backend/app/services/scrapers/ekb_ppt_tep_parser.py

@@ -70,10 +70,32 @@ _TABLE_CAPTION_RE = {
 
 
 def _page_contains_table(text: str, table_no: int) -> bool:
-    """Возвращает True если текст страницы содержит заголовок таблицы N.
+    """Возвращает True если на странице встречается строка «Таблица N».
 
-    Требуем явный caption «Таблица N» — hint-только режим (оглавление, перекрёстные ссылки)
-    даёт false positive и подавляется. Если caption присутствует — достаточно.
+    Это поиск подстроки, без разбора контекста. Строка ОГЛАВЛЕНИЯ
+    «Таблица 11 Баланс территории ....... 34» от настоящей подписи не отличается —
+    падеж тот же, именительный, — и вызывающий код ставит found_start=True прямо на
+    странице содержания, начиная выдирать таблицы оттуда.
+
+    Прежняя редакция этой докстроки утверждала обратное — будто ложные срабатывания
+    оглавления и перекрёстных ссылок здесь отсеиваются. Такого кода никогда не было
+    (#2464). Обещание защиты, которой нет, опаснее её отсутствия: читающий не станет
+    её добавлять. (Старая формулировка тут намеренно пересказана, а не процитирована:
+    гейт test_2464_tep_docstring_truth ищет обещание по тексту и не отличил бы цитату
+    от утверждения.)
+
+    Замер 20.08.2026 уточняет и границы проблемы: перекрёстные ссылки в косвенных
+    падежах регекс НЕ ловит — он требует именительное «Таблица N», поэтому
+    «приведены в таблице 12», «см. Таблицу 12», «табл. 12» дают False. Опасно
+    ровно оглавление, а не любое упоминание.
+
+    Почему подавление не реализовано здесь и сейчас: таблица `ekb_ppt_tep` на проде
+    пуста (0 строк) — URL в `_SEED_DOCS` заглушка, живых PDF нет, эвристику отсева
+    оглавления не на чем откалибровать. Правило, придуманное без образцов, ловит
+    ровно те случаи, которые придумали вместе с ним. Условие для реализации — хотя
+    бы один настоящий документ (#1136); целиться следует в признаки оглавления
+    (точки-выноски, номер страницы в конце строки, несколько подписей на одной
+    странице), а не в падежи.
     """
     cap = _TABLE_CAPTION_RE[table_no]
     return bool(cap.search(text))
@@ -303,9 +325,7 @@ def _parse_table13(raw_rows: list[list[str | None]]) -> list[dict[str, Any]]:
     seen: set[tuple[str, str, str, str]] = set()
     result: list[dict[str, Any]] = []
     for rec in rows_clean:
-        area_key = (
-            f"{rec['area_ha_num']:.4f}" if rec["area_ha_num"] is not None else rec["area_ha"]
-        )
+        area_key = f"{rec['area_ha_num']:.4f}" if rec["area_ha_num"] is not None else rec["area_ha"]
         key = (rec["phase"], rec["composition"], rec["zone"], area_key)
         if key in seen:
             continue

backend/app/workers/tasks/ekb_ppt_tep_sync.py

@@ -22,10 +22,22 @@ logger = logging.getLogger(__name__)
 # ── Seed-документы ─────────────────────────────────────────────────────────────
 # Образец: ППТ 22823 (2018), пояснительная записка.
 #
-# URL — placeholder. Реальный URL пояснительной записки лежит на ГИСОГД ЕКБ
-# (https://gisogd.ekburg.ru/) под номером проекта планировки, но прямой PDF-линк
-# требует ручного поиска через UI (#1136). До тех пор — ingest скипает с
-# WARNING и метрики остаются {"docs": 0}.
+# URL — placeholder, ingest скипает с WARNING, метрики остаются {"docs": 0}.
+# Прод 20.08.2026: в таблице ekb_ppt_tep 0 строк — то есть загрузчик не отработал
+# ни разу.
+#
+# ВАЖНО (#2464): хост `gisogd.ekburg.ru`, названный ниже как место, где «лежит
+# реальный URL», НЕ СУЩЕСТВУЕТ — DNS не резолвит его ни с рабочей машины, ни с
+# прод-хоста (проверено 20.08.2026). Прежняя редакция этого комментария отправляла
+# искать документ вручную на портале, которого нет.
+#
+# Живой портал ГИСОГД Свердловской области — `gisogd66.midural.ru` (его использует
+# загрузчик РНС/РВЭ, см. services/scrapers/gisogd66.py). Раздел 13 там — документы
+# по земельному участку; проекты планировки лежат в других разделах, перечисление
+# групп доступно через `/api/v1/{schema}/gisogddocgroups/{razdel}`. Перебор
+# razdel3/4/5 показал разделы «Генеральный план», «Местные нормативы», «Правила
+# землепользования и застройки» — точный раздел ППТ и формат ссылки на PDF
+# пояснительной записки ещё предстоит найти (#1136).
 #
 # Override-пути для прогона:
 #   1. Передать в task: ingest_ppt_tep([{"doc_ref": "...", "url": "...",

backend/tests/services/scrapers/test_2464_tep_docstring_truth.py

@@ -0,0 +1,103 @@
+"""Докстрока `_page_contains_table` не обещает защиты, которой нет (#2464).
+
+Прежняя редакция утверждала:
+
+    «Требуем явный caption «Таблица N» — hint-только режим (оглавление,
+     перекрёстные ссылки) даёт false positive и подавляется.»
+
+Кода подавления в функции никогда не было — это `bool(cap.search(text))`, то есть
+обычный поиск подстроки. Строка оглавления «Таблица 11 Баланс территории ..... 34» от
+настоящей подписи не отличается: падеж тот же, именительный.
+
+Замер 20.08.2026 уточнил и сам пункт эпика: приведённый в нём пример перекрёстной
+ссылки «показатели приведены в таблице 12» регекс НЕ ловит — он требует именительное
+«Таблица N». Опасно ровно оглавление, а не любое упоминание. Это зафиксировано
+характеризующим тестом, чтобы следующая попытка подавления целилась в признаки
+оглавления, а не в падежи.
+
+Обещание защиты, которой нет, опаснее её отсутствия: читающий не станет её
+добавлять. Тот же класс, что «объявлено ≠ исполняется».
+
+Почему подавление не реализовано, а докстрока приведена к коду: таблица
+`ekb_ppt_tep` на проде пуста (0 строк) — URL в `_SEED_DOCS` заглушка, живых PDF нет,
+эвристику отсева оглавления не на чем откалибровать. Правило, придуманное без
+образцов, ловит ровно те случаи, которые придумали вместе с ним.
+"""
+
+from __future__ import annotations
+
+import inspect
+
+from app.services.scrapers import ekb_ppt_tep_parser as mod
+
+
+def test_docstring_does_not_promise_suppression_that_is_absent() -> None:
+    """Головной: докстрока не должна обещать подавление false positive.
+
+    На origin/main она содержит «даёт false positive и подавляется», а в теле
+    функции — один `cap.search(text)`. Красное значение конкретно: обещание есть,
+    реализации нет.
+    """
+    doc = inspect.getdoc(mod._page_contains_table) or ""
+    src = inspect.getsource(mod._page_contains_table)
+    тело = src.split('"""')[-1]
+    # Ищем именно ОБЕЩАНИЕ («подавляется»), а не разговор о подавлении: новая
+    # редакция объясняет, почему подавление НЕ реализовано, и не должна краснеть.
+    обещает = "подавляется" in doc
+    реализует = any(kw in тело for kw in ("оглавлен", "leader", "count(", "finditer", "rsplit"))
+    assert not (обещает and not реализует), (
+        "докстрока обещает подавление false positive, а в теле только поиск "
+        f"подстроки:\n{тело.strip()}"
+    )
+
+
+def test_docstring_names_the_actual_behaviour() -> None:
+    """Докстрока обязана честно называть false positive, а не умалчивать о нём.
+
+    Просто убрать обещание было бы недостаточно: молчание читается как «всё
+    хорошо». Ловит «починку» через вычёркивание неудобной фразы.
+    """
+    doc = (inspect.getdoc(mod._page_contains_table) or "").lower()
+    assert (
+        "false positive" in doc or "оглавлен" in doc
+    ), "докстрока не предупреждает о ложных срабатываниях на оглавлении"
+
+
+def test_toc_line_really_is_a_false_positive() -> None:
+    """Характеризующий: строка оглавления действительно проходит как подпись.
+
+    Зелёный с обеих сторон — он фиксирует ФАКТИЧЕСКОЕ поведение, о котором теперь
+    говорит докстрока. Если кто-то реализует подавление, тест покраснеет и
+    заставит обновить и докстроку, и его.
+    """
+    оглавление = "СОДЕРЖАНИЕ\nТаблица 11 Баланс территории .......... 34\nТаблица 12 ТЭП .... 36"
+    assert mod._page_contains_table(оглавление, 11) is True, "оглавление обязано срабатывать"
+
+    # А вот перекрёстные ссылки в косвенных падежах регекс НЕ ловит: он требует
+    # именительное «Таблица N». Пункт эпика приводил «приведены в таблице 12» как
+    # пример false positive — замер это опроверг, и докстрока теперь говорит точнее.
+    for мимо in (
+        "Основные показатели приведены в таблице 12 настоящей записки.",
+        "см. Таблицу 12 ниже",
+        "Данные в табл. 12",
+    ):
+        assert mod._page_contains_table(мимо, 12) is False, f"неожиданно сработало: {мимо!r}"
+
+    assert mod._page_contains_table("Никаких таблиц тут нет", 11) is False
+
+
+def test_seed_comment_does_not_send_to_a_dead_host() -> None:
+    """Комментарий сида не должен отправлять искать документ на несуществующем хосте.
+
+    `gisogd.ekburg.ru` не резолвится ни с рабочей машины, ни с прод-хоста
+    (проверено 20.08.2026), а прежний комментарий называл его местом, где «лежит
+    реальный URL». Живой портал — gisogd66.midural.ru.
+    """
+    from pathlib import Path
+
+    src = Path(inspect.getsourcefile(mod)).resolve().parents[3]
+    текст = (src / "app" / "workers" / "tasks" / "ekb_ppt_tep_sync.py").read_text(encoding="utf-8")
+    assert (
+        "НЕ СУЩЕСТВУЕТ" in текст or "не резолв" in текст.lower()
+    ), "комментарий сида не предупреждает, что gisogd.ekburg.ru мёртв"
+    assert "gisogd66.midural.ru" in текст, "не назван живой портал ГИСОГД-СО"