tradein-mvp/backend/tests/scrapers/test_avito_clean_address_rating_tail.py

@@ -0,0 +1,59 @@
+"""Адрес Авито не должен утаскивать за собой рейтинг дома и число отзывов.
+
+Прод 2026-08-10: 1 123 активных объявления Авито с адресом вида
+«ул. Ткачей,17·5,0 · 4 отзыва», и у 1 123 из 1 123 нет координат — доля 100%.
+У объявлений с чистым адресом координаты есть у 4 766. Хвост появился 27.07.2026,
+когда Авито начал рендерить рейтинг внутри того же <p> в item-location.
+"""
+
+from __future__ import annotations
+
+import pytest
+from scraper_kit.providers.avito.serp import _clean_address
+
+
+@pytest.mark.parametrize(
+    ("raw", "expected"),
+    [
+        # Живые строки с прода — рейтинг + счётчик отзывов.
+        ("Авиационная ул.,10·4,9 · 11 отзывов", "Авиационная ул.,10"),
+        ("ул. 8 Марта,204Г/2·4,3 · 3 отзыва", "ул. 8 Марта,204Г/2"),
+        ("ул. Академика Шварца,18к2·1 отзыв", "ул. Академика Шварца,18к2"),
+        # Только счётчик, без рейтинга.
+        ("ул. Фурманова,59·2 отзыва", "ул. Фурманова,59"),
+        # Пробелы вокруг разделителя.
+        ("ул. Ткачей, 17 · 5,0 · 4 отзыва", "ул. Ткачей, 17"),
+    ],
+)
+def test_rating_tail_stripped(raw: str, expected: str) -> None:
+    assert _clean_address(raw) == expected
+
+
+def test_district_marker_after_dot_survives() -> None:
+    """Режем «·» только перед цифрой — район за точкой остаётся на месте.
+
+    Иначе фикс рейтинга съел бы разделитель района, который _deglue_house_marker
+    намеренно восстанавливает (#1773).
+    """
+    assert (
+        _clean_address("улица Вильгельма де Геннина, 59 · р-н Академический")
+        == "улица Вильгельма де Геннина, 59 · р-н Академический"
+    )
+
+
+def test_clean_address_unchanged() -> None:
+    assert _clean_address("с. Новоалексеевское, ул. 8 Марта,35") == (
+        "с. Новоалексеевское, ул. 8 Марта,35"
+    )
+
+
+def test_existing_noise_still_stripped() -> None:
+    """Регрессия: старые хвосты (CSS/метро/«от N мин.») режутся как раньше."""
+    assert _clean_address("ул. Токарей, 56к1Площадь 1905 года.css-39hgr0{fill:red}") == (
+        "ул. Токарей, 56к1"
+    )
+    assert _clean_address("ул. Малышева, 1.css-xxx{color:blue}") == "ул. Малышева, 1"
+    # #1773: слипшийся маркер района по-прежнему расклеивается.
+    assert _clean_address("ул. Евгения Савкова, 29р-н Академический") == (
+        "ул. Евгения Савкова, 29, р-н Академический"
+    )

tradein-mvp/packages/scraper-kit/src/scraper_kit/providers/avito/serp.py

@@ -2097,8 +2097,16 @@ def _avito_room_label(name: str) -> str:
 
 
 _CSS_NOISE_RE = re.compile(r"\.?css-[a-z0-9_-]+\s*\{[^}]*\}", flags=re.I)
+# Хвост «·<цифра>» — рейтинг дома и число отзывов, которые Авито с 27.07.2026 рендерит
+# ВНУТРИ того же <p> в data-marker="item-location": «ул. Ткачей,17·5,0 · 4 отзыва».
+# Прод 2026-08-10: 1 123 активных объявления с таким адресом, и у 1 123 из 1 123 нет
+# координат (доля 100%) — ни один геокодер такую строку не берёт. Для сравнения, у
+# объявлений с чистым адресом координаты есть у 4 766.
+# Режем по «·», ЗА КОТОРОЙ ИДЁТ ЦИФРА (рейтинг «·4,9» либо счётчик «·2 отзыва»), а не
+# по любой «·»: разделитель района у площадок пишется как «, 59 · р-н Академический» —
+# за точкой буква, и такой хвост _deglue_house_marker намеренно сохраняет.
 _NOT_ADDRESS_TAIL_RE = re.compile(
-    r"\s*(Площадь \d|от \d+\s?мин\.|css-[a-z0-9_-]+)",
+    r"\s*(Площадь \d|от \d+\s?мин\.|css-[a-z0-9_-]+|·\s*\d)",
     flags=re.I,
 )