From c3c89646cec46192427ce19d043f02c2976b4b9e Mon Sep 17 00:00:00 2001
From: bot-backend <bot-backend@gendsgn.local>
Date: Wed, 17 Jun 2026 21:21:56 +0300
Subject: [PATCH] fix(scrapers): narrow domrf Level-1 status badge-class regex
 (#1609 follow-up)
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

_STATUS_BADGE_CLS_RE was too broad: `status|badge|tag|chip|label` matched
generic UI elements (e.g. <span class="label">, <span class="chip">) that
are unrelated to the sale-status badge, risking picking the wrong block.

Narrowed to `(?<![a-z])status(?![a-z])` — requires the literal token
"status" as a hyphen-delimited component of the CSS class (matches
`status-badge`, `flat-status-tag`, `object-status` but not bare `label`,
`tag`, `chip`, `badge`).

Adds regression test: page with generic label/tag/chip/badge elements
containing "В продаже" must NOT activate Level-1; only the real
`status-badge` block ("Продана") should be returned → status=sold.
---
 .../app/services/scrapers/domrf_catalog.py    |  7 +++++-
 .../scrapers/test_domrf_catalog_parse.py      | 25 +++++++++++++++++++
 2 files changed, 31 insertions(+), 1 deletion(-)
diff --git a/backend/app/services/scrapers/domrf_catalog.py b/backend/app/services/scrapers/domrf_catalog.py
index e1306a61..9fd2d536 100644
--- a/backend/app/services/scrapers/domrf_catalog.py
+++ b/backend/app/services/scrapers/domrf_catalog.py
@@ -80,7 +80,12 @@ _STATUS_KW_RE = re.compile(
     re.IGNORECASE | re.UNICODE,
 )
 # CSS-классы, характерные для статус-бейджей в Next.js/Tailwind.
-_STATUS_BADGE_CLS_RE = re.compile(r"status|badge|tag|chip|label", re.IGNORECASE)
+# Требуем слово «status» как отдельный токен внутри hyphen-separated CSS-класса
+# (напр. «status-badge», «flat-status-tag», «object-status»).
+# Предыдущий паттерн «status|badge|tag|chip|label» был слишком широк —
+# срабатывал на любой generic элемент с классом «tag»/«chip»/«label»/«badge»,
+# не имеющим отношения к статусу продажи (#1609 follow-up, #1686).
+_STATUS_BADGE_CLS_RE = re.compile(r"(?<![a-z])status(?![a-z])", re.IGNORECASE)
 
 
 def _classify_status_kw(matched_text: str) -> str | None:
diff --git a/backend/tests/services/scrapers/test_domrf_catalog_parse.py b/backend/tests/services/scrapers/test_domrf_catalog_parse.py
index c75f3fdc..a9214814 100644
--- a/backend/tests/services/scrapers/test_domrf_catalog_parse.py
+++ b/backend/tests/services/scrapers/test_domrf_catalog_parse.py
@@ -211,6 +211,31 @@ def test_prodana_feminine_classified_as_sold() -> None:
     assert result.get("status") == STATUS_SOLD
 
 
+def test_generic_label_tag_not_treated_as_badge() -> None:
+    """Элемент с классом 'label' или 'tag' (без слова 'status') НЕ должен
+    активировать Уровень 1 (#1686 follow-up: regex был слишком широк).
+
+    Страница: generic <span class="label"> с текстом 'В продаже' в шапке,
+    реальный статус-бейдж с классом 'status-badge' содержит 'Продана'.
+    Уровень 1 должен выбрать только блок status-badge, а не label-шапку.
+    """
+    html = (
+        "<!doctype html><html><body>"
+        # generic label в шапке — НЕ должен активировать Level-1 badge match
+        '<span class="label">В продаже</span>'
+        '<span class="tag">Новостройка</span>'
+        '<span class="chip">ЕКБ</span>'
+        '<span class="badge">Акция</span>'
+        # настоящий статус-бейдж — должен быть подхвачен Level-1
+        '<div class="status-badge">Продана</div>'
+        "</body></html>"
+    )
+    result = parse_catalog_flat(html)
+    # Level-1 должен взять status-badge (Продана → sold),
+    # generic label/tag/chip/badge не должны перебить правильный результат
+    assert result.get("status") == STATUS_SOLD
+
+
 def test_full_page_sold_flat_no_false_free() -> None:
     """Реалистичный HTML проданной квартиры: навигация 'в продаже', бейдж 'продано'."""
     html = (
-- 
2.45.3

