a4486980a4
1745 wystapien w 291 plikach (backend, scripts, mobile). Dominowal jeden ksztalt, ' — ' laczace zdania, wiec poszedl przecinek; myslnik otwierajacy mysl zdjety; zakresy 0–5 i A–Z na dywiz. Podzial komentarz/kod robil skaner stanow, nie regex, zeby nie ruszyc myslnika stojacego w stringu albo w wyrazeniu regularnym. Potwierdzone maszynowo: po wycieciu komentarzy z wersji HEAD i z dysku obie sa identyczne we wszystkich 291 plikach, czyli poza komentarzami nie zmienilo sie nic. 233 pliki .py parsuja sie bez bledu, tsc ma te same 11 bledow w tych samych 3 plikach co przed zmiana. Dwie rzeczy wymagaly poprawki po automacie: wyrownane listy definicji, gdzie myslnik byl separatorem kolumny (37 miejsc, kolumna przywrocona), i trzy przeniesienia mysli do nowej linii, gdzie zostawal wiszacy przecinek na poczatku (poprawione recznie). Bundla nie republikuje: Hermes i tak nie niesie komentarzy, wiec dla uzytkownika to zero zmiany. Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
89 lines
3.5 KiB
Python
89 lines
3.5 KiB
Python
"""Dedup missing-merge: ten sam performer + identyczny znormalizowany tytuł + identyczna
|
||
długość (co do sekundy).
|
||
|
||
bulk_dedup łapie cross-source (tpdb↔stashdb) i exact-phash, ale NIE tube-dupy bez
|
||
fingerprintów (ta sama scena zescrapowana 2× pod różnym URL/slug, albo cross-tube np.
|
||
porn00 wciąga wideo już obecne z xnxx). User widzi „te same miniatury, duplikat"
|
||
(reports 28fe8181 / 32df33b1, porn00). Sygnał `same performer + exact norm-title +
|
||
exact duration_sec` jest praktycznie pewny (dwa różne wideo nie mają byte-identycznego
|
||
tytułu I długości co do sekundy). Bez wspólnej aktorki NIE łączymy (over-match trap).
|
||
|
||
Re-ingesty pod nowymi slug/tytułami → dupy odrastają, stąd cyklicznie (scheduler).
|
||
Też jako one-shot (scripts/merge_exact_title_duration.py importuje stąd).
|
||
"""
|
||
from __future__ import annotations
|
||
|
||
import logging
|
||
import uuid as _u
|
||
|
||
from sqlalchemy import text
|
||
|
||
from app.db import session_scope
|
||
from app.resolve.scene_merge import merge_scenes
|
||
|
||
log = logging.getLogger(__name__)
|
||
|
||
|
||
def _groups(pid: str | None, playback_only: bool) -> list[list[str]]:
|
||
where_perf = "AND sp.performer_id = :pid" if pid else ""
|
||
# app-visible: tylko sceny z żywym playbackiem (to co user faktycznie widzi),
|
||
# pomija canonical stuby bez tube-linków.
|
||
where_pb = (
|
||
"AND EXISTS (SELECT 1 FROM playback_sources p WHERE p.scene_id=s.id AND p.dead_at IS NULL)"
|
||
if playback_only else ""
|
||
)
|
||
sql = f"""
|
||
WITH cand AS (
|
||
SELECT s.id, sp.performer_id, lower(btrim(s.title)) nt, s.duration_sec dur, s.created_at,
|
||
(SELECT count(*) FROM scene_external_refs r WHERE r.scene_id=s.id) refs,
|
||
(SELECT count(*) FROM playback_sources p WHERE p.scene_id=s.id) srcs
|
||
FROM scenes s
|
||
JOIN scene_performers sp ON sp.scene_id=s.id {where_perf}
|
||
WHERE s.duration_sec IS NOT NULL AND btrim(s.title) <> '' {where_pb}
|
||
)
|
||
SELECT array_agg(id::text ORDER BY refs DESC, srcs DESC, created_at ASC) members
|
||
FROM cand
|
||
GROUP BY performer_id, nt, dur
|
||
HAVING count(*) > 1
|
||
"""
|
||
params = {"pid": pid} if pid else {}
|
||
with session_scope() as s:
|
||
rows = s.execute(text(sql), params).all()
|
||
seen: set[frozenset] = set()
|
||
out: list[list[str]] = []
|
||
for (members,) in rows:
|
||
key = frozenset(members)
|
||
if key in seen:
|
||
continue
|
||
seen.add(key)
|
||
out.append(list(members))
|
||
return out
|
||
|
||
|
||
def run_title_duration_dedup(
|
||
*, pid: str | None = None, playback_only: bool = True, commit: bool = True
|
||
) -> dict[str, int]:
|
||
"""Scal dupy o identycznym performer+tytuł+długość. Zwraca {groups, merges, merged, errors}."""
|
||
groups = _groups(pid, playback_only)
|
||
pairs = sum(len(g) - 1 for g in groups)
|
||
merged = errors = 0
|
||
for g in groups:
|
||
keep = g[0]
|
||
for drop in g[1:]:
|
||
if not commit:
|
||
continue
|
||
try:
|
||
with session_scope() as s:
|
||
merge_scenes(
|
||
s, keep_id=_u.UUID(keep), drop_id=_u.UUID(drop),
|
||
resolved_by="title_duration_dedup",
|
||
)
|
||
merged += 1
|
||
except Exception as e: # pragma: no cover - obronnie
|
||
errors += 1
|
||
if errors <= 20:
|
||
log.warning("title_dedup keep %s drop %s: %s", keep[:8], drop[:8], str(e)[:120])
|
||
result = {"groups": len(groups), "merges": pairs, "merged": merged, "errors": errors}
|
||
if commit:
|
||
log.info("title_duration_dedup: %s", result)
|
||
return result
|