fix(tradein): harden same-building anchor address normalizer for prod formats (#677) (#679)

Co-authored-by: bot-backend <bot-backend@gendsgn.local>
Co-committed-by: bot-backend <bot-backend@gendsgn.local>

tradein-mvp/backend/app/services/estimator.py

@@ -855,54 +855,135 @@ def _fetch_dkp_corridor(
 # Street-alias map: ЕКБ-специфичные расхождения между golden/source-адресами и БД.
 # Golden «Ткачёва 13» = БД «Ткачей 13» — без алиаса 0 комплов для 5 business-кейсов
 # (Clever Park). Ключи/значения уже ё→е-нормализованы и lowercase. Расширяемо.
+# ВАЖНО: применяется к ЦЕЛЬНОМУ street_core (после strip type-words), не к токену.
 _STREET_ALIAS_MAP: dict[str, str] = {
     "ткачева": "ткачей",  # «ул. Ткачёва» (родит. падеж) ↔ БД «ул. Ткачей»
 }
 
-# Токен номера дома: ведущее целое + опциональная литера (рус/лат) + опциональный
-# корпус «/N». Примеры: «204Г» → (204, 'г'); «4/2» → (4, None); «48» → (48, None).
-_HOUSE_TOKEN_RE = re.compile(
-    r"(?P<num>\d+)\s*(?P<letter>[а-яёa-z])?(?:\s*[/-]\s*\d+)?",
-    flags=re.IGNORECASE | re.UNICODE,
+# Street-type токены: канонизируем (drop type-слово, оставляем имя). Реальные prod-
+# адреса ставят тип ДО или ПОСЛЕ имени («улица Ткачей» И «Олимпийская наб.») — поэтому
+# дропаем тип ОТКУДА УГОДНО в строке, а не только ведущий keyword. Лемматизированы по
+# точкам/окончаниям: матчим точное слово ИЛИ «<core>.»-сокращение.
+_STREET_TYPE_TOKENS: frozenset[str] = frozenset(
+    {
+        "улица",
+        "ул",
+        "у",
+        "переулок",
+        "пер",
+        "проспект",
+        "пр",
+        "прт",
+        "пркт",
+        "пр-кт",
+        "пр-т",
+        "проезд",
+        "бульвар",
+        "бр",
+        "б-р",
+        "набережная",
+        "наб",
+        "шоссе",
+        "ш",
+        "площадь",
+        "пл",
+        "тракт",
+        "аллея",
+        "тупик",
+    }
 )
 
+# Административные токены-маркеры: всё, что относится к городу/району/мкр — НЕ часть
+# имени дома. Дропаем токен-маркер ВМЕСТЕ со следующим за ним словом-значением
+# («р-н Октябрьский», «мкр Парковый», «г Екатеринбург»). Города ЕКБ-агломерации тоже
+# чистим (стоят как ведущий токен «Екатеринбург,»/«Первоуральск,»).
+_ADMIN_MARKER_TOKENS: frozenset[str] = frozenset(
+    {"рн", "р-н", "район", "мкр", "микрорайон", "г", "гор", "город", "обл", "область"}
+)
+_CITY_TOKENS: frozenset[str] = frozenset(
+    {"екатеринбург", "первоуральск", "березовский", "верхняя", "пышма", "среднеуральск", "россия"}
+)
+
+# Литера корпуса, прилипшая к номеру: «16а», «204г», «57а» → base + letter (рус/лат).
+_HOUSE_LETTER_RE = re.compile(r"^(?P<num>\d+)\s*(?P<letter>[а-яa-z])?$", flags=re.UNICODE)
+# Разбивка на токены: слова/числа, отбрасывая пунктуацию (',', '.', '·', '/', '-').
+_TOKEN_SPLIT_RE = re.compile(r"[\s,;·]+", flags=re.UNICODE)
+
 
 def _normalize_building_key(
     address: str | None,
 ) -> tuple[str | None, int | None, str | None]:
-    """Нормализует адрес в ключ «того же дома»: (street_alias, base_house_no, letter).
+    """Нормализует адрес в robust-ключ «того же дома»: (street_core, base_no, letter).
 
-    - ё→е, lowercase, отрезаем «г. Екатеринбург»/«ул.»/«пр.»/… (reuse extract_street_name).
-    - base_house_no = ведущее целое house-токена («204Г»/«4/2»/«9/1» → 204/4/9).
-    - letter = опциональная литера корпуса (204**Г** → 'г'); корпус «/N» отбрасываем
-      (один дом). Литеры — РАЗНЫЕ дома в одном ЖК (8 Марта 204Г ≠ 204Д), поэтому
-      при наличии литеры у target матчим именно её (точнее, без ложного слипания).
-    - street прогоняется через _STREET_ALIAS_MAP (Ткачёва→Ткачей и т.д.).
+    Инвариантен к prod-форматам ЕКБ-вторички:
+      - ё→е, lowercase.
+      - отрезает город / «р-н …» / «мкр …» / «г. …» / «· …»-хвост (district-suffix).
+      - дропает street-type слова ОТКУДА УГОДНО (улица/ул./наб./набережная/пр./… —
+        тип может стоять ДО или ПОСЛЕ имени: «улица Ткачей» И «Олимпийская наб.»);
+        остаток alpha-токенов = street_core («бориса ельцина», «сакко и ванцетти»).
+      - base_no = первый числовой токен ПОСЛЕ имени улицы, толерантно к
+        «Ткачей, 13» = «Ткачей,13» = «Ткачей,д. 13» = «Ткачей дом 13».
+      - letter = прилипшая литера корпуса («16а»→'а', «204г»→'г'); «/N» и «кN»
+        (корпус) схлопываются к base (тот же дом). Литеры — РАЗНЫЕ дома (204г ≠ 204д).
+      - street_core прогоняется через _STREET_ALIAS_MAP (ткачева→ткачей).
 
-    Returns (street_norm, base_no, letter) — любой элемент None если не извлёкся.
+    Returns (street_core, base_no, letter) — любой элемент None если не извлёкся.
     Best-effort: при пустом адресе → (None, None, None).
     """
     if not address:
         return None, None, None
-    norm = address.replace("ё", "е").replace("Ё", "Е")
-    street = extract_street_name(norm)
-    street_norm = street.strip().lower() if street else None
-    if street_norm:
-        street_norm = _STREET_ALIAS_MAP.get(street_norm, street_norm)
+    norm = address.replace("ё", "е").replace("Ё", "Е").lower()
+    # Отрезаем «· …»-хвост (Avito-формат «… · р-н Центр»): district всегда после «·».
+    norm = norm.split("·")[0]
+    # «д.»/«дом» перед номером → пробел (чтобы числовой токен встал отдельно).
+    norm = re.sub(r"\b(?:д\.?|дом)\s*(?=\d)", " ", norm, flags=re.UNICODE)
 
-    # Ищем house-токен ПОСЛЕ имени улицы (чтобы «8 Марта» не дало num=8 как дом).
-    tail = norm
-    if street:
-        idx = norm.lower().find(street.lower())
-        if idx >= 0:
-            tail = norm[idx + len(street) :]
+    raw = [t for t in _TOKEN_SPLIT_RE.split(norm) if t]
+
+    # 1. Вычищаем admin-маркеры (+следующее за ними значение) и города.
+    cleaned: list[str] = []
+    skip_next = False
+    for tok in raw:
+        if skip_next:
+            skip_next = False
+            continue
+        bare = tok.rstrip(".")
+        if bare in _ADMIN_MARKER_TOKENS:
+            skip_next = True  # дропаем и сам маркер, и следующее слово-значение
+            continue
+        if bare in _CITY_TOKENS:
+            continue
+        cleaned.append(tok)
+
+    # 2. House-токен = ПОСЛЕДНИЙ токен, начинающийся с цифры. Берём последний (а не
+    #    первый), чтобы числа ВНУТРИ имени улицы («8 Марта», «1905 года») не съелись
+    #    как номер дома — настоящий номер всегда в хвосте, за именем. Хвост за номером
+    #    (корпус «/N», «кN») игнорируем; всё остальное — токены улицы.
     base_no: int | None = None
     letter: str | None = None
-    m = _HOUSE_TOKEN_RE.search(tail)
-    if m:
-        base_no = int(m.group("num"))
-        letter = m.group("letter").lower() if m.group("letter") else None
-    return street_norm, base_no, letter
+    house_idx: int | None = None
+    for i, tok in enumerate(cleaned):
+        if tok[0].isdigit():
+            head = re.split(r"[/\\]", tok, maxsplit=1)[0]  # «4/2» → «4»; корпус отброшен
+            head = re.split(r"к\d", head, maxsplit=1)[0]  # «105к1» → «105»
+            m = _HOUSE_LETTER_RE.match(head)
+            if m:
+                base_no = int(m.group("num"))
+                letter = m.group("letter") or None
+                house_idx = i
+
+    # 3. street_core = токены до номера дома, минус type-слова (улица/наб./пр./…) и
+    #    минус сам house-токен. Числовые префиксы имени («8 марта») сохраняем.
+    street_tokens = [
+        tok
+        for i, tok in enumerate(cleaned)
+        if i != house_idx and tok.rstrip(".") not in _STREET_TYPE_TOKENS
+    ]
+    street_core = " ".join(street_tokens).strip() or None
+    if street_core:
+        street_core = _STREET_ALIAS_MAP.get(street_core, street_core)
+
+    return street_core, base_no, letter
 
 
 def _fetch_anchor_comps(

tradein-mvp/backend/tests/test_same_building_anchor.py

@@ -59,6 +59,112 @@ def test_normalize_empty_address() -> None:
     assert _normalize_building_key("") == (None, None, None)
 
 
+# ── #677 hardening: real prod address-format variants → same key ─────────────
+
+
+def test_normalize_tkachei13_all_db_variants_same_key() -> None:
+    """Все prod-форматы «Ткачей 13» (запятая/«д.»/город/·-хвост/р-н/мкр) → ('ткачей', 13)."""
+    variants = [
+        "Екатеринбург, ул. Ткачёва, 13",  # golden alias + ё
+        "Екатеринбург, улица Ткачей, 13",
+        "ул. Ткачей,13",  # no space after comma
+        "ул. Ткачей,д. 13",  # «д.» variant
+        "улица Ткачей, 13 · р-н Октябрьский",  # ·-tail district
+        "р-н Октябрьский, мкр. Парковый, улица Ткачей, 13",  # district + mkr prefix
+    ]
+    for v in variants:
+        assert _normalize_building_key(v) == ("ткачей", 13, None), v
+
+
+def test_normalize_house_13_not_130_or_131() -> None:
+    """Дом 13 не должен совпасть с соседями 130/131 (разные base_no)."""
+    assert _normalize_building_key("улица Ткачей, 13")[1] == 13
+    assert _normalize_building_key("улица Ткачей, 130")[1] == 130
+    assert _normalize_building_key("улица Ткачей, 131")[1] == 131
+
+
+def test_normalize_naberezhnaya_type_word_either_side() -> None:
+    """Type-слово до ИЛИ после имени → один street_core «олимпийская»; наб.↔набережная."""
+    keys = {
+        _normalize_building_key("Олимпийская наб.,13"),
+        _normalize_building_key("набережная Олимпийская, 13"),
+        _normalize_building_key("Екатеринбург, Олимпийская набережная, 13"),
+        _normalize_building_key("р-н Центр, набережная Олимпийская, 13"),
+    }
+    assert keys == {("олимпийская", 13, None)}
+
+
+def test_normalize_borisa_eltsina_multiword_street() -> None:
+    """Многословное имя «Бориса Ельцина» сохраняется целиком; «д. 6»/город/·-хвост → 6."""
+    for v in (
+        "ул. Бориса Ельцина,д. 6",
+        "ул. Бориса Ельцина,6",
+        "Екатеринбург, улица Бориса Ельцина, 6",
+        "Бориса Ельцина, 6",
+        "улица Бориса Ельцина, 6 · р-н Центр",
+    ):
+        assert _normalize_building_key(v) == ("бориса ельцина", 6, None), v
+
+
+def test_normalize_sakko_multiword_with_conjunction() -> None:
+    """«Сакко и Ванцетти» (с союзом) → стабильный core; 99 ≠ 100/105к1 (разные дома)."""
+    assert _normalize_building_key("ул. Сакко и Ванцетти,99") == ("сакко и ванцетти", 99, None)
+    assert _normalize_building_key("р-н Центр, улица Сакко и Ванцетти, 99") == (
+        "сакко и ванцетти",
+        99,
+        None,
+    )
+    assert _normalize_building_key("ул. Сакко и Ванцетти,100")[1] == 100  # separate building
+    assert _normalize_building_key("р-н Центр, улица Сакко и Ванцетти, 105к1") == (
+        "сакко и ванцетти",
+        105,  # «105к1» корпус схлопнут к base
+        None,
+    )
+
+
+def test_normalize_fevralskoy_revolyutsii_no_space_house() -> None:
+    """«ул. Февральской Революции,21» (genitive multiword, no-space house) → core+21."""
+    assert _normalize_building_key("ул. Февральской Революции,21") == (
+        "февральской революции",
+        21,
+        None,
+    )
+
+
+def test_normalize_8_marta_numeric_street_prefix() -> None:
+    """Числовой префикс имени («8 Марта») НЕ съедается как номер дома — номер в хвосте."""
+    assert _normalize_building_key("Екатеринбург, улица 8 Марта, 204Г") == ("8 марта", 204, "г")
+    # без литеры
+    assert _normalize_building_key("улица 8 Марта, 50") == ("8 марта", 50, None)
+
+
+def test_normalize_corpus_letter_distinct_from_plain() -> None:
+    """Литера корпуса — РАЗНЫЕ дома: 16А (letter 'а') ≠ 16 (None)."""
+    assert _normalize_building_key("Екатеринбург, улица Ткачей, 16А") == ("ткачей", 16, "а")
+    assert _normalize_building_key("улица Ткачей, 16") == ("ткачей", 16, None)
+
+
+def test_normalize_slash_corpus_collapses() -> None:
+    """Корпус «/N» схлопывается к base (тот же дом): 9/1 → 9, 4/2 → 4, 19/2 → 19."""
+    assert _normalize_building_key("Олимпийская набережная, 9/1")[1] == 9
+    assert _normalize_building_key("Екатеринбург, ул. Мраморская, 4/2")[1] == 4
+    assert _normalize_building_key("улица Ткачей, 19/2")[1] == 19
+
+
+def test_normalize_alias_applied_to_full_core_with_yo() -> None:
+    """ё→е применяется ДО alias; alias матчит целый core (ткачёва→ткачева→ткачей)."""
+    assert _normalize_building_key("ул. Ткачёва, 13")[0] == "ткачей"
+
+
+def test_normalize_no_house_number_returns_none_base() -> None:
+    """Адрес без номера дома («р-н Центр, улица Бориса Ельцина») → base_no None (no match)."""
+    assert _normalize_building_key("р-н Центр, улица Бориса Ельцина") == (
+        "бориса ельцина",
+        None,
+        None,
+    )
+
+
 # ── Pure anchor compute ─────────────────────────────────────────────────────