tradein-mvp/backend/app/tasks/msk_raw_import.py

@@ -71,9 +71,16 @@ source_id) считает сам кит (`ScrapedLot.compute_dedup_hash`), це
 курсор идёт по `id` вью, так что порядок и полнота обхода от прогона к прогону
 одинаковы.
 
+Отбор Москвы (source=yandex) стоит ноль вызовов: адрес приходит полным и
+нормализованным («Россия, Москва, Коробейников переулок, 1»), регион читается
+вторым компонентом. Замер по 21 393 карточкам первого прохода — ровно два
+значения, «Москва» 10 610 и «Московская область» 10 783. Координаты у Яндекса
+заполнены у 100% карточек, поэтому ни геокод, ни `geocode_missing` ему не нужны.
+
 Запуск:
     python -m app.tasks.msk_raw_import --dry-run
     python -m app.tasks.msk_raw_import --limit 500
+    python -m app.tasks.msk_raw_import --source yandex
     python -m app.tasks.msk_raw_import --source avito --geocode --geocode-limit 9000
     python -m app.tasks.msk_raw_import --source avito --allow-unfiltered  # аварийный
 """
@@ -152,6 +159,7 @@ _ARTIFACT_RE = re.compile(r"Екатеринбург", re.IGNORECASE)
 SOURCE_VIEWS = {
     "cian": "msk_raw.cian_latest",
     "avito": "msk_raw.avito_latest",
+    "yandex": "msk_raw.yandex_latest",
 }
 
 _PAGE_SQL = """
@@ -460,6 +468,31 @@ def is_moscow_address(address: str | None) -> bool:
     return _MOSCOW_OKRUG_RE.match(address.strip()) is not None
 
 
+def is_moscow_yandex_address(address: str | None) -> bool:
+    """У Яндекса регион — второй компонент полного адреса.
+
+    Адрес приходит нормализованным и с городом: «Россия, Москва, Коробейников
+    переулок, 1». Замер по 21 393 карточкам первого прохода: во втором
+    компоненте ровно ДВА значения — «Москва» 10 610 и «Московская область»
+    10 783, третьего не встречается. Поэтому ни префикса округа (как у Циана),
+    ни внешнего геокода (как у Авито) источнику не нужно: разделение 77 и 50
+    читается из самой карточки и стоит ноль вызовов.
+
+    Новая Москва отдельным значением НЕ приходит — Троицк и Зеленоград Яндекс
+    кладёт под «Москва», что совпадает с кодом региона 77.
+    """
+    parts = [part.strip() for part in (address or "").split(",")]
+    return len(parts) > 1 and parts[1] == "Москва"
+
+
+# Источники, у которых город виден в самой карточке. Ключ отсутствует —
+# источник про город молчит, и без пред-геокода писать его нельзя (avito).
+CITY_FILTERS = {
+    "cian": is_moscow_address,
+    "yandex": is_moscow_yandex_address,
+}
+
+
 def recompute_listing_segment(payload: dict) -> str:
     """Заново считаем сегмент: 'novostroyki' только при продаже застройщиком.
 
@@ -518,12 +551,15 @@ def import_msk_raw(
     matcher = RealMatcherAdapter()
     budget = GeocodeBudget(remaining=max(0, geocode_limit))
 
-    filter_by_okrug = source == "cian"
-    if geocode and filter_by_okrug:
-        # У Циана город опознаётся префиксом округа даром и без ошибок —
-        # тратить на него внешнюю квоту незачем.
+    # Источник, который сам говорит про город: у Циана это префикс округа, у
+    # Яндекса — второй компонент полного адреса. Авито не говорит ничего, ему
+    # нужен пред-геокод, поэтому его в словаре нет.
+    city_filter = CITY_FILTERS.get(source)
+    if geocode and city_filter is not None:
+        # Город опознаётся даром и без ошибок — тратить на него внешнюю квоту
+        # незачем.
         raise SystemExit(f"source={source}: --geocode нужен только для avito")
-    if not filter_by_okrug and not geocode:
+    if city_filter is None and not geocode:
         # Без пред-геокода у Авито по-прежнему нечем отделить Москву от области:
         # ни города в адресе, ни координат. Пишем только по явному разрешению.
         if not (dry_run or allow_unfiltered):
@@ -551,7 +587,7 @@ def import_msk_raw(
             if is_artifact_address(address):
                 counters.skipped_artifact += 1
                 continue
-            if filter_by_okrug and not is_moscow_address(address):
+            if city_filter is not None and not city_filter(address):
                 counters.skipped_not_moscow += 1
                 continue
             if geocode:

tradein-mvp/backend/tests/test_msk_raw_import.py

@@ -400,3 +400,64 @@ def test_dry_run_survives_missing_geocode_cache(monkeypatch: pytest.MonkeyPatch)
 
     assert db.cache_reads == 0
     assert list(points.values()) == [point]
+
+
+# ── Яндекс: город из второго компонента адреса ───────────────────────────────
+
+
+def _yandex(**over: Any) -> dict[str, Any]:
+    base = _payload(
+        source="yandex",
+        source_url="https://realty.yandex.ru/offer/1234567890123456789/",
+        source_id="1234567890123456789",
+        address="Россия, Москва, Коробейников переулок, 1",
+        lat=55.737312,
+        lon=37.601006,
+    )
+    base.update(over)
+    return base
+
+
+def test_yandex_moscow_is_recognised_without_geocode() -> None:
+    assert mod.is_moscow_yandex_address("Россия, Москва, Коробейников переулок, 1")
+    assert mod.is_moscow_yandex_address("Россия, Москва, Зеленоград, корпус 1130")
+
+
+def test_yandex_oblast_is_not_moscow() -> None:
+    """Ровно те два значения, что встречаются в корпусе; область писать нельзя."""
+    oblast = "Россия, Московская область, Химки, Ивановская улица, 5"
+    assert not mod.is_moscow_yandex_address(oblast)
+    assert not mod.is_moscow_yandex_address("Москва, Коробейников переулок, 1")  # без страны
+    assert not mod.is_moscow_yandex_address("")
+    assert not mod.is_moscow_yandex_address(None)
+
+
+def test_yandex_oblast_rows_do_not_reach_the_writer(captured: list[dict[str, Any]]) -> None:
+    rows = [
+        {"id": 1, "payload": _yandex(source_id="1")},
+        {
+            "id": 2,
+            "payload": _yandex(
+                source_id="2", address="Россия, Московская область, Химки, Ивановская улица, 5"
+            ),
+        },
+    ]
+    counters = mod.import_msk_raw(_FakeSession(rows), source="yandex", batch_size=10)
+    assert [lot.source_id for lot in captured[0]["lots"]] == ["1"]
+    assert counters.skipped_not_moscow == 1
+
+
+def test_yandex_keeps_its_own_coordinates(captured: list[dict[str, Any]]) -> None:
+    """Координаты у Яндекса свои — геокод ему не нужен, geom появляется сразу."""
+    rows = [{"id": 1, "payload": _yandex()}]
+    mod.import_msk_raw(_FakeSession(rows), source="yandex", batch_size=10)
+    lot = captured[0]["lots"][0]
+    assert (lot.lat, lot.lon) == (55.737312, 37.601006)
+
+
+def test_geocode_is_refused_for_yandex(captured: list[dict[str, Any]]) -> None:
+    """Квота нужна только Авито: у Яндекса город и точка есть даром."""
+    with pytest.raises(SystemExit):
+        mod.import_msk_raw(
+            _FakeSession([{"id": 1, "payload": _yandex()}]), source="yandex", geocode=True
+        )