-linkuje studio art), ale rich metadata
 nadrabia, jak pornxp/porn00.
 
 URL patterns:
@@ -21,7 +21,7 @@ URL patterns:
   - Performer: `/pornstars-profile/<slug>`
   - Tags/categories: `/categories/<slug>`
 
-Playback: stream URL NIE jest inline w SSR HTML — player JS init dopiero po user
+Playback: stream URL NIE jest inline w SSR HTML, player JS init dopiero po user
 "Play" click. Dajemy playback_source z page_url + origin `tube:porndoecom`;
 extractor w `_REGISTRY` mapuje na `_vps_blocked_fallback.extract` → mobile WebView
 INJECTED_JS scrapuje `<video>.src` po phone IP (0 VPS bandwidth, zgodne z
@@ -34,6 +34,7 @@ import logging
 import re
 from datetime import date, datetime
 
+from app.config import get_settings
 from app.connectors.base import (
     RawFingerprint,
     RawPerformer,
@@ -51,7 +52,7 @@ log = logging.getLogger(__name__)
 
 _BASE = "https://porndoe.com"
 
-# Scene listing — `<a href="/watch/pd7a3o0e8v2b">`. Id = `pd` + alfanum.
+# Scene listing, `<a href="/watch/pd7a3o0e8v2b">`. Id = `pd` + alfanum.
 _SCENE_URL_RE = re.compile(r'href="(/watch/[a-z0-9]+)"', re.IGNORECASE)
 _WATCH_ID_RE = re.compile(r"/watch/([a-z0-9]+)", re.IGNORECASE)
 
@@ -66,7 +67,7 @@ _TAG_LINK_RE = re.compile(
     r'href="/category/\d+/([a-z0-9\-]+)"[^>]*>([^<]+)</a>', re.IGNORECASE
 )
 
-# ISO 8601 duration — porndoe emituje "PT8M0S" (czasem "T8M0S" bez P).
+# ISO 8601 duration, porndoe emituje "PT8M0S" (czasem "T8M0S" bez P).
 _ISO_DUR_RE = re.compile(
     r"^P?T?(?:(\d+)H)?(?:(\d+)M)?(?:(\d+)S)?$", re.IGNORECASE
 )
@@ -144,6 +145,24 @@ def _extract_video_object(html: str) -> dict | None:
 class PornDoeScraper(BaseBrowseScraper):
     sitetag = "porndoecom"
 
+    def __init__(self) -> None:
+        super().__init__()
+        # Bright Data ISP proxy, bo porndoe zaczal oddawac 403 na IP serwerowni.
+        # Objawialo sie to jako "tub sie wyczerpal", a nie jako blad: ostatnia nowa
+        # scena wpadla 2026-08-21, watchdog krzyczal 173 h, a scraper po cichu dostawal
+        # 403 i zero linkow. Sprawdzone 2026-08-31: bez proxy 403 i 0 scen, przez proxy
+        # 200 i 31 scen z pierwszej strony.
+        self._proxy = get_settings().brightdata_proxy_url
+        if not self._proxy:
+            log.warning("porndoe: BRIGHTDATA_PROXY_URL nieustawione, scraper wylaczony")
+
+    def crawl_page(self, page: int):
+        # Bez proxy nie ma po co uderzac (gwarantowane 403). Pusta lista = "wyczerpany",
+        # dzieki czemu deep-crawl nie ponawia w kolko.
+        if not self._proxy:
+            return []
+        return super().crawl_page(page)
+
     def _listing_url(self, page: int) -> str:
         if page <= 1:
             return f"{_BASE}/videos/most-recent"
@@ -237,7 +256,7 @@ class PornDoeScraper(BaseBrowseScraper):
                 RawTag(external_id=f"{self.sitetag}:tag:{slug}", name=name, slug=slug)
             )
 
-        # Phash z thumbnail (porndoe robi własne crop-thumbnaile — niski hit-rate
+        # Phash z thumbnail (porndoe robi własne crop-thumbnaile, niski hit-rate
         # oczekiwany, ale graceful: brak match → resolver spada do composite scoring).
         fingerprints: list[RawFingerprint] = []
         if thumbnail_url:
@@ -245,7 +264,7 @@ class PornDoeScraper(BaseBrowseScraper):
             if ph:
                 fingerprints.append(RawFingerprint(kind="phash", value=ph))
 
-        # Playback — page_url do scena strony. Stream JS-rendered, więc extractor
+        # Playback, page_url do scena strony. Stream JS-rendered, więc extractor
         # `porndoecom` → `_vps_blocked_fallback.extract` (mobile WebView scrape).
         playback_sources = [
             RawPlaybackSource(

app/connectors/direct_scrapers/porndupe.py

@@ -0,0 +1,207 @@
+"""porndupe.com, browse scraper po id. Dodany 2026-09-05.
+
+Re-uploader zachodnich scen studyjnych (Nubile Films, NF Busty, Family Strokes, Bad MILFs,
+Pure Taboo...), czyli treść, która TRAFIA W KANON TPDB/StashDB zamiast robić orphany.
+Pomiar 2026-09-05 na 60 losowych: 52 sceny (87%) nie było w bazie po tytule i performerze.
+
+**Dlaczego chodzenie po id, a nie listing.** Każda ścieżka listingu (`/latest-updates/`,
+`/new/`, `/videos/`, `/page/2/`, KVS-owe bloki `mode=async`) oddaje IDENTYCZNĄ stronę
+główną z tymi samymi 24 linkami, to catch-all. Sitemapy `videos-1..7.xml` są posortowane
+ROSNĄCO i mają 3500 URL-i, a id sięgają 12 887, czyli pokrywają ~27% katalogu. Za to
+`/video/<id>/` przekierowuje 301 na slug (istnieje) albo 302 na `/` (brak), więc pełny
+katalog daje wzór z vjav: najnowsze = najwyższe id, strona N = kolejny wycinek malejąco.
+
+**Długość przychodzi z OK.ru, nie z HTML.** Strona nie ma `duration` ani `uploadDate`
+(JSON-LD tylko z tytułem i miniaturką), a scena bez długości znika w apce pod filtrem
+60 s i nie deduplikuje się. Dlatego przy ingeście robimy to samo, co ekstraktor:
+odszyfrowujemy klucz sesji i pytamy `api.ok.ru` o `duration` (ms). Jeden dodatkowy
+request na scenę, ~12,9 tys. na cały katalog.
+
+**Daty CELOWO nie bierzemy.** `created_ms` z OK.ru to data hurtowego wgrania pliku, nie
+premiery: cały katalog ma dokładnie dwie (28-30.07.2024 dla id 1-6000 i 6-7.04.2025 dla
+id 12000+). Wpisanie tego jako `release_date` zrobiłoby z 6 tys. scen „premiery" z jednego
+dnia. Zostaje None, datę dołoży kanon przy dopasowaniu.
+
+**Katalog jest ZAMROŻONY od kwietnia 2025** (ostatnia fala wgrań), czyli to jednorazowy
+import, nie źródło świeżości. Wchodzi mimo to, bo 87% scen jest dla nas nowe i to treść
+studyjna trafiająca w kanon, w odróżnieniu od odrzuconego hentaicloud (17% nowych).
+
+Metadane z HTML: `<h1>` (czysty tytuł, bez dopisków), `/pornstar/` (jeden anchor, właściwa
+osoba), `/studio/`, `/tag/` (sprawdzone na dwóch scenach: 16 i 11 tagów, 7 wspólnych,
+czyli per-video, nie chmura z sidebara), `og:image`.
+
+Playback: ekstraktor `porndupe` (OK.ru, cap 720p, `mobile_direct_ok`).
+"""
+from __future__ import annotations
+
+import html as html_mod
+import logging
+import re
+
+import httpx
+
+from app.connectors.base import RawPerformer, RawPlaybackSource, RawScene, RawStudio, RawTag
+from app.connectors.direct_scrapers._browse_base import BaseBrowseScraper
+from app.extractors import browser_get
+from app.extractors.tubes.porndupe import okru_duration_and_date, okru_video  # data nieużywana, patrz docstring
+from app.normalize.text import slugify
+
+log = logging.getLogger(__name__)
+
+_BASE = "https://www.porndupe.com"
+_PER_PAGE = 50
+#: Najwyższe id znane 2026-09-05. Od niego idziemy W GÓRĘ, żeby znaleźć bieżące maksimum.
+_SEED_ID = 12887
+#: Tyle kolejnych braków (302 na `/`) uznajemy za koniec katalogu przy szukaniu maksimum.
+_MAX_MISS = 20
+_UA = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) Chrome/152.0.0.0 Safari/537.36"}
+
+_TITLE_RE = re.compile(r"<h1[^>]*>\s*([^<]{2,200}?)\s*</h1>")
+_OG_IMAGE_RE = re.compile(r'property="og:image"[^>]*content="([^"]+)"')
+_PERF_RE = re.compile(r'href="[^"]*/pornstar/([^/"]+)/?"[^>]*>\s*([^<]{2,60}?)\s*<')
+_STUDIO_RE = re.compile(r'href="[^"]*/studio/([^/"]+)/?"[^>]*>\s*([^<]{2,60}?)\s*<')
+_TAG_RE = re.compile(r'<a[^>]*href="[^"]*/tag/([^/"]+)/?"[^>]*>\s*([^<]{1,50}?)\s*</a>')
+_VID_RE = re.compile(r"generate_mp4\s*\([^)]*'(\d+)'\s*\)")
+
+
+class PorndupeScraper(BaseBrowseScraper):
+    sitetag = "porndupe"
+
+    def __init__(self) -> None:
+        super().__init__()
+        self._max_id: int | None = None
+
+    # ---- ABC wymaga tych dwóch; przy chodzeniu po id są nieużywane -------------------
+    def _listing_url(self, page: int) -> str:  # pragma: no cover
+        return f"{_BASE}/"
+
+    def _extract_scene_urls(self, listing_html: str) -> list[str]:  # pragma: no cover
+        return []
+
+    # ---- maksimum id -----------------------------------------------------------------
+    def _exists(self, vid: int) -> bool | None:
+        """True = 301 na slug, False = 302 na `/`, None = błąd sieci (nie wiadomo)."""
+        try:
+            r = httpx.get(f"{_BASE}/video/{vid}/", headers=_UA, timeout=20, follow_redirects=False)
+        except Exception:
+            return None
+        return r.status_code == 301 and "/video/" in r.headers.get("location", "")
+
+    def _load_max_id(self) -> None:
+        """Od `_SEED_ID` w górę do `_MAX_MISS` kolejnych braków. Błąd sieci zostawia None,
+        co `crawl_page` tłumaczy na transient-fail (NIE na koniec katalogu; patrz vjav)."""
+        vid, last_ok, miss = _SEED_ID, _SEED_ID, 0
+        while miss < _MAX_MISS:
+            vid += 1
+            ok = self._exists(vid)
+            if ok is None:
+                log.warning("porndupe: błąd sieci przy szukaniu maksimum id (%d)", vid)
+                return
+            if ok:
+                last_ok, miss = vid, 0
+            else:
+                miss += 1
+        self._max_id = last_ok
+        log.info("porndupe: maksimum id = %d", last_ok)
+
+    # ---- strona = wycinek id malejąco -----------------------------------------------
+    def crawl_page(self, page: int) -> list[RawScene] | None:
+        if self._max_id is None:
+            self._load_max_id()
+        if self._max_id is None:
+            return None
+        start = self._max_id - (page - 1) * _PER_PAGE
+        if start < 1:
+            return []
+        out: list[RawScene] = []
+        for vid in range(start, max(start - _PER_PAGE, 0), -1):
+            try:
+                res = browser_get(f"{_BASE}/video/{vid}/", timeout=self._timeout, follow_redirects=True)
+            except Exception as e:
+                log.info("porndupe: fetch %d fail: %s", vid, e)
+                continue
+            final = str(getattr(res, "url", "") or "")
+            if getattr(res, "status_code", 200) >= 400 or "/video/" not in final:
+                continue  # 302 na `/`, czyli brak takiego id
+            try:
+                scene = self._parse_detail(final, res.text, vid=vid)
+            except Exception as e:
+                log.info("porndupe: parse %d fail: %s", vid, e)
+                continue
+            if scene is not None:
+                out.append(scene)
+        return out
+
+    def _parse_detail(self, scene_url: str, detail_html: str, *, vid: int | None = None) -> RawScene | None:
+        tm = _TITLE_RE.search(detail_html)
+        if not tm:
+            return None
+        title = html_mod.unescape(tm.group(1)).strip()
+        if not title:
+            return None
+        if vid is None:
+            m = _VID_RE.search(detail_html)
+            vid = int(m.group(1)) if m else None
+        if vid is None:
+            return None
+
+        # Długość i data z OK.ru. Gdy API padnie, scena wchodzi BEZ długości i loguje to,
+        # zamiast cicho znikać; potok i tak nie tnie nieznanej długości.
+        duration_sec = None
+        release_date = None  # celowo: created_ms to data wgrania hurtowego, patrz docstring
+        v = okru_video(detail_html)
+        if v:
+            duration_sec, _upload_date = okru_duration_and_date(v)
+        else:
+            log.info("porndupe: brak danych OK.ru dla id=%s", vid)
+
+        thumbnail_url = None
+        im = _OG_IMAGE_RE.search(detail_html)
+        if im:
+            thumbnail_url = im.group(1).strip()
+
+        performers: list[RawPerformer] = []
+        seen: set[str] = set()
+        for _slug, name in _PERF_RE.findall(detail_html):
+            name = html_mod.unescape(name).strip()
+            s = slugify(name)
+            if s and s not in seen:
+                seen.add(s)
+                performers.append(RawPerformer(external_id=f"{self.sitetag}:performer:{s}", name=name))
+
+        studio = None
+        sm = _STUDIO_RE.search(detail_html)
+        if sm:
+            sname = html_mod.unescape(sm.group(2)).strip()
+            if slugify(sname):
+                studio = RawStudio(
+                    external_id=f"{self.sitetag}:studio:{slugify(sname)}", name=sname, slug=slugify(sname)
+                )
+
+        tags: list[RawTag] = []
+        seen_t: set[str] = set()
+        for _slug, name in _TAG_RE.findall(detail_html):
+            name = html_mod.unescape(name).strip()
+            s = slugify(name)
+            if s and s not in seen_t:
+                seen_t.add(s)
+                tags.append(RawTag(external_id=f"{self.sitetag}:tag:{s}", name=name, slug=s))
+
+        return RawScene(
+            external_id=f"{self.sitetag}:{vid}",
+            title=title,
+            release_date=release_date,
+            duration_sec=duration_sec,
+            url=scene_url,
+            studio=studio,
+            performers=performers,
+            tags=tags,
+            playback_sources=[
+                RawPlaybackSource(
+                    origin=f"tube:{self.sitetag}",
+                    page_url=scene_url,
+                    duration_sec=duration_sec,
+                    thumbnail_url=thumbnail_url,
+                )
+            ],
+        )

app/connectors/direct_scrapers/pornmike.py

@@ -1,4 +1,4 @@
-"""pornmike.com — browse scraper (CodeIgniter, JSON-LD). Dodany 2026-07-27.
+"""pornmike.com, browse scraper (CodeIgniter, JSON-LD). Dodany 2026-07-27.
 
 Ripy paysite (Tushy, Blacked Raw, Milfy, Deep Lush, Anilos) + nisze bez pokrycia
 u nas (Jeffs Models, Golden Slut, Teen Erotica, Red-XXX, Erotik von Nebenan).
@@ -6,7 +6,7 @@ Pomiar: 82% performerów ma u nas ref tpdb/stashdb, 19-20/20 kanałów znamy jak
 
 Metadane w CAŁOŚCI z JSON-LD `@graph` → `ItemPage.mainEntity` (VideoObject): name,
 duration, uploadDate, actor[], genre[], keywords, description, thumbnailUrl. Zero
-`og:`, zero itemprop — więc nie ma ryzyka AI-spinu w og:title (choć sam tytuł i tak
+`og:`, zero itemprop, więc nie ma ryzyka AI-spinu w og:title (choć sam tytuł i tak
 jest przepisany pod SEO, patrz niżej).
 
 **Świadome decyzje:**
@@ -21,7 +21,7 @@ jest przepisany pod SEO, patrz niżej).
   zgodnie z regułą `scenes.backfill`, żeby stary katalog nie udawał nowości.
 - Paginacja: WYŁĄCZNIE `?p=N`. Forma `/newest-porn-videos/2/` daje 404, a `?page=2`
   jest ignorowane (zwraca stronę 1). Na każdej stronie jest stały 10-elementowy blok
-  sidebara (stąd 62 linki, realnie 52 sceny) — dedup po external_id go pochłania.
+  sidebara (stąd 62 linki, realnie 52 sceny), dedup po external_id go pochłania.
 - Ingest tylko EN (`/videos/`), pomijamy niemiecki mirror (`/de/filme/`).
 
 **Uwaga jakościowa:** to KLIPY 5-12 min (mediana ~487 s) wobec 1800-2400 s w tubach,
@@ -29,7 +29,7 @@ które przyjęliśmy. Dla ~20% katalogu (Tushy/Blacked Raw/Milfy/Anilos) będą
 obok pełnych scen kanonicznych. Pozostałe ~80% to studia bez żadnego pokrycia u nas,
 czyli realnie nowa podaż.
 
-Playback: `<source>` direct mp4 (twincdn) — extractor `pornmike`, bez tokenu, bez
+Playback: `<source>` direct mp4 (twincdn), extractor `pornmike`, bez tokenu, bez
 Referera, przenośny cross-IP.
 """
 from __future__ import annotations

app/connectors/direct_scrapers/porntrex.py

@@ -1,9 +1,9 @@
-"""PornTrex.com — direct HTML scrape search results.
+"""PornTrex.com, direct HTML scrape search results.
 
 Search: `https://www.porntrex.com/search/<q>/` (single page, brak ?page=).
 Scene URL: `https://www.porntrex.com/video/<id>/<slug>/`
 
-Porntrex pagination niespójne między widokami — używamy `?from=<offset>` gdy page>1.
+Porntrex pagination niespójne między widokami, używamy `?from=<offset>` gdy page>1.
 """
 from __future__ import annotations
 

app/connectors/direct_scrapers/porntrex_browse.py

@@ -1,6 +1,6 @@
-"""porntrex.com — latest-vids BROWSE scraper (KVS), obok istniejącego search scrapera.
+"""porntrex.com, latest-vids BROWSE scraper (KVS), obok istniejącego search scrapera.
 
-PornTrexScraper (search, performer-driven) zostaje w ALL_DIRECT_SCRAPERS — daje
+PornTrexScraper (search, performer-driven) zostaje w ALL_DIRECT_SCRAPERS, daje
 pokrycie back-catalogu performerów. Ten browse dokłada gwarancję świeżości wprost
 z feedu `/latest-updates/<n>/` (próg watchdog 48h zamiast 168h, nie zależy od kolejki
 performerów). Wzorzec jak xvideos (search + browse równolegle).
@@ -9,7 +9,7 @@ KVS listing tile:
   <div ... data-item-id="<id>"><a href="https://www.porntrex.com/video/<id>/<slug>">
     <img data-src="//ptx.cdntrex.com/contents/.../300x168/1.jpg" alt="<Tytuł>">
     <div class="duration">MM:SS</div>
-Playback: KVS, natywny extractor `porntrexcom` (token expires+md5, portable) — bez zmian.
+Playback: KVS, natywny extractor `porntrexcom` (token expires+md5, portable), bez zmian.
 """
 from __future__ import annotations
 

app/connectors/direct_scrapers/pornxp.py

@@ -1,9 +1,9 @@
-"""pornxp.ph — latest-vids browse scraper.
+"""pornxp.ph, latest-vids browse scraper.
 
 URL patterns:
   - Listing: `https://pornxp.ph/` (page 1, 72 cards) lub `?p=N` (pagination).
     URL-e w listing mają randomized suffix per request (`/videos/94528971225` vs
-    `/videos/94528971837`) — **`data-id` (np. `94528971`) jest stable** i tego
+    `/videos/94528971837`), **`data-id` (np. `94528971`) jest stable** i tego
     używamy dla external_id zamiast całego URL.
   - Detail: `/videos/<id_with_suffix>`.
   - Tags: `/tags/<URL-encoded-name>`. Trzy kategorie wnioskowane heurystyką
@@ -15,10 +15,10 @@ Rich signals (perfekt dla canonical match scoring):
   - Performers (z tags w `<div class="tags">`, Capital + space + Capital)
   - Release year (regex `Released:` na detail page bodyText)
   - Duration (`<div class="item_dur">MM:SS</div>` listing card)
-  - Direct mp4 streams (`<source src="https://sv.porn-xp.com/.../720.mp4">`) — no hoster
+  - Direct mp4 streams (`<source src="https://sv.porn-xp.com/.../720.mp4">`), no hoster
   - Animated preview (`data-preview="//t.porn-xp.com/.../<id>.mp4"`)
 
-Thumbnail: `<img class="item_img" src="/<id>.jpg">` — relatywny, pornxp's own CDN.
+Thumbnail: `<img class="item_img" src="/<id>.jpg">`, relatywny, pornxp's own CDN.
 Phash hit-rate niskie ale studio+performer+title fuzzy match wystarczy do canonical.
 """
 from __future__ import annotations
@@ -40,15 +40,16 @@ from app.connectors.direct_scrapers._browse_base import (
     BaseBrowseScraper,
     compute_thumbnail_phash,
 )
+from app.normalize.text import unescape_html
 
 log = logging.getLogger(__name__)
 
 _BASE = "https://pornxp.ph"
 
-# Listing card — DOTALL bo HTML cards są wieloliniowe.
+# Listing card, DOTALL bo HTML cards są wieloliniowe.
 # Wariant 1 (eager): `<img class="item_img" src="/<id>.jpg">`
 # Wariant 2 (lazy):  `<img class="item_img lazy" src="/images/fluid_spinner.svg" data-src="/<id>.jpg">`
-# Łapiemy obie warianty — w `_parse_listing_thumb` preferujemy `data-src` nad `src`.
+# Łapiemy obie warianty, w `_parse_listing_thumb` preferujemy `data-src` nad `src`.
 _LISTING_CARD_RE = re.compile(
     r'<div class="item preview"\s+data-id="(?P<id>\d+)"'
     r'(?:\s+data-preview="(?P<preview>[^"]*)")?[^>]*>'
@@ -61,7 +62,7 @@ _LISTING_CARD_RE = re.compile(
 _IMG_SRC_RE = re.compile(r'\bsrc="([^"]+)"', re.IGNORECASE)
 _IMG_DATASRC_RE = re.compile(r'\bdata-src="([^"]+)"', re.IGNORECASE)
 
-# Detail page — tags wrapper. Sometimes <div class="tags">, sometimes inline.
+# Detail page, tags wrapper. Sometimes <div class="tags">, sometimes inline.
 # Bierzemy do najbliższego </div> bo tagi tej sceny są w jednym divie.
 _DETAIL_TAGS_BLOCK_RE = re.compile(
     r'<div class="tags">(?P<inner>.*?)</div>', re.IGNORECASE | re.DOTALL,
@@ -71,8 +72,8 @@ _TAG_LINK_RE = re.compile(
 )
 _RELEASED_RE = re.compile(r'Released:\s*(\d{4})', re.IGNORECASE)
 _H1_RE = re.compile(r'<h1[^>]*>([^<]+)</h1>', re.IGNORECASE)
-# Direct mp4/m3u8 sources — preferujemy 720 nad 360. Format często protocol-relative:
+# Direct mp4/m3u8 sources, preferujemy 720 nad 360. Format często protocol-relative:
-# `<source src="//sv.porn-xp.com/.../720.mp4">` — normalize do `https://...` w consumerze.
+# `<source src="//sv.porn-xp.com/.../720.mp4">`, normalize do `https://...` w consumerze.
 _SOURCE_RE = re.compile(
     r'<source\s+src="(?P<url>(?:https?:)?//[^"]+\.(?:mp4|m3u8))"',
     re.IGNORECASE,
@@ -99,11 +100,11 @@ def _classify_tag(name: str) -> str:
       - Studio: zawiera `.` (`TheTeenBay.co`, `Clips4sale.tv`) LUB CamelCase concat
         bez spacji (`LegalPorno`, `DirtyWivesClub`, `AnalMom`, `Clips4sale`)
       - Performer: dokładnie 2 słowa Capital + Capital (`Alix Lynx`, `Reagan Foxx`)
-      - Tag/category: pozostałe — lowercase single word LUB Cap single word
+      - Tag/category: pozostałe, lowercase single word LUB Cap single word
         (`oral`, `Lesbians`, `Incest`, `BBC`)
 
     Edge case: single-word studio jak "Brazzers", "Vixen" → klasyfikowane jako tag.
-    To akceptowalne — composite score scoring tags ma niższą wagę niż studio match,
+    To akceptowalne, composite score scoring tags ma niższą wagę niż studio match,
     więc fallback z 1+ performer match wystarczy.
     """
     name = name.strip()
@@ -136,7 +137,7 @@ class PornXPScraper(BaseBrowseScraper):
 
     def __init__(self) -> None:
         super().__init__()
-        # Cache listing card metadata per scene URL — populated w `_extract_scene_urls`,
+        # Cache listing card metadata per scene URL, populated w `_extract_scene_urls`,
         # consumed w `_parse_detail`. Detail page sam nie ma `<div class="item_dur">`
         # ani thumbnail URL, tylko h1+tags+sources. Cache reset per page (każde
         # _extract_scene_urls override'uje).
@@ -182,33 +183,33 @@ class PornXPScraper(BaseBrowseScraper):
                 ),
                 "thumb": thumb,
                 "duration_sec": _parse_mmss(m.group("dur") or ""),
-                "title": m.group("title").strip(),
+                "title": unescape_html(m.group("title")),
             }
             out.append(url)
         return out
 
     def _parse_detail(self, scene_url: str, detail_html: str) -> RawScene | None:
-        # Listing-card meta (preferowane — detail page nie ma duration/thumb)
+        # Listing-card meta (preferowane, detail page nie ma duration/thumb)
         meta = self._listing_cache.get(scene_url, {})
         data_id = meta.get("data_id")
         if not data_id:
             # URL nie pasuje do listingu (random suffix mismatch po pagination redo).
-            # Wyciągnij data-id z URL: /videos/<id>... — pierwsze 8-10 cyfr.
+            # Wyciągnij data-id z URL: /videos/<id>..., pierwsze 8-10 cyfr.
             id_match = re.search(r"/videos/(\d{6,12})", scene_url)
             data_id = id_match.group(1) if id_match else None
 
         # Title: prefer h1 over listing card title (detail h1 jest cleaner)
         title = meta.get("title") or ""
         if (m := _H1_RE.search(detail_html)):
-            title = m.group(1).strip() or title
+            title = unescape_html(m.group(1)) or title
         if not title:
             return None
 
         duration_sec = meta.get("duration_sec")
         thumb = meta.get("thumb")
 
-        # Release year — `Released: 2016`. RawScene ma `release_date` (typu `date`),
+        # Release year, `Released: 2016`. RawScene ma `release_date` (typu `date`),
-        # nie samo year — wpisujemy Jan 1 jako placeholder żeby resolver miał year
+        # nie samo year, wpisujemy Jan 1 jako placeholder żeby resolver miał year
         # signal (date proximity scoring tylko sprawdza year w composite).
         release_date: date | None = None
         if (m := _RELEASED_RE.search(detail_html)):
@@ -251,7 +252,7 @@ class PornXPScraper(BaseBrowseScraper):
                         tags.append(RawTag(external_id=ext_id, name=display, slug=slug))
 
         # Playback: direct mp4 streams `<source src="//sv.porn-xp.com/.../720.mp4">`.
-        # URL-e są protocol-relative — normalize do `https:`. Preferujemy 720 nad 360.
+        # URL-e są protocol-relative, normalize do `https:`. Preferujemy 720 nad 360.
         def _norm(u: str) -> str:
             return "https:" + u if u.startswith("//") else u
 
@@ -264,7 +265,7 @@ class PornXPScraper(BaseBrowseScraper):
                     break
             stream_url = stream_url or all_sources[0]
 
-        # Phash z thumbnail (pornxp własny CDN — expected niski match rate, ale
+        # Phash z thumbnail (pornxp własny CDN, expected niski match rate, ale
         # try). Reseter ścieżek do canonical odbędzie się głównie przez
         # studio+performer+year+title scoring.
         fingerprints: list[RawFingerprint] = []
@@ -275,7 +276,7 @@ class PornXPScraper(BaseBrowseScraper):
 
         # Normalize page_url: pornxp homepage serwuje random URL suffix per request
         # (`/videos/94528971225` vs `/videos/94528971836` ten sam scene). PlaybackSource
-        # unique key to `(origin, page_url)` — bez normalize generujemy 3x duplikaty
+        # unique key to `(origin, page_url)`, bez normalize generujemy 3x duplikaty
         # na każdym scrape run. Canonical URL = `/videos/<data_id>`.
         canonical_url = (
             f"{_BASE}/videos/{data_id}" if data_id else scene_url

app/connectors/direct_scrapers/rule34video.py

@@ -0,0 +1,168 @@
+"""rule34video.com — browse scraper. Piąte źródło wertykału, pierwsze 3D. Dodany 2026-08-13.
+
+Inna charakterystyka niż cztery strony hentai ([[hentaimama]], [[xanimeporn]],
+[[hentaigasm]], [[hentaiplay]]): to nie są odcinki serii, tylko pojedyncze animacje
+SFM/Blender robione przez autorów. Kanon nie istnieje tak samo jak przy hentai, więc
+każda pozycja jest orphanem i to poprawne, bez obsady i bez canonical matcha.
+
+**Krótka treść wycina ~70% katalogu.** Rozkład 30 najnowszych: mediana 68 s, 14 pozycji
+poniżej minuty, najkrótsza 7 s. Dla animacji SFM taka pętla to kompletna praca, a nie
+wycinek (inaczej niż przy sexu, gdzie klipy były okrojoną wersją scen istniejących gdzie
+indziej), ale nie mieści się w jednostce treści, na której stoi reszta systemu.
+
+Bramkujemy tym samym progiem co potok (`min_ingest_duration_sec`, na prodzie 180 s),
+zamiast własną liczbą. Pierwsza wersja miała 60 s (tyle filtruje apka) i przez to liczniki
+kłamały: pilot na 3 stronach dał `seen 57, new 31, skipped 26`, bo `_skip_short_tube_scene`
+i tak dorzynał wszystko poniżej 3 minut. Przy zestrojonym progu `seen` mówi, ile realnie
+wchodzi, a to jest sygnał, którego używa watchdog i `source_stats`.
+
+**Pułapka tagów, ODWROTNA do intuicji.** Na stronie są dwa zestawy anchorów `/tags/`:
+
+    <a class="button"   href="/tags/35455/">cell (dbz)</a>       ← chmura „Top Tags", 25 szt.
+    <a class="tag_item" href="/tags/122/">handjob</a>            ← realne tagi filmu, 4 szt.
+
+`class="button"` wygląda na „ten właściwy", a jest chmurą z sidebara: przy filmie o Lux
+z League of Legends siedzą tam „cell (dbz)" i „queen of pain (dota)". Bierzemy WYŁĄCZNIE
+`tag_item`, inaczej każdy film dostałby ten sam zestaw 25 śmieci.
+
+Autor i kategorie mają własną klasę `video_meta_pill` i występują po 1-2 razy, czyli tam
+chmury nie ma. **Autora zapisujemy jako studio**, bo dla 3D to on jest wytwórcą
+(Monarchnsfw, jackerman, derpixon), a nie żaden performer.
+
+Paginacja `/latest-updates/N/` jest chronologiczna i sprawdzona: strony 1, 2 i 3 mają
+zerowe pokrycie (w odróżnieniu od freshporno czy streamporn.vip, gdzie listing rotował).
+
+Playback: `get_file` z tokenem ZWIĄZANYM Z IP, patrz extractor `rule34video`.
+"""
+from __future__ import annotations
+
+import html as html_mod
+import logging
+import re
+from datetime import date
+
+from app.connectors.base import RawPlaybackSource, RawScene, RawStudio, RawTag
+from app.connectors.direct_scrapers._browse_base import BaseBrowseScraper
+from app.config import get_settings
+from app.normalize.text import slugify
+
+log = logging.getLogger(__name__)
+
+_BASE = "https://rule34video.com"
+
+#: Fallback, gdy `min_ingest_duration_sec` jest wyłączone (0): tyle filtruje apka.
+_APP_MIN_DURATION_SEC = 60
+
+
+def _min_duration() -> int:
+    """Próg zestrojony z potokiem, patrz docstring. Czytamy ustawienie zamiast wpisywać
+    liczbę, żeby zmiana `min_ingest_duration_sec` nie rozjechała się z tym scraperem."""
+    return getattr(get_settings(), "min_ingest_duration_sec", 0) or _APP_MIN_DURATION_SEC
+
+
+_SCENE_HREF_RE = re.compile(r'href="(https?://rule34video\.com/video/\d+/[^"]+)"')
+_TITLE_RE = re.compile(r'<h1 class="title_video">\s*([^<]{1,200}?)\s*</h1>')
+_DURATION_RE = re.compile(r'"duration"\s*:\s*"PT(?:(\d+)H)?(?:(\d+)M)?(?:(\d+)S)?"')
+_UPLOAD_DATE_RE = re.compile(r'"uploadDate"\s*:\s*"(\d{4})-(\d{2})-(\d{2})')
+_THUMB_RE = re.compile(r'"thumbnailUrl"\s*:\s*\[?\s*"([^"]{10,300})"')
+#: TYLKO `tag_item`, patrz odwrócona pułapka w docstringu.
+_TAG_RE = re.compile(r'<a class="tag_item"[^>]*href="[^"]*/tags/\d+/"[^>]*>\s*([^<]{1,60}?)\s*</a>')
+#: Autor i kategorie — `video_meta_pill`, nazwa bywa opakowana w zagnieżdżone tagi.
+_PILL_RE = re.compile(
+    r'<a class="[^"]*video_meta_pill[^"]*"[^>]*href="[^"]*/(models|categories)/([a-z0-9-]+)/"[^>]*>(.*?)</a>',
+    re.DOTALL,
+)
+_STRIP_TAGS_RE = re.compile(r"<[^>]+>")
+
+
+def _text(fragment: str) -> str:
+    return html_mod.unescape(_STRIP_TAGS_RE.sub(" ", fragment)).strip()
+
+
+def _duration(detail_html: str) -> int | None:
+    m = _DURATION_RE.search(detail_html)
+    if not m:
+        return None
+    hours, minutes, seconds = (int(x or 0) for x in m.groups())
+    total = hours * 3600 + minutes * 60 + seconds
+    return total or None
+
+
+class Rule34VideoScraper(BaseBrowseScraper):
+    sitetag = "rule34video"
+
+    def _listing_url(self, page: int) -> str:
+        return f"{_BASE}/latest-updates/" if page <= 1 else f"{_BASE}/latest-updates/{page}/"
+
+    def _extract_scene_urls(self, listing_html: str) -> list[str]:
+        return list(dict.fromkeys(_SCENE_HREF_RE.findall(listing_html)))
+
+    def _parse_detail(self, scene_url: str, detail_html: str) -> RawScene | None:
+        tm = _TITLE_RE.search(detail_html)
+        if not tm:
+            return None
+        title = html_mod.unescape(tm.group(1)).strip()
+        if not title:
+            return None
+
+        duration_sec = _duration(detail_html)
+        if duration_sec is None or duration_sec < _min_duration():
+            return None  # krótka pętla, potok i tak by ją odrzucił jako trailer
+
+        release_date = None
+        dm = _UPLOAD_DATE_RE.search(detail_html)
+        if dm:
+            try:
+                release_date = date(int(dm.group(1)), int(dm.group(2)), int(dm.group(3)))
+            except ValueError:
+                pass
+
+        thumbnail_url = None
+        im = _THUMB_RE.search(detail_html)
+        if im:
+            thumbnail_url = im.group(1).strip().replace("\\/", "/")
+
+        tags: list[RawTag] = []
+        seen_tag: set[str] = set()
+        for raw_name in _TAG_RE.findall(detail_html):
+            name = html_mod.unescape(raw_name).strip()
+            slug = slugify(name)
+            if slug and slug not in seen_tag:
+                seen_tag.add(slug)
+                tags.append(RawTag(external_id=f"{self.sitetag}:tag:{slug}", name=name, slug=slug))
+
+        # Autor animacji → studio (dla 3D to wytwórca, nie performer). Kategorie → tagi.
+        studio = None
+        for kind, _slug_in_url, inner in _PILL_RE.findall(detail_html):
+            name = _text(inner)
+            slug = slugify(name)
+            if not name or not slug:
+                continue
+            if kind == "models":
+                if studio is None:
+                    studio = RawStudio(
+                        external_id=f"{self.sitetag}:studio:{slug}", name=name, slug=slug
+                    )
+            elif slug not in seen_tag:
+                seen_tag.add(slug)
+                tags.append(RawTag(external_id=f"{self.sitetag}:tag:{slug}", name=name, slug=slug))
+
+        video_id = scene_url.rstrip("/").split("/video/")[-1].split("/")[0]
+        return RawScene(
+            external_id=f"{self.sitetag}:{video_id}",
+            title=title,
+            release_date=release_date,
+            duration_sec=duration_sec,
+            url=scene_url,
+            studio=studio,
+            performers=[],  # animacja, obsada nie istnieje
+            tags=tags,
+            playback_sources=[
+                RawPlaybackSource(
+                    origin=f"tube:{self.sitetag}",
+                    page_url=scene_url,
+                    duration_sec=duration_sec,
+                    thumbnail_url=thumbnail_url,
+                )
+            ],
+        )

app/connectors/direct_scrapers/sexu.py

@@ -1,4 +1,4 @@
-"""sexu.com — browse scraper. Dodany 2026-07-27.
+"""sexu.com, browse scraper. Dodany 2026-07-27.
 
 Najlepsze metadane z całej tegorocznej serii kandydatów. Próbka 25 najnowszych scen:
 obsada 20/25 (80%), **kanał 25/25 i to realne studia** (New Sensations, Brutal X,
@@ -15,7 +15,7 @@ odrzuciłaby dobre dane.
 1. **Tagi trzeba wyciąć z bloku.** Linków `/tag/` jest na stronie 25, ale realnych
    tagów sceny tylko 5 (reszta to sidebar „popularne wyszukiwania"). Bez zawężenia
    do bloku „Tags:" wpisalibyśmy każdej scenie te same 20 śmieci.
-2. **W bloku tagów siedzą też linki `/search?q=`** — to fraz-y pod SEO („pleases",
+2. **W bloku tagów siedzą też linki `/search?q=`** to fraz-y pod SEO („pleases",
    „hole", „indian milf"), nie tagi. Bierzemy wyłącznie `/tag/`.
 
 **Studio.** Kanał to zwykle studio, ale przy uploadach amatorskich bywa nazwany po
@@ -25,7 +25,7 @@ bo performer w tabeli studios to zanieczyszczenie, nie dana.
 Data jest względna („7 hours ago", „yesterday"), więc liczymy ją wstecz od teraz.
 To i tak data uploadu na tube, nie premiery studia.
 
-Playback: `POST /api/video-info` (extractor `sexu`) — wymaga Bright Data, bo
+Playback: `POST /api/video-info` (extractor `sexu`), wymaga Bright Data, bo
 Cloudflare blokuje POST z VPS. Sam scrape listingu i detali idzie bez proxy.
 """
 from __future__ import annotations
@@ -67,7 +67,7 @@ _BLOCK_END_RE = re.compile(r"_container|player-tags__title")
 
 
 def _block(detail_html: str, label: str) -> str:
-    """Fragment HTML należący do bloku `<label>:` — patrz pułapka 1 w docstringu."""
+    """Fragment HTML należący do bloku `<label>:`, patrz pułapka 1 w docstringu."""
     start = detail_html.find(f'player-tags__title">{label}:')
     if start < 0:
         return ""

app/connectors/direct_scrapers/shyfap.py

@@ -1,10 +1,10 @@
-"""shyfap.net — latest-vids browse scraper.
+"""shyfap.net, latest-vids browse scraper.
 
 Browse-only (nie search-driven). Sitetag `shyfapnet`. Bogata metadata na detail
 page'u (meta tags + body links): title, studio, performers, tags, duration,
 description, upload_date, embed_url.
 
-Pierwszy pilot scrapera browse-mode (2026-05-12) — weryfikacja czy detail-page
+Pierwszy pilot scrapera browse-mode (2026-05-12), weryfikacja czy detail-page
 metadata wystarcza do canonical match >5%. Jeśli tak → rozszerzamy o porn00,
 fullmovies, pornxp, freshporno, 4k69, hdporn.gg.
 
@@ -37,7 +37,7 @@ _PORNSTAR_LINK_RE = re.compile(
 _TAG_LINK_RE = re.compile(
     r'href="/tag/([a-z0-9\-]+)_t(\d+)/"[^>]*>([^<]+)', re.IGNORECASE
 )
-# /video/<slug>_v<id>/ — id z URL używamy jako stable internal ID (np. w external_id),
+# /video/<slug>_v<id>/ id z URL używamy jako stable internal ID (np. w external_id),
 # nie z meta `ya:ovs:id` żeby uniknąć rozjazdu meta vs URL.
 _INTERNAL_ID_RE = re.compile(r"_v(\d+)/?$", re.IGNORECASE)
 
@@ -46,7 +46,7 @@ class ShyfapScraper(BaseBrowseScraper):
     sitetag = "shyfapnet"
 
     def _listing_url(self, page: int) -> str:
-        # page 1 → /videos_1/, page 2 → /videos_1/2/ (shyfap quirk — sufiks `_1`
+        # page 1 → /videos_1/, page 2 → /videos_1/2/ (shyfap quirk, sufiks `_1`
         # zawsze, dodatkowy `/N/` dla pagination)
         if page <= 1:
             return f"{_BASE}/videos_1/"
@@ -108,7 +108,7 @@ class ShyfapScraper(BaseBrowseScraper):
         if not embed_url and internal_id:
             embed_url = f"{_BASE}/embed/{internal_id}"
 
-        # Studio — pierwszy `/studio/<slug>_s<id>/` link na stronie
+        # Studio, pierwszy `/studio/<slug>_s<id>/` link na stronie
         studio: RawStudio | None = None
         m_studio = _STUDIO_LINK_RE.search(detail_html)
         if m_studio:
@@ -119,7 +119,7 @@ class ShyfapScraper(BaseBrowseScraper):
                 slug=slug,
             )
 
-        # Performers — wszyscy `/pornstar/<slug>_p<id>/` (zwykle 1-3 per scena)
+        # Performers, wszyscy `/pornstar/<slug>_p<id>/` (zwykle 1-3 per scena)
         performers: list[RawPerformer] = []
         seen_perf: set[str] = set()
         for m_p in _PORNSTAR_LINK_RE.finditer(detail_html):
@@ -134,7 +134,7 @@ class ShyfapScraper(BaseBrowseScraper):
                 )
             )
 
-        # Tags — wszystkie `/tag/<slug>_t<id>/` (zwykle 10-25 per scena)
+        # Tags, wszystkie `/tag/<slug>_t<id>/` (zwykle 10-25 per scena)
         tags: list[RawTag] = []
         seen_tag: set[str] = set()
         for m_t in _TAG_LINK_RE.finditer(detail_html):
@@ -146,8 +146,8 @@ class ShyfapScraper(BaseBrowseScraper):
                 RawTag(external_id=f"shyfapnet:tag:{tid}", name=name, slug=slug)
             )
 
-        # Playback source — embed_url (mobile WebView fallback). Stream extraction
+        # Playback source, embed_url (mobile WebView fallback). Stream extraction
-        # przez app/extractors/__init__.py wymaga osobnego registry entry — dla
+        # przez app/extractors/__init__.py wymaga osobnego registry entry, dla
         # pilot scrapera zostawiamy embed-only (WebView), direct mp4 to follow-up.
         playback_sources = [
             RawPlaybackSource(
@@ -161,7 +161,7 @@ class ShyfapScraper(BaseBrowseScraper):
 
         # Perceptual hash z thumbnail. Resolver Path 3 (find_by_phash_within,
         # Hamming ≤5) auto-merguje gdy TPDB/StashDB ma fingerprint tej samej sceny.
-        # Niezależne od shyfap title-rebrandingu — bierze się z frame'u sceny.
+        # Niezależne od shyfap title-rebrandingu, bierze się z frame'u sceny.
         fingerprints: list[RawFingerprint] = []
         if thumbnail_url:
             ph = compute_thumbnail_phash(thumbnail_url, referer=_BASE + "/")

app/connectors/direct_scrapers/siska.py

@@ -1,4 +1,4 @@
-"""siska.video — latest-vids browse scraper.
+"""siska.video, latest-vids browse scraper.
 
 Historia: dawniej performer-driven search scraper (`?s=<q>`), ale siska zepsuła
 wyszukiwarkę (zwraca latest niezależnie od query). Przerobione na BROWSE (latest

app/connectors/direct_scrapers/superporn.py

@@ -1,22 +1,22 @@
-"""superporn.com — latest-vids browse scraper (przez Bright Data ISP proxy).
+"""superporn.com, latest-vids browse scraper (przez Bright Data ISP proxy).
 
 Dołączony 2026-06-10 (user request). superporn twardo blokuje VPS IP Cloudflarem
-(403 na KAŻDEJ impersonacji TLS — chrome/safari/firefox), więc ingest HTML idzie
+(403 na KAŻDEJ impersonacji TLS, chrome/safari/firefox), więc ingest HTML idzie
 przez Bright Data ISP proxy (`settings.brightdata_proxy_url`). Gdy proxy
 nieskonfigurowane → scraper no-op (pusty iterator, log warning).
 
 Proxy używamy TYLKO do scrape HTML. Playback NIE idzie przez proxy: `<source>` mp4
 (cdnst*.superporn.com) ma token IP-bound do fetchera (403 cross-IP), więc resolve
-musi nastąpić po stronie telefonu — extractor `superporncom` → `_vps_blocked_fallback`
+musi nastąpić po stronie telefonu, extractor `superporncom` → `_vps_blocked_fallback`
 (mobile WebView ładuje stronę z residential IP telefonu, INJECTED_JS bierze video.src).
 Thumbnaile (img*.superporn.com) schodzą z VPS bez proxy (image proxy działa).
 
 Sygnały (SSR HTML):
   - JSON-LD VideoObject: name, description, uploadDate, thumbnailUrl, duration
-    ISO 8601 (`P0DT0H38M48S`). `author` = uploader (NIE performer — pomijamy).
+    ISO 8601 (`P0DT0H38M48S`). `author` = uploader (NIE performer, pomijamy).
   - Performerzy: chip `<a class="chip-link" href=".../pornstar/<slug>"><span>Name</span>`
   - Kategorie: chip `<a class="chip-link" href="/<slug>"><span>Name</span>` (bez
-    `/pornstar/`) — w bloku `#collapse-categories`.
+    `/pornstar/`), w bloku `#collapse-categories`.
   - Duration backup: `<video ... data-video-duration="2328">` (sekundy).
 
 Listing: `?page=N` (newest-first; sitemap lastmod jest z 2024, bezużyteczny).
@@ -69,7 +69,7 @@ _ISO_DUR_FULL_RE = re.compile(
 
 def _clean(text: str) -> str:
     """superporn dwukrotnie HTML-koduje encje w JSON-LD (`&amp;#39;` zamiast `'`).
-    Unescape iteracyjnie (max 2) — bez over-decode dla zwykłych nazw."""
+    Unescape iteracyjnie (max 2), bez over-decode dla zwykłych nazw."""
     for _ in range(2):
         new = html.unescape(text)
         if new == text:
@@ -95,7 +95,7 @@ class SuperpornScraper(BaseBrowseScraper):
 
     def __init__(self) -> None:
         super().__init__()
-        # Bright Data ISP proxy — bez niego superporn jest nieosiągalny z VPS.
+        # Bright Data ISP proxy, bez niego superporn jest nieosiągalny z VPS.
         self._proxy = get_settings().brightdata_proxy_url
         if not self._proxy:
             log.warning("superporn: BRIGHTDATA_PROXY_URL unset — scraper disabled")
@@ -106,7 +106,7 @@ class SuperpornScraper(BaseBrowseScraper):
         return f"{_BASE}/?page={page}"
 
     def crawl_page(self, page: int):
-        # Bez proxy nie ma sensu uderzać (gwarantowany CF 403) — sygnalizuj
+        # Bez proxy nie ma sensu uderzać (gwarantowany CF 403), sygnalizuj
         # "exhausted" (pusta lista), żeby deep-crawl nie retry'ował w kółko.
         if not self._proxy:
             return []
@@ -164,7 +164,7 @@ class SuperpornScraper(BaseBrowseScraper):
             seen_tag.add(slug)
             tags.append(RawTag(external_id=f"{self.sitetag}:tag:{slug}", name=name, slug=slug))
 
-        # Phash z thumbnaila — proxy NIE potrzebny (img*.superporn.com działa z VPS).
+        # Phash z thumbnaila, proxy NIE potrzebny (img*.superporn.com działa z VPS).
         fingerprints: list[RawFingerprint] = []
         if thumbnail_url:
             ph = compute_thumbnail_phash(thumbnail_url, referer=_BASE + "/")

app/connectors/direct_scrapers/supjav.py

@@ -1,4 +1,4 @@
-"""supjav.com — JAV browse scraper (przez Bright Data proxy, CF-blokuje VPS IP).
+"""supjav.com, JAV browse scraper (przez Bright Data proxy, CF-blokuje VPS IP).
 
 Osobna pula JAV (sekcja JAV), origin `tube:supjav` w JAV_ORIGINS. supjav agreguje
 embedy (serwery TV/FST/ST/VOE), gdzie realny hoster jest schowany za `data-link`
@@ -10,7 +10,7 @@ Browse (RE 2026-07-10):
   - karty: `<div class="post"><a href="/<id>.html" title="<title>" rel="bookmark"
     class="img"><img src=".../images/YYYY/MM/<CODE>.jpg!320x216.jpg" class="thumb">`.
   - Metadane bierzemy Z KARTY (tytuł/thumb/URL/kod JAV/data z roku-miesiąca ścieżki
-    thumb), NIE z detalu — detal przez proxy jest flaky (CF przepuszcza ~40% IP), a
+    thumb), NIE z detalu, detal przez proxy jest flaky (CF przepuszcza ~40% IP), a
     per-post fetch byłby wolny i lossy. Studio/tagi (poza kodem) dorabia enrich później.
 
 supjav blokuje VPS IP twardym CF → listing idzie przez Bright Data ISP proxy z retry
@@ -36,7 +36,7 @@ _BASE = "https://supjav.com"
 # atrybutu nie zawiera surowego "), więc tytuły z `>` (np. `<<3-Day Offer>>`) przechodzą.
 # Link-obraz karty: <a href="URL" ... title="TITLE"><img src|data-original="THUMB">.
 # supjav miesza kolejność atrybutów (href/rel/class="img"/title w dwóch wariantach), więc
-# NIE wymagamy pozycji class="img" — wymóg `>\s*<img` i tak izoluje link-obraz od
+# NIE wymagamy pozycji class="img", wymóg `>\s*<img` i tak izoluje link-obraz od
 # link-tekstu (ten drugi po `>` ma tekst, nie <img>). Thumb eager `src=` lub lazy
 # `data-original=` (karty poniżej folda: src="data:..." placeholder + realny data-original).
 _CARD_RE = re.compile(

app/connectors/direct_scrapers/sxyland.py

@@ -1,11 +1,11 @@
-"""sxyland.com — performer-page scrape (search-based, performer-driven).
+"""sxyland.com, performer-page scrape (search-based, performer-driven).
 
 2026-06-16 fix (zamrożony od 06-07): sxyland porzucił URL scen `/<numeric_id>/<slug>/`
 na rzecz `/<slug>/`, więc stary regex (wymagał cyfry w ścieżce) dawał 0. WordPress `?s=`
-filtruje, ale miesza — czystsze są **strony performera** `/actor/<slug>/`
+filtruje, ale miesza, czystsze są **strony performera** `/actor/<slug>/`
 (performer-driven query = nazwa performera → slugify → /actor/<slug>/).
 
-Bogate metadane (per-scene detail fetch — sxyland to WP tube, taksonomie na scenie):
+Bogate metadane (per-scene detail fetch, sxyland to WP tube, taksonomie na scenie):
   - performerzy: WSZYSTKIE `/actor/<slug>/` linki (z co-starami; `title="Name"`)
   - tagi: `/tag/` + `/category/` (`title="Name"`); część to studia (BangBros/BLACKED/...)
   - studio: heurystycznie z tagów-paysite (`_STUDIO_TAGS`); brak match → bez studio
@@ -181,7 +181,7 @@ class SxyLandScraper(BaseDirectTubeScraper):
                 )
             )
 
-        # Tagi — TYLKO z bloku tagów sceny (nie z sidebara/popular widgetu).
+        # Tagi, TYLKO z bloku tagów sceny (nie z sidebara/popular widgetu).
         tags: list[RawTag] = []
         seen_tag: set[str] = set()
         block_m = _TAGS_BLOCK_RE.search(detail)

app/connectors/direct_scrapers/sxyprn.py

@@ -1,4 +1,4 @@
-"""sxyprn.com — performer-page scrape (search-based, performer-driven).
+"""sxyprn.com, performer-page scrape (search-based, performer-driven).
 
 2026-06-16 fix (zamrożony od 05-07): sxyprn NIE ma free-text searcha. Stary endpoint
 `?type=videos&query=<q>` oddawał TRENDING (0 trafień dla performera → strict token
@@ -19,6 +19,14 @@ Metadane z karty (bez +1 fetch detalu):
   - thumbnail: `data-src='//...small.jpg'`
 
 Playback resolwuje extractor `sxyprncom` (osobno; mp4 z trafficdeposit/lulustream).
+
+Blokada uploaderow (2026-09-04). Kilku autorow wrzuca dobre sceny z tytulem w stylu
+„Tytul ft. Obsada, Obsada by Studio Kategoria, Kategoria, ..." i 25-35 hashtagami
+na kazdym poscie. Kazde nazwisko z tytulu to potencjalne przypisanie performera
+(over-attribution), a hashtagi wchodzily jako tagi sceny (mediana 27 zamiast 12).
+Karta nie ma pola autora, ale id autora siedzi w sciezce miniatury:
+`.../<token>/<ts>/<id_autora>/<id_posta>/small.jpg`. Autorow z `_BLOCKED_AUTHORS`
+pomijamy w calosci, a karty z wiecej niz `_MAX_HASHTAGS` hashtagami wchodza bez tagow.
 """
 from __future__ import annotations
 
@@ -35,31 +43,42 @@ from app.connectors.base import (
 )
 from app.connectors.direct_scrapers._search_base import BaseSearchScraper
 from app.extractors import browser_get
-from app.normalize.text import slugify
+from app.normalize.text import person_named_in, slugify
 
 log = logging.getLogger(__name__)
 
 _BASE = "https://sxyprn.com"
 
 # js-pop anchor karty: /post/<id>.html(?sk=...&so=...&ss=latest na stronie performera)
-# + aria-label (połamani performerzy — nieużywane).
+# + aria-label (połamani performerzy, nieużywane).
 _CARD_ANCHOR_RE = re.compile(
     r"<a\s+href='/post/(?P<id>[a-f0-9]+)\.html(?:\?[^']*)?'[^>]*class='js-pop'",
     re.IGNORECASE,
 )
 # Uwaga: duration_small ma atrybut `title='s1->c10'` ze znakiem `>` w środku, więc
-# NIE używamy `[^>]*` (łamie się na tym `>`) — leniwe `.*?` do wartości HH:MM:SS.
+# NIE używamy `[^>]*` (łamie się na tym `>`), leniwe `.*?` do wartości HH:MM:SS.
 _DURATION_RE = re.compile(
     r"duration_small.*?>\s*(\d{1,2}:\d{2}(?::\d{2})?)\s*<", re.IGNORECASE | re.DOTALL
 )
 _SUBCAT_RE = re.compile(r"post_el_small_subcat[^>]*>([^<]+)<", re.IGNORECASE)
 _THUMB_RE = re.compile(r"data-src='(//[^']+?small\.jpg)'", re.IGNORECASE)
-# post_time z tytułem — keyowane po ID, bo leży w post_control PO vid_container.
+# post_time z tytułem, keyowane po ID, bo leży w post_control PO vid_container.
 _POSTTIME_RE = re.compile(
     r"post_time'[^>]*href='/post/{id}\.html(?:\?[^']*)?'[^>]*title='([^']*)'",
     re.IGNORECASE,
 )
 _HASHTAG_RE = re.compile(r"#(\w[\w-]*)")
+# `.../<id_autora>/<id_posta>/small.jpg`, oba 13 hex. Drugi segment MUSI byc id posta,
+# inaczej to inny format miniatury i autora nie znamy.
+_AUTHOR_IN_THUMB_RE = re.compile(r"/([a-f0-9]{13})/([a-f0-9]{13})/[^/]+$", re.IGNORECASE)
+# id autora sxyprn -> nazwa (tylko do logow). Patrz docstring modulu.
+_BLOCKED_AUTHORS: dict[str, str] = {
+    "69cab3467ec41": "Shizuka",
+    "68e92925d23d9": "Ajx",
+    "6a0d125a875d2": "Denzel",
+}
+# Powyzej tylu hashtagow to spam SEO, nie opis sceny. Mediana katalogu sxyprn to 12.
+_MAX_HASHTAGS = 20
 _BRACE_RE = re.compile(r"\{[^}]*\}")
 _URL_TAIL_RE = re.compile(r"https?://\S+")
 
@@ -76,6 +95,16 @@ def _parse_duration(s: str) -> int | None:
     return None
 
 
+def _author_id(thumb: str | None, post_id: str) -> str | None:
+    """Id autora ze sciezki miniatury albo None, gdy format inny niz oczekiwany."""
+    if not thumb:
+        return None
+    m = _AUTHOR_IN_THUMB_RE.search(thumb)
+    if not m or m.group(2).lower() != post_id.lower():
+        return None
+    return m.group(1).lower()
+
+
 def _clean_title(raw: str) -> tuple[str, list[str]]:
     """Zwraca (czysty tytuł, tagi). Usuwa {markery}, hashtagi i końcowy URL."""
     text = html.unescape(raw)
@@ -89,7 +118,7 @@ def _clean_title(raw: str) -> tuple[str, list[str]]:
 
 class SxyPrnScraper(BaseSearchScraper):
     sitetag = "sxyprncom"
-    # _search_url_template/_scene_url_re z bazy nieużywane — mamy custom search().
+    # _search_url_template/_scene_url_re z bazy nieużywane, mamy custom search().
     _card_window = 2600  # od js-pop anchora do post_control z tytułem
 
     def _performer_path(self, query: str) -> str:
@@ -112,9 +141,6 @@ class SxyPrnScraper(BaseSearchScraper):
             return
 
         text = r.text
-        query_tokens = {
-            tok for tok in query.lower().split() if len(tok) >= self._query_token_min_len
-        }
         anchors = list(_CARD_ANCHOR_RE.finditer(text))
         seen: set[str] = set()
         yielded = 0
@@ -130,10 +156,13 @@ class SxyPrnScraper(BaseSearchScraper):
             if not tm:
                 continue
             title, tags = _clean_title(tm.group(1))
-            title_l = title.lower()
+            # Scena musi realnie dotyczyć performera. Sprawdzamy CAŁE nazwisko jako ciąg
-            # Strict: scena musi realnie dotyczyć performera (oba tokeny w tytule) —
+            # sąsiadujących członów, bo poprzedni wariant (każdy człon od trzech znaków
-            # chroni przed śmieciem na stronie i przed over-attribution.
+            # gdziekolwiek w tytule) degenerował się do samego imienia, gdy nazwisko było
-            if query_tokens and not all(tok in title_l for tok in query_tokens):
+            # krótsze: „Julia B." → człon „b." odpada na długości, zostaje „julia", i
+            # przypisanie łapało każdą scenę ze słowem Julia. Zgłoszenie `e28f2517`,
+            # 85 tys. błędnych przypisań na samym sxyprn.
+            if not person_named_in(title, query):
                 continue
             if not title:
                 continue
@@ -146,6 +175,14 @@ class SxyPrnScraper(BaseSearchScraper):
             if thumb and thumb.startswith("//"):
                 thumb = "https:" + thumb
 
+            author = _author_id(thumb, post_id)
+            if author in _BLOCKED_AUTHORS:
+                log.debug("sxyprn: pomijam post %s autora %s", post_id, _BLOCKED_AUTHORS[author])
+                continue
+            if len(tags) > _MAX_HASHTAGS:
+                log.debug("sxyprn: post %s ma %d hashtagow, wchodzi bez tagow", post_id, len(tags))
+                tags = []
+
             studio = None
             sub_m = _SUBCAT_RE.search(window)
             if sub_m:

app/connectors/direct_scrapers/tubepornclassic.py

@@ -0,0 +1,239 @@
+"""tubepornclassic.com, browse scraper po JSON API listingu (silnik TXXX). Dodany 2026-09-07.
+
+Retro i vintage (lata 70-00), ~168 tys. wideo, świeże wgrania codziennie (2026-09-06 przy
+dodawaniu). Zachodnia treść studyjna, więc wchodzi do głównego feedu, nie do wertykału.
+
+**Listing z API, nie z HTML.** Strona to SPA: HTML ma pusty `<title>` i zero linków do
+scen. Aplikacja woła `GET /api/json/videos2/<cache>/str/latest-updates/<count>/
+..<page>.all...json` (sekcja, object_id, typ, długość i data puste) i dostaje
+60 rekordów Z PEŁNYMI METADANYMI: tytuł, `dir` (slug), `duration`, `post_date`,
+`models` (obsada, CSV), `categories` + `tags` (CSV), `scr` (miniatura), `is_private`.
+Nie ma więc żadnego fetchu per scena, jedna strona = jeden request, w odróżnieniu od
+vjav (sitemap + meta per id). Koniec katalogu = 200 z `{"error":1,"code":"videos_not_found"}`
+(strona 2801 wciąż oddaje rekordy mimo `pages: 2800`, licznik jest z Sphinxa i przybliżony).
+
+**Wyzwanie 429.** Z serwerowni pierwszy request dostaje 429 i stronkę ustawiającą
+ciasteczko (`_txxx.CHALLENGE_COOKIE_RE`), z ciasteczkiem 200. Trzymamy je w instancji,
+gdyby i tak padło, a jest Bright Data, powtarzamy przez proxy (przez proxy 200 od razu).
+
+**Obsada tylko u 46 % scen** (28/60 w próbce), studia brak (`content_source_name` puste
+we wszystkich 60). Jan o tym wie („gorzej ze studiami i aktorami").
+
+**Bramka na spun-tytuły BEZ obsady.** 38 % tytułów (23/60) to generator SEO w stylu
+„Fabulous Sex Movie Vintage Try To Watch For Ever Seen" albo „Hottest Xxx Clip Fat Great
+Will Enslaves Your Mind" (ten sam szablon co na fullvideosporn, to jedna sieć). Gdy do
+takiego tytułu jest doczepione nazwisko („... - Marissa Malibu"), scena jest w apce
+odnajdywalna po performerze i zostaje. Gdy nazwiska nie ma (13/60 = 22 %), nie ma po
+czym jej znaleźć ani z czym zdeduplikować, więc NIE wchodzi. Zwykłe tytuły bez obsady
+(19/60, „Unforgettable Sensation") wchodzą: dopasowanie po tytule ma sens, retro ma
+w kanonie sporo scen.
+
+**Miniatura:** `scr` to 240x180. Ten sam katalog ma `preview.jpg` 1280x720 (sprawdzone),
+inne rozmiary w `videos_screenshots/<id>/<WxH>/1.jpg` dają 404, bierzemy preview.
+
+**Data:** `post_date` to data wgrania na tube, nie premiery (retro z lat 80. ma
+`2026-09-06`). Tak samo jak inne tuby; deep_crawl od strony 3 ustawia `backfill`.
+
+Playback: ekstraktor `tubepornclassic` (`_txxx.extract_hls`, HLS przez /proxy/hls).
+"""
+from __future__ import annotations
+
+import html as html_mod
+import json
+import logging
+import re
+from datetime import date, datetime
+
+from app.config import get_settings
+from app.connectors.base import RawPerformer, RawPlaybackSource, RawScene, RawStudio, RawTag
+from app.connectors.direct_scrapers._browse_base import BaseBrowseScraper
+from app.extractors import browser_get
+from app.extractors.tubes._txxx import CHALLENGE_COOKIE_RE
+from app.normalize.text import slugify
+
+log = logging.getLogger(__name__)
+
+_BASE = "https://tubepornclassic.com"
+_PER_PAGE = 60
+#: Cache po stronie serwera (sekundy). Aplikacja używa 86400; bierzemy krótszy, żeby
+#: strona 1 nie była o dobę stara przy godzinnym browse.
+_CACHE_LIFETIME = 3600
+_THUMB_SMALL_RE = re.compile(r"/\d+x\d+/\d+\.jpg$")
+#: Tagi-śmieci z pola `tags` (techniczne, nie opisowe).
+_SKIP_TAGS = frozenset({"hd", "4k", "1080p", "720p"})
+#: Szablon tytułu z generatora SEO: przymiotnik, potem (porn|xxx|sex|adult) i zaraz
+#: (video|clip|movie|scene). Zwykłe tytuły („Unforgettable Sensation", „Oceane, Amazing
+#: Blonde Bimbo, With 1 Or 3 Dicks") go nie łapią, bo brak im pary porn+video obok siebie.
+_SPUN_TITLE_RE = re.compile(
+    r"\b(fabulous|incredible|exotic|amazing|hottest|crazy|horny|best|excellent|astonishing|"
+    r"exclusive|fantastic|great|wild)\b.{0,24}\b(porn|xxx|sex|adult)\b.{0,3}\b(video|clip|movie|scene)\b",
+    re.IGNORECASE,
+)
+
+
+def _parse_duration(value: str | None) -> int | None:
+    """`1:16:43` / `14:17` -> sekundy."""
+    if not value:
+        return None
+    try:
+        parts = [int(p) for p in value.strip().split(":")]
+    except ValueError:
+        return None
+    sec = 0
+    for p in parts:
+        sec = sec * 60 + p
+    return sec or None
+
+
+def _parse_post_date(value: str | None) -> date | None:
+    if not value:
+        return None
+    try:
+        return datetime.strptime(value.strip(), "%Y-%m-%d %H:%M:%S").date()
+    except ValueError:
+        return None
+
+
+def _csv(value) -> list[str]:
+    if not isinstance(value, str):
+        return []
+    return [html_mod.unescape(x).strip() for x in value.split(",") if x.strip()]
+
+
+class TubePornClassicScraper(BaseBrowseScraper):
+    sitetag = "tubepornclassic"
+
+    def __init__(self) -> None:
+        super().__init__()
+        self._cookie: str | None = None
+        self._proxy = get_settings().brightdata_proxy_url
+
+    # ---- fetch z wyzwaniem 429 ------------------------------------------------------
+    def _gated_get(self, url: str):
+        """GET z ciasteczkiem wyzwania; None przy błędzie sieci albo trwałym 429."""
+        hdr = {"Referer": _BASE + "/", "Accept": "application/json,text/plain,*/*"}
+        if self._cookie:
+            hdr["Cookie"] = self._cookie
+        try:
+            res = browser_get(url, timeout=self._timeout, headers=hdr)
+            if res.status_code == 429:
+                ck = CHALLENGE_COOKIE_RE.search(res.text or "")
+                if ck is not None:
+                    self._cookie = f"{ck.group(1)}={ck.group(2)}"
+                    res = browser_get(url, timeout=self._timeout, headers=dict(hdr, Cookie=self._cookie))
+            if res.status_code == 429 and self._proxy:
+                res = browser_get(url, timeout=self._timeout, headers=hdr, proxy=self._proxy)
+        except Exception as e:
+            log.warning("tubepornclassic: fetch fail %s: %s", url, e)
+            return None
+        if res.status_code >= 400:
+            log.warning("tubepornclassic: HTTP %s na %s", res.status_code, url)
+            return None
+        return res
+
+    def _listing_url(self, page: int) -> str:
+        return (
+            f"{_BASE}/api/json/videos2/{_CACHE_LIFETIME}/str/latest-updates/{_PER_PAGE}/"
+            f"..{page}.all...json"
+        )
+
+    def crawl_page(self, page: int) -> list[RawScene] | None:
+        res = self._gated_get(self._listing_url(page))
+        if res is None:
+            return None  # transient: NIE oznaczaj końca katalogu
+        try:
+            data = json.loads(res.text)
+        except Exception as e:
+            log.warning("tubepornclassic: listing parse fail (page %d): %s", page, e)
+            return None
+        # Za końcem katalogu API oddaje 200 z `{"error":1,"code":"videos_not_found"}`
+        # (bez klucza `videos`). To jest wyczerpanie, nie awaria, stąd [] a nie None.
+        if data.get("code") == "videos_not_found":
+            return []
+        videos = data.get("videos")
+        if not isinstance(videos, list):
+            return None
+        out: list[RawScene] = []
+        for v in videos:
+            if not isinstance(v, dict):
+                continue
+            try:
+                scene = self._parse_item(v)
+            except Exception as e:
+                log.info("tubepornclassic: parse fail id=%s: %s", v.get("video_id"), e)
+                continue
+            if scene is not None:
+                out.append(scene)
+        return out
+
+    # ---- rekord listingu -> RawScene ------------------------------------------------
+    def _parse_item(self, v: dict) -> RawScene | None:
+        if str(v.get("is_private") or "0") != "0":
+            return None
+        try:
+            vid = int(v.get("video_id"))
+        except (TypeError, ValueError):
+            return None
+        title = html_mod.unescape(v.get("title") or "").strip()
+        slug = (v.get("dir") or "").strip()
+        if not title or not slug:
+            return None
+        page_url = f"{_BASE}/videos/{vid}/{slug}/"
+        duration_sec = _parse_duration(v.get("duration"))
+
+        thumb = (v.get("scr") or "").strip() or None
+        if thumb:
+            thumb = _THUMB_SMALL_RE.sub("/preview.jpg", thumb)
+
+        performers: list[RawPerformer] = []
+        seen: set[str] = set()
+        for name in _csv(v.get("models")):
+            s = slugify(name)
+            if s and s not in seen:
+                seen.add(s)
+                performers.append(RawPerformer(external_id=f"{self.sitetag}:model:{s}", name=name))
+        if not performers and _SPUN_TITLE_RE.search(title):
+            return None  # nieodnajdywalna: spun-tytuł i zero obsady, patrz docstring
+
+        studio = None
+        sname = (v.get("content_source_name") or "").strip()
+        if sname and slugify(sname):
+            studio = RawStudio(
+                external_id=f"{self.sitetag}:studio:{slugify(sname)}", name=sname, slug=slugify(sname)
+            )
+
+        tags: list[RawTag] = []
+        seen_t: set[str] = set()
+        for name in _csv(v.get("categories")) + _csv(v.get("tags")):
+            s = slugify(name)
+            if not s or s in seen_t or s in _SKIP_TAGS or len(s) > 60:
+                continue
+            seen_t.add(s)
+            tags.append(RawTag(external_id=f"{self.sitetag}:tag:{s}", name=name, slug=s))
+
+        return RawScene(
+            external_id=f"{self.sitetag}:{vid}",
+            title=title,
+            release_date=_parse_post_date(v.get("post_date")),
+            duration_sec=duration_sec,
+            url=page_url,
+            studio=studio,
+            performers=performers,
+            tags=tags,
+            playback_sources=[
+                RawPlaybackSource(
+                    origin=f"tube:{self.sitetag}",
+                    page_url=page_url,
+                    duration_sec=duration_sec,
+                    thumbnail_url=thumb,
+                )
+            ],
+            raw={"source": "tubepornclassic_api", "id": vid},
+        )
+
+    # ---- HTML stuby (ABC wymaga, nieużywane: listing i metadane idą z JSON) --------
+    def _extract_scene_urls(self, listing_html: str) -> list[str]:  # pragma: no cover
+        return []
+
+    def _parse_detail(self, scene_url: str, detail_html: str) -> RawScene | None:  # pragma: no cover
+        return None

app/connectors/direct_scrapers/vjav.py

@@ -1,15 +1,15 @@
-"""vjav.com — JAV browse scraper (TXXX network). Sitemap id-walk + JSON metadata API.
+"""vjav.com, JAV browse scraper (TXXX network). Sitemap id-walk + JSON metadata API.
 
 Osobna pula JAV (tytuły azjatyckie + `title_jp`, studia typu JAVHD), origin `tube:vjav`.
-Świadomie orphan vertical (sekcja JAV) — NIE deduplikuje się z zachodnim katalogiem.
+Świadomie orphan vertical (sekcja JAV), NIE deduplikuje się z zachodnim katalogiem.
 
-vjav to SPA (ktk_player + blob) — listing renderuje się JS-owo, więc HTML listingu
+vjav to SPA (ktk_player + blob), listing renderuje się JS-owo, więc HTML listingu
 nie ma linków do scen. Zamiast tego:
   - **browse**: `sitemap.xml` -> `sitemap_vids_N.xml` (id-e wszystkich wideo). Newest
     = najwyższe id (auto-increment). Cache posortowanej listy id malejąco, page N =
     kolejny wycinek PER_PAGE.
   - **metadata**: bogaty JSON API `GET /api/json/video/1/<floor>/<id>/<id>.json`
-    (floor = id//1000*1000) — title (+title_jp), duration, post_date, channel.title
+    (floor = id//1000*1000), title (+title_jp), duration, post_date, channel.title
     (studio), models{} (performerki), categories{}+tags{}.
   - **stream**: osobny ekstraktor `app/extractors/tubes/vjav.py` (videofile.php ->
     get_file HLS). RE 2026-07-10.
@@ -62,7 +62,7 @@ def _parse_duration(value: str | None) -> int | None:
 # --- bramka jakości tytułu ----------------------------------------------------------
 # vjav zaczął sypać śmieciem: pomiar 2026-08-04 na 295 scenach z doby po naprawie
 # dostępu dał 78,6% tytułów typu slug-concat i ZERO przypisanej obsady. Takie sceny są
-# w apce nieodnajdywalne — nie mają ani tytułu, ani performera, po którym da się trafić.
+# w apce nieodnajdywalne, nie mają ani tytułu, ani performera, po którym da się trafić.
 # W starym katalogu ten sam pomiar daje 27% (wcześniejsza liczba 2,9% była zaniżona,
 # bo sprawdzała tylko jeden z czterech wzorców).
 _JUNK_ID_JAV = re.compile(r"^\d{6,}_JAV", re.IGNORECASE)          # 0008364_JAV_JapaneseAV_...
@@ -74,7 +74,7 @@ def _has_cjk(text: str) -> bool:
     """Tytuły japońskie/chińskie MUSZĄ omijać heurystyki znakowe: `str.isalpha()` jest
     prawdziwe dla kana i kanji, a japoński nie stawia spacji, więc reguły „za mało
     samogłosek" i „brak spacji" odrzuciłyby prawdziwe tytuły na serwisie JAV. Ta pomyłka
-    wyszła przy pomiarze pierwszej wersji bramki — bez tego wyjątku poszłoby 708 z 708
+    wyszła przy pomiarze pierwszej wersji bramki, bez tego wyjątku poszłoby 708 z 708
     tytułów CJK z próbki."""
     return sum(1 for c in text if "　" <= c <= "鿿" or "＀" <= c <= "￯") >= 3
 
@@ -119,7 +119,7 @@ class VjavScraper(BaseBrowseScraper):
         # vjav odciął IP VPS-a: 2026-08-03 KAŻDA ścieżka (sitemap, strona główna,
         # /latest-updates/) oddawała 429 przy trzech próbach z rzędu, a przez proxy
         # 200 od pierwszej. Źródło stało 12 dni. Bright Data jest tu więc warunkiem
-        # działania, nie optymalizacją — bez klucza scraper się wyłącza.
+        # działania, nie optymalizacją, bez klucza scraper się wyłącza.
         self._proxy = get_settings().brightdata_proxy_url
         if not self._proxy:
             log.warning("vjav: BRAK BRIGHTDATA_PROXY_URL — vjav blokuje IP VPS-a (429)")
@@ -130,7 +130,7 @@ class VjavScraper(BaseBrowseScraper):
         zwrócenia [], czyli „koniec katalogu". Dlatego błąd pobrania NIE MOŻE tu
         ustawiać []: przy 429 scraper raportował 0 scen i 0 błędów, więc przez 12 dni
         wyglądał na zdrowy. Zostawiamy None = „nie wiadomo", co crawl_page tłumaczy na
-        transient-fail. Status sprawdzamy jawnie, bo `browser_get` nie rzuca na 4xx —
+        transient-fail. Status sprawdzamy jawnie, bo `browser_get` nie rzuca na 4xx,
         i to właśnie przez to treść błędu 429 była parsowana jako XML."""
         try:
             res = browser_get(_SITEMAP_INDEX, timeout=self._timeout, proxy=self._proxy)
@@ -238,7 +238,7 @@ class VjavScraper(BaseBrowseScraper):
         Po wprowadzeniu bramki jakości pusta strona przestała znaczyć „koniec
         katalogu": strona 1 bywa w 100% śmieciowa (same `0008364_JAV_...`), więc po
         odsianiu zwraca [], a bazowe `latest_scenes` traktowało to jak wyczerpanie i
-        kończyło CAŁY run — źródło dawało `seen: 0` mimo 39 dobrych scen na stronach
+        kończyło CAŁY run, źródło dawało `seen: 0` mimo 39 dobrych scen na stronach
         2-5. To ta sama pułapka „[] znaczy wyczerpane" co w `_load_ids`.
 
         Tu wyczerpanie rozstrzyga długość listy id, nie liczba scen po filtrze.
@@ -268,7 +268,7 @@ class VjavScraper(BaseBrowseScraper):
         out: list[RawScene] = []
         for vid in chunk:
             try:
-                # Proxy także tutaj — API metadanych siedzi na tym samym hoście, więc
+                # Proxy także tutaj, API metadanych siedzi na tym samym hoście, więc
                 # obejmuje je ten sam 429 co sitemap.
                 res = browser_get(
                     self._meta_url(vid),

app/connectors/direct_scrapers/watchporn.py

@@ -1,7 +1,7 @@
-"""watchporn.to — browse scraper (KVS engine). Re-enabled 2026-07-02.
+"""watchporn.to, browse scraper (KVS engine). Re-enabled 2026-07-02.
 
 Był search-scraperem (`?s=`), zamarzł, a potem site przebudowano na KVS z nowym
-layoutem. DoodStream-CAPTCHA (powód wyłączenia 2026-05-12) zniknął — teraz KVS
+layoutem. DoodStream-CAPTCHA (powód wyłączenia 2026-05-12) zniknął, teraz KVS
 flashvars `get_file` direct mp4 (extractor `watchporn`, VPS-side, token nie IP-bound).
 
 Browse `/latest-updates/` → detail page:

app/connectors/direct_scrapers/xanimeporn.py

@@ -0,0 +1,172 @@
+"""xanimeporn.com — browse scraper. Drugie źródło wertykału hentai. Dodany 2026-08-04.
+
+**NIE jest re-hostem hentaimamy — sprawdzone na wspólnym odcinku.** Shoujo Ramune 7
+leży na obu stronach, ale to zupełnie inne pliki: hentaimama serwuje
+`gdvid.info/S/shoujo-ramune-7.mp4` (jedna jakość, bez etykiety), a tutaj jest
+`download.xanimeporn.com/videos/1080p/[1080p]69951.mp4` z **jawnym wyborem 1080p (222 MB)
+i 720p (84 MB)**. To realna przewaga jakościowa, nie duplikat.
+
+Kryterium jak przy [[hentaimama]]: dla animacji nie istnieje kanon, więc każda pozycja
+jest orphanem i to jest poprawne. Nie ma obsady, nie ma canonical matcha — jakość mierzy
+komplet seria + odcinek + jakość pliku.
+
+**Listing idzie z RSS-a i to jedyna droga, która działa.** Sprawdzone trzy inne i każda
+ma inną wadę:
+
+  - `/page/2/`, `/page/3/` — oddają ten sam zestaw co strona 1 (28 z 32 wspólnych),
+    czyli paginacja jest ZEPSUTA, identycznie jak przy 8kporner
+  - `/uncensored/` i `/censored/` — stronicują poprawnie, ale NIE są chronologiczne:
+    pierwsze pozycje są z 2024, a zakres sięga 2015-2026. Browse-latest nigdy nie
+    zobaczyłby nowego odcinka, czyli dokładnie pułapka z freshporno
+  - `/hentai-list/` — cały katalog (1048 pozycji) na jednej stronie, dobre do
+    przyszłego deep-crawlu, bezużyteczne do „najnowszych"
+
+`/feed/` i `/feed/?paged=N` są chronologiczne (strona 1 = dziś, strona 2 = miesiąc
+wstecz) i dają po 10 pozycji, co przy kilku odcinkach dziennie w zupełności wystarcza.
+
+**Drugi filtr, też wymuszony przez dane:** slugi gatunków (`/futanari/`, `/big-tits/`,
+`/betrayal/`) są takimi samymi slugami najwyższego poziomu jak odcinki i przechodziły
+przez listę nazw nawigacji. Dlatego `_parse_detail` wymaga `postid-<n>` w klasie
+`<body>` — mają go tylko pojedyncze wpisy, nie archiwa. Ten sam identyfikator jest
+zresztą potrzebny extractorowi, więc brak = pozycja i tak bezużyteczna.
+
+Playback: `videos.xanimeporn.com/download.php?id=<postId>&quality=…` (extractor
+`xanimeporn`). Bez Cloudflare i bez proxy, w odróżnieniu od hentaimamy.
+"""
+from __future__ import annotations
+
+import html as html_mod
+import logging
+import re
+from datetime import datetime
+
+from app.connectors.base import RawPlaybackSource, RawScene, RawTag
+from app.connectors.direct_scrapers._browse_base import BaseBrowseScraper
+from app.extractors import browser_get
+from app.normalize.text import slugify
+
+log = logging.getLogger(__name__)
+
+_BASE = "https://xanimeporn.com"
+
+_FEED_LINK_RE = re.compile(r"<link>(https://xanimeporn\.com/[a-z0-9][a-z0-9-]+/)</link>")
+#: Tylko pojedyncze wpisy mają `postid-<n>` w klasie <body>; archiwa gatunków nie.
+_POST_ID_RE = re.compile(r"\bpostid-(\d+)\b")
+#: Kategoria z RSS-a — na stronie odcinka oba linki są w menu, więc czytanie ich
+#: stamtąd dałoby ZAWSZE „censored" i „uncensored" naraz.
+_FEED_ITEM_RE = re.compile(r"<item>(.*?)</item>", re.DOTALL)
+_FEED_CATEGORY_RE = re.compile(r"<category><!\[CDATA\[([^\]]+)\]\]></category>")
+_OG_TITLE_RE = re.compile(r"property=['\"]og:title['\"][^>]*content=['\"]([^'\"]{3,200})")
+_PUBLISHED_RE = re.compile(
+    r"property=['\"]article:published_time['\"][^>]*content=['\"]([^'\"]+)"
+)
+_POSTER_RE = re.compile(r"posterImage:\s*'([^']+)'")
+#: „Shoujo Ramune Episode 7 [Sub-ENG] | X Anime Porn" → tytuł bez sufiksu serwisu.
+_TITLE_SUFFIX_RE = re.compile(r"\s*\|\s*X Anime Porn\s*$", re.IGNORECASE)
+_SERIES_RE = re.compile(r"^(.*?)\s+Episode\s+\d+", re.IGNORECASE)
+
+
+class XAnimePornScraper(BaseBrowseScraper):
+    sitetag = "xanimeporn"
+
+    def _listing_url(self, page: int) -> str:
+        return f"{_BASE}/feed/" if page <= 1 else f"{_BASE}/feed/?paged={page}"
+
+    def _extract_scene_urls(self, listing_html: str) -> list[str]:
+        return list(dict.fromkeys(_FEED_LINK_RE.findall(listing_html)))
+
+    def crawl_page(self, page: int) -> list[RawScene] | None:
+        """Jak w bazie, ale kategorię (censored/uncensored) bierzemy z RSS-a, bo na
+        stronie odcinka oba linki siedzą w menu nawigacyjnym."""
+        try:
+            res = browser_get(self._listing_url(page), timeout=self._timeout)
+            res.raise_for_status()
+        except Exception as e:
+            log.warning("%s: feed strona %d fail: %s", self.sitetag, page, e)
+            return None
+
+        cats: dict[str, str] = {}
+        for item in _FEED_ITEM_RE.findall(res.text):
+            lm = _FEED_LINK_RE.search(item)
+            if not lm:
+                continue
+            for cat in _FEED_CATEGORY_RE.findall(item):
+                if cat.strip().lower() in ("censored", "uncensored"):
+                    cats[lm.group(1)] = cat.strip().lower()
+                    break
+
+        urls = self._extract_scene_urls(res.text)
+        if not urls:
+            return []
+        out: list[RawScene] = []
+        for url in urls:
+            try:
+                det = browser_get(url, timeout=self._timeout)
+                det.raise_for_status()
+                raw = self._parse_detail(url, det.text, cats.get(url, ""))
+            except Exception as e:
+                log.info("%s detail fail %s: %s", self.sitetag, url, e)
+                continue
+            if raw is not None:
+                out.append(raw)
+        return out
+
+    def _parse_detail(  # type: ignore[override]
+        self, scene_url: str, detail_html: str, archive: str = ""
+    ) -> RawScene | None:
+        # Archiwa gatunków (`/futanari/`, `/big-tits/`) mają takie same slugi jak odcinki
+        # i wchodziły jako pozycje bez daty i miniaturki. Tylko pojedynczy wpis ma postid.
+        if not _POST_ID_RE.search(detail_html):
+            return None
+        tm = _OG_TITLE_RE.search(detail_html)
+        if not tm:
+            return None
+        title = _TITLE_SUFFIX_RE.sub("", html_mod.unescape(tm.group(1))).strip()
+        if not title:
+            return None
+
+        release_date = None
+        pm = _PUBLISHED_RE.search(detail_html)
+        if pm:
+            try:
+                release_date = datetime.fromisoformat(pm.group(1)).date()
+            except ValueError:
+                pass
+
+        tags: list[RawTag] = []
+        if archive:
+            tags.append(
+                RawTag(
+                    external_id=f"{self.sitetag}:tag:{archive}",
+                    name=archive.capitalize(),
+                    slug=archive,
+                )
+            )
+        # Seria jako tag — pozwala grupować odcinki, tak samo jak w hentaimamie.
+        sm = _SERIES_RE.match(title)
+        if sm and slugify(sm.group(1)):
+            series = sm.group(1).strip()
+            tags.append(
+                RawTag(
+                    external_id=f"{self.sitetag}:series:{slugify(series)}",
+                    name=series,
+                    slug=slugify(series),
+                )
+            )
+
+        om = _POSTER_RE.search(detail_html)
+        slug = scene_url.rstrip("/").rsplit("/", 1)[-1]
+        return RawScene(
+            external_id=f"{self.sitetag}:{slug}",
+            title=title,
+            release_date=release_date,
+            url=scene_url,
+            tags=tags,
+            playback_sources=[
+                RawPlaybackSource(
+                    origin=f"tube:{self.sitetag}",
+                    page_url=scene_url,
+                    thumbnail_url=om.group(1).strip() if om else None,
+                )
+            ],
+        )

app/connectors/direct_scrapers/xhamster.py

@@ -1,4 +1,4 @@
-"""XHamster.com — direct HTML scrape search results.
+"""XHamster.com, direct HTML scrape search results.
 
 Search: `https://xhamster.com/search/<q>?page=<n>`
 Scene URL: `https://xhamster.com/videos/<slug>-<id>`
@@ -7,6 +7,13 @@ from __future__ import annotations
 
 import re
 
+# Karty sa renderowane z JSON-a w HTML (`window.initials`): kazda ma `pageURL` i
+# `thumbURL` (526x298 webp). Szukanie `<img>` w oknie tekstu gubilo polowe scen, bo
+# ten sam link wystepuje dwa razy (miniatura i tytul), a img jest tylko przy pierwszym.
+_JSON_CARD_RE = re.compile(
+    r'"pageURL":"(https:\\/\\/xhamster\.com\\/videos\\/[^"]+)","thumbURL":"([^"]+)"'
+)
+
 from app.connectors.direct_scrapers._search_base import BaseSearchScraper
 
 
@@ -17,3 +24,9 @@ class XHamsterScraper(BaseSearchScraper):
         r'href="(?P<url>https://xhamster\.com/videos/(?P<slug>[a-z0-9_\-]+))"',
         re.IGNORECASE,
     )
+
+    def _thumbnail_map(self, listing_html: str) -> dict[str, str]:
+        out: dict[str, str] = {}
+        for page_url, thumb in _JSON_CARD_RE.findall(listing_html):
+            out[page_url.replace("\\/", "/")] = thumb.replace("\\/", "/")
+        return out

app/connectors/direct_scrapers/xmoviesforyou.py

@@ -1,4 +1,4 @@
-"""xmoviesforyou.com — direct HTML scrape.
+"""xmoviesforyou.com, direct HTML scrape.
 
 Search: WordPress `?s=<q>` (lub `/page/<n>/?s=<q>` dla pagination).
 Scene URL: `https://xmoviesforyou.com/<slug>/` (single segment).

app/connectors/direct_scrapers/xnxx.py

@@ -1,4 +1,4 @@
-"""XNXX.com — direct HTML scrape search results.
+"""XNXX.com, direct HTML scrape search results.
 
 Search: `https://www.xnxx.com/search/<q>/<page-1>` (xnxx 0-indexed)
 Scene URL: `https://www.xnxx.com/video-<id>/<slug>`
@@ -12,7 +12,7 @@ from app.connectors.direct_scrapers._search_base import BaseSearchScraper
 
 class XnxxScraper(BaseSearchScraper):
     sitetag = "xnxxcom"
-    # `/<page-1>` — handle override in search() by replacing {page}.
+    # `/<page-1>`, handle override in search() by replacing {page}.
     _search_url_template = "https://www.xnxx.com/search/{query}/{page}"
     _scene_url_re = re.compile(
         r'href="(?P<url>/video-[a-z0-9]+/(?P<slug>[a-z0-9_\-]+))"',

app/connectors/direct_scrapers/xnxx_browse.py

@@ -1,6 +1,6 @@
-"""xnxx.com — BROWSE scraper (JSON-LD), obok search scrapera.
+"""xnxx.com, BROWSE scraper (JSON-LD), obok search scrapera.
 
-Detail page ma JSON-LD VideoObject (name/duration/uploadDate/thumbnail) — i TYLKO to
+Detail page ma JSON-LD VideoObject (name/duration/uploadDate/thumbnail), i TYLKO to
 bierzemy. Mimo wspólnego silnika z xvideos, xnxx detail NIE wystawia w SSR linków
 `/models/` ani `/tags/` (0 wystąpień, ładowane JS-em) → performerów/tagi dorabia
 canonical-merge + istniejący performer-search. XnxxScraper (search) zostaje; browse
@@ -8,13 +8,13 @@ dokłada sygnał świeżości. Tytuł z JSON-LD bywa HTML-encoded (`,`/`&e
 html.unescape.
 
 Listing: xnxx NIE ma czystego SSR `/new/` (404), ale `/best/<YYYY-MM>/<page>` jest
-SSR (linki /video-<id>/ w surowym HTML). Bierzemy bieżący miesiąc — pokrywa świeży
+SSR (linki /video-<id>/ w surowym HTML). Bierzemy bieżący miesiąc, pokrywa świeży
 content (sortowanie best-of-month, nie ściśle chronologiczne, ale dla sygnału
 świeżości wystarcza; ścisłą chronologię i tak daje performer-search). Homepage
 xnxx jest JS-renderowany (0 linków w surowym HTML), stąd /best/.
 
 Playback bez zmian (extractor `xnxxcom`). Phash pominięty (xnxx crop-thumbnaile,
-0% hit do canonical — jak xvideos).
+0% hit do canonical, jak xvideos).
 """
 from __future__ import annotations
 
@@ -108,7 +108,7 @@ class XnxxBrowseScraper(BaseBrowseScraper):
         if isinstance(thumbnail_url, list):
             thumbnail_url = thumbnail_url[0] if thumbnail_url else None
 
-        # performers/tags puste — xnxx detail nie ma ich w SSR (patrz docstring).
+        # performers/tags puste, xnxx detail nie ma ich w SSR (patrz docstring).
         return RawScene(
             external_id=f"{self.sitetag}:{scene_url}",
             title=title,

app/connectors/direct_scrapers/xvideos.py

@@ -1,4 +1,4 @@
-"""XVideos.com — direct HTML scrape search results.
+"""XVideos.com, direct HTML scrape search results.
 
 Search: `https://www.xvideos.com/?k=<q>&p=<page-1>` (xvideos używa 0-indexed pages)
 Scene URL: `https://www.xvideos.com/video<digits>/<slug>`
@@ -13,7 +13,7 @@ from app.connectors.direct_scrapers._search_base import BaseSearchScraper
 
 class XVideosScraper(BaseSearchScraper):
     sitetag = "xvideoscom"
-    # 0-indexed page — w base classie computed jako `page=N`, więc override _build_url.
+    # 0-indexed page, w base classie computed jako `page=N`, więc override _build_url.
     _search_url_template = "https://www.xvideos.com/?k={query}&p={page}"
     _scene_url_re = re.compile(
         r'href="(?P<url>/video[a-z0-9.\-]+/(?P<slug>[a-z0-9_\-]+))"',
@@ -21,10 +21,10 @@ class XVideosScraper(BaseSearchScraper):
     )
 
     def search(self, query, *, page=1, limit=None):
-        # XVideos używa 0-indexed pages — `page=1` w API → `&p=0` w URL.
+        # XVideos używa 0-indexed pages, `page=1` w API → `&p=0` w URL.
         # Override żeby base class fetch'nął zewnętrzny URL z (page-1).
         # Najprościej: dostosujmy URL w override przed wywołaniem super().search().
-        # Ale super() używa self._search_url_template — robimy clone z poprawionym page.
+        # Ale super() używa self._search_url_template, robimy clone z poprawionym page.
         original = self._search_url_template
         self._search_url_template = original.replace("{page}", str(page - 1))
         try:

app/connectors/direct_scrapers/xvideos_browse.py

@@ -1,14 +1,14 @@
-"""xvideos.com — deep-crawl browse scraper (JSON-LD + page-parse).
+"""xvideos.com, deep-crawl browse scraper (JSON-LD + page-parse).
 
 xvideos SSR-uje JSON-LD VideoObject (duration, name, uploadDate) ORAZ na detail-stronie
 linki `/models/<slug>` (performerzy tej sceny) + `/tags/<slug>` (tagi). Sample 2026-06-03
-(15 scen): median ~10.5min, 93% ≥3min — dobry full-scene content (nie trailery).
+(15 scen): median ~10.5min, 93% ≥3min, dobry full-scene content (nie trailery).
 
 Mega-katalog (~13M) → deep_crawl z per-tube page-cap (xvideoscom w deep_crawl._PAGE_CAP),
 żeby nie monopolizował round-robin ani nie zalał bazy. Listing: /new/<page> (newest).
 Scene: /video.<hash>/<slug>. Playback: page_url + origin tube:xvideoscom (istniejący
 extractor `xvideoscom` resolvuje stream mobile-side). Phash pominięty (xvideos robi
-własne crop-thumbnaile — 0% hit do canonical, jak fullmovies/hdporn).
+własne crop-thumbnaile, 0% hit do canonical, jak fullmovies/hdporn).
 """
 from __future__ import annotations
 
@@ -19,7 +19,7 @@ from datetime import date, datetime
 
 from app.connectors.base import RawPerformer, RawPlaybackSource, RawScene, RawTag
 from app.connectors.direct_scrapers._browse_base import BaseBrowseScraper, meta_content
-from app.normalize.text import slugify
+from app.normalize.text import slugify, unescape_html
 
 log = logging.getLogger(__name__)
 
@@ -29,7 +29,7 @@ _JSONLD_RE = re.compile(
     r'<script[^>]+type=["\']application/ld\+json["\'][^>]*>(.*?)</script>', re.IGNORECASE | re.DOTALL
 )
 # Model anchor: `<a href="/models/<slug>" ...><span ...></span><span class="name">Display Name</span>...`.
-# Nazwa siedzi w ZAGNIEŻDŻONYM <span class="name">, nie jako bezpośredni tekst anchora —
+# Nazwa siedzi w ZAGNIEŻDŻONYM <span class="name">, nie jako bezpośredni tekst anchora,
 # poprzedni wzorzec `>([^<]{2,60})</a>` wymagał tekstu zaraz po `>` i NIGDY nie pasował do
 # obecnego markupu xvideos → wszystkie browse-scraped sceny xvideos lądowały z 0 performerami
 # (bug-report 2026-06-07 "czemu nie ma aktorów, są na stronie"). `(?:(?!</a>).)*?` trzyma match
@@ -99,10 +99,11 @@ class XVideosBrowseScraper(BaseBrowseScraper):
     def _parse_detail(self, scene_url: str, detail_html: str) -> RawScene | None:
         video = _video_object(detail_html) or {}
 
-        title = (video.get("name") or "").strip()
+        # JSON-LD `name` niesie encje HTML5 (`we&apos;re`, `&lbrack;AI&rsqb;`), og:title tez.
+        title = unescape_html(video.get("name"))
         if not title:
             m = _SETTITLE_RE.search(detail_html)
-            title = m.group(1).strip() if m else (meta_content(detail_html, property="og:title") or "").strip()
+            title = unescape_html(m.group(1) if m else meta_content(detail_html, property="og:title"))
         if not title:
             return None
 

app/connectors/direct_scrapers/xxxfreewatch.py

@@ -1,4 +1,4 @@
-"""xxxfree.watch — direct HTML scrape.
+"""xxxfree.watch, direct HTML scrape.
 
 Domain: `xxxfree.watch` (sitetag `xxxfreewatch` is legacy from porn-app DEFAULT_SITETAGS).
 

app/connectors/direct_scrapers/yesporn.py

@@ -1,25 +1,25 @@
-"""yesporn.vip — latest-vids browse scraper.
+"""yesporn.vip, latest-vids browse scraper.
 
 Dołączony 2026-05-27. Identyfikowany przez user audit jako "scraper-of-paysites"
 (DogFart / HardX / TeamSkeet / Vixen / Brazzers content). Wcześniejszy theporndude
 audit pomylił domeny: `yespornvip.com` (z theporndude rankingu) redirectuje przez
-pdude.link do `porndudecams.com` affiliate spam — kanoniczna domena ma TLD `.vip`.
+pdude.link do `porndudecams.com` affiliate spam, kanoniczna domena ma TLD `.vip`.
 
 Czemu wart (parity z porndoe):
   - **JSON-LD VideoObject** w każdym scene page: name, description, uploadDate
     (ISO `YYYY-MM-DDTHH:MM:SS`), duration (ISO `PT0H39M00S`), thumbnailUrl
     (BunnyCDN: `yesnn.b-cdn.net/contents/videos_screenshots/...`).
-  - **`<meta property="video:duration" content="2340">`** — durations już w sekundach
+  - **`<meta property="video:duration" content="2340">`** durations już w sekundach
     (fallback gdy ISO-duration parse fail).
-  - **`<meta property="video:release_date">`** — ISO 8601 z timezone, redundant z
+  - **`<meta property="video:release_date">`** ISO 8601 z timezone, redundant z
     JSON-LD uploadDate ale czystszy format.
-  - **`<meta property="video:tag">`** (multiple) — kanoniczna lista tagów (np.
+  - **`<meta property="video:tag">`** (multiple), kanoniczna lista tagów (np.
     "Big Ass", "Threesome"). Główne źródło tagów; alternatywnie DOM ma `btn gold`
     linki ale te miksują performerów/studio z tagami.
   - **Studio + Performers**: oba w sekcji `<a class="btn gold" href="/channels/<slug>/">`
     (studio, singular) i `<a class="btn gold" href="/models/<slug>/">` (performerzy,
     multiple). Slugi mają stable per-type salt (`*-i459s7` dla modeli, `*-7p72tp`
-    dla channels) — zachowują się jak hash z site-version, ale stabilne przez
+    dla channels), zachowują się jak hash z site-version, ale stabilne przez
     sesje.
 
 External_id strategia: `yespornvip:<numeric_video_id>` (`/video/69841/...` → `69841`).
@@ -31,11 +31,11 @@ URL patterns:
   - Scene:   `/video/<id>/<slug>/` (id numeryczny, slug = title slug + 6-char salt)
   - Studio:  `/channels/<slug>/`
   - Performer: `/models/<slug>/`
-  - Search:  `/search/<query>/` (nie używane w browse-mode — można dorobić jako
+  - Search:  `/search/<query>/` (nie używane w browse-mode, można dorobić jako
     osobny tryb dla performer-driven backfill jeśli będzie potrzeba)
 
 Playback: download endpoint `/view_video_download.php?id=<id>&format=<480|720|1080>`
-z `data-attach-session="PHPSESSID"` — wymaga session cookie, więc nie direct mp4
+z `data-attach-session="PHPSESSID"`, wymaga session cookie, więc nie direct mp4
 z server-side. Plus jest `embedUrl: /embed/<id>` w JSON-LD. Extractor →
 `_vps_blocked_fallback.extract` (zgodne z pre-public bandwidth/anonymity policy):
 mobile WebView fetcha embed z phone IP, INJECTED_JS scrape'uje `<video>.src`.
@@ -66,7 +66,7 @@ log = logging.getLogger(__name__)
 
 _BASE = "https://yesporn.vip"
 
-# Listing — scene URLs w listing HTML: `<a href="https://yesporn.vip/video/<id>/<slug>/">`.
+# Listing, scene URLs w listing HTML: `<a href="https://yesporn.vip/video/<id>/<slug>/">`.
 # Slug `<slug>` zawiera stable per-type salt (`*-npu57w` dla videos).
 _SCENE_URL_RE = re.compile(
     r'href="(https://yesporn\.vip/video/(\d+)/[a-z0-9\-]+/)"',
@@ -87,13 +87,13 @@ _PERFORMER_LINK_RE = re.compile(
 )
 _HTML_TAG_RE = re.compile(r"<[^>]+>")
 
-# JSON-LD VideoObject — pełny blok między `<script type="application/ld+json">` tagami.
+# JSON-LD VideoObject, pełny blok między `<script type="application/ld+json">` tagami.
 _JSONLD_RE = re.compile(
     r'<script[^>]+type=["\']application/ld\+json["\'][^>]*>(.*?)</script>',
     re.IGNORECASE | re.DOTALL,
 )
 
-# `<meta property="video:tag" content="Big Ass">` — multiple, jeden tag per meta.
+# `<meta property="video:tag" content="Big Ass">`, multiple, jeden tag per meta.
 _META_TAG_RE = re.compile(
     r'<meta\s+property=["\']video:tag["\']\s+content=["\']([^"\']+)["\']',
     re.IGNORECASE,
@@ -122,7 +122,7 @@ def _parse_iso_date(value: str | None) -> date | None:
     """`2026-05-26T19:23:29Z` / `2026-05-26T19:23:29.EDT` → date."""
     if not value:
         return None
-    # yesporn emituje `.EDT` jako "timezone" w JSON-LD uploadDate — strip żeby
+    # yesporn emituje `.EDT` jako "timezone" w JSON-LD uploadDate, strip żeby
     # `fromisoformat` nie crash'ował. video:release_date meta ma czysty `Z`.
     cleaned = re.sub(r"\.[A-Z]{2,4}$", "", value.strip())
     try:
@@ -265,7 +265,7 @@ class YesPornVipScraper(BaseBrowseScraper):
         # lowercase. Legit kategorie są zawsze Title Case ("Big Ass", "Deep
         # Throat", "Blonde", "Gangbang") lub UPPER ("MILF", "BBW"). Potwierdzone
         # w 20-scene dry-run 2026-05-27. Trade-off: stracimy hipotetyczne legit
-        # lowercase tagi (np. "interracial" gdyby site je nie capitalize'ował) —
+        # lowercase tagi (np. "interracial" gdyby site je nie capitalize'ował),
         # akceptowalne bo tags mają wagę tylko 0.05 w composite scoring resolvera.
         tags: list[RawTag] = []
         seen_tag: set[str] = set()
@@ -283,17 +283,17 @@ class YesPornVipScraper(BaseBrowseScraper):
                 RawTag(external_id=f"{self.sitetag}:tag:{slug}", name=name, slug=slug)
             )
 
-        # Phash z thumbnailUrl — BunnyCDN `yesnn.b-cdn.net` hostuje 1.jpg per scene.
+        # Phash z thumbnailUrl, BunnyCDN `yesnn.b-cdn.net` hostuje 1.jpg per scene.
         # Hit-rate vs canonical TPDB/StashDB nieznany do pilot run; graceful: brak
         # phash → resolver spada do composite scoring (studio + performer + date +
-        # duration + title token-set) — wszystkie dostępne dzięki JSON-LD.
+        # duration + title token-set), wszystkie dostępne dzięki JSON-LD.
         fingerprints: list[RawFingerprint] = []
         if thumbnail_url:
             ph = compute_thumbnail_phash(thumbnail_url, referer=_BASE + "/")
             if ph:
                 fingerprints.append(RawFingerprint(kind="phash", value=ph))
 
-        # Playback — page_url do strony sceny. Direct mp4 (`view_video_download.php`)
+        # Playback, page_url do strony sceny. Direct mp4 (`view_video_download.php`)
         # wymaga PHPSESSID cookie (data-attach-session attribute), więc nie usable
         # server-side. Extractor `yespornvip` → `_vps_blocked_fallback.extract`:
         # mobile WebView z phone IP łapie session natively, INJECTED_JS scrape.