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

@@ -7330,15 +7330,17 @@ _DEDUP_STREET_TYPE_ALT = "|".join(
 # «<тип>[.] <название>»: название = опциональная ведущая цифро-группа + 1-3
 # буквенных слова, до запятой/цифры. Ведущая цифра нужна для нумерованных улиц
 # («8 Марта», «40 лет Октября», «22 Партсъезда»; #2291 класс 4 — и через дефис:
-# «40-летия Комсомола», «22-го Партсъезда»); она разрешена ТОЛЬКО перед
+# «40-летия Комсомола», «22-го Партсъезда»; однобуквенный порядковый «2-я
-# буквенным словом (?:\d+(?:\s+|-))?[а-яё]…, поэтому НОМЕР ДОМА (число ПОСЛЕ названия,
+# Новосибирская», «3-й Конный», в т.ч. перед нумерованным именем «2-й переулок
+# 1 Мая»); она разрешена ТОЛЬКО перед буквенным словом
+# (?:\d+-[а-яё]\s+)?(?:\d+(?:\s+|-))?[а-яё]…, поэтому НОМЕР ДОМА (число ПОСЛЕ названия,
 # не сопровождаемое буквой) в токен не попадает: «Белинского 86» → «белинского».
 # #2269 (б): тип-суффикс может быть приклеен запятой/точкой без пробела
 # («ул.,6к1»): после `\.?` разрешаем ЛИБО пробел (обычный формат), ЛИБО запятую
 # (→ следом номер дома). Ветка «тип ПЕРЕД именем» — только для формата с пробелом.
 _DEDUP_STREET_NAME_RE = re.compile(
     rf"(?:^|[,\s])(?:{_DEDUP_STREET_TYPE_ALT})\.?\s+"
-    r"((?:\d+(?:\s+|-))?[а-яё][а-яё\-]+(?:\s+[а-яё][а-яё\-]+){0,2})",
+    r"((?:\d+-[а-яё]\s+)?(?:\d+(?:\s+|-))?[а-яё][а-яё\-]+(?:\s+[а-яё][а-яё\-]+){0,2})",
     flags=re.IGNORECASE,
 )
 # #2269 (а): «<название> <тип>» — тип-слово ПОСЛЕ имени (формат domklik:
@@ -7350,10 +7352,19 @@ _DEDUP_STREET_NAME_RE = re.compile(
 # Рассветная». Тип НЕ входит в захват (group 1) — токен байт-в-байт совпадает.
 _DEDUP_STREET_NAME_SUFFIX_RE = re.compile(
     r"(?:^|[,\s])"
-    r"((?:\d+(?:\s+|-))?[а-яё][а-яё\-]+(?:\s+[а-яё][а-яё\-]+){0,2})\s+"
+    r"((?:\d+-[а-яё]\s+)?(?:\d+(?:\s+|-))?[а-яё][а-яё\-]+(?:\s+[а-яё][а-яё\-]+){0,2})\s+"
     rf"(?:{_DEDUP_STREET_TYPE_ALT})(?=\.|,|\s|$)",
     flags=re.IGNORECASE,
 )
+# #2291 класс 4: третий формат порядковой улицы — номер ПЕРЕД типом («8-я улица
+# Текстильщиков», «2-я ул. Синичкина», «12-й пр. Марьиной Рощи»). Переставляем в
+# «улица 8-я текстильщиков», чтобы он дал тот же токен, что «улица 8-я Текстильщиков»
+# и «8-я Текстильщиков улица». Без перестановки ветка 1 взяла бы «текстильщиков»
+# без номера, а номер нельзя терять: «9-я Парковая, 5» и «12-я Парковая, 5» — разные дома.
+_DEDUP_ORDINAL_BEFORE_TYPE_RE = re.compile(
+    rf"(^|[,\s])(\d+-[а-яё]{{1,2}})\s+((?:{_DEDUP_STREET_TYPE_ALT})\.?)\s+",
+    flags=re.IGNORECASE,
+)
 # #2269 (в): fallback без уличного типа — «микрорайон/мкр/мкр-н/м-н <имя>» или
 # «<имя> микрорайон». Имя = 1-3 буквенных слова. Токен получает префикс «mkr »,
 # чтобы НЕ пересекаться с уличными токенами (микрорайон ≠ одноимённая улица).
@@ -7539,6 +7550,7 @@ def _parse_street_house(addr: str | None) -> tuple[str, str]:
     # #2291 (класс 2): «ё» → «е» — «Шевелёва»/«Шевелева» и «Миномётчиков»/
     # «Минометчиков» должны схлопываться в один канонический токен.
     s = s.replace("ё", "е")
+    s = _DEDUP_ORDINAL_BEFORE_TYPE_RE.sub(r"\1\3 \2 ", s)
     # Ветка 1 (существующая, #2265): тип ПЕРЕД именем («улица Рассветная»).
     # Пробуется ПЕРВОЙ — новые ветки только если она дала пусто. Логика не тронута.
     m = _DEDUP_STREET_NAME_RE.search(s)

tradein-mvp/backend/tests/test_estimator_dedup_cross_source_2087.py

@@ -1040,3 +1040,65 @@ def test_dedup_hyphen_numbered_street_different_houses_stay_distinct() -> None:
         for h in ("8А", "35")
     ]
     assert len(estimator._dedup_cross_source(lots)) == 2
+
+
+# --------------------------------------------------------------------------- #
+# #2291 класс 4 — однобуквенные порядковые («2-я Новосибирская», «3-й Конный»)
+# --------------------------------------------------------------------------- #
+
+
+@pytest.mark.parametrize(
+    ("addr", "expected"),
+    [
+        # Три формата одной улицы (живые адреса с прода, tradein-postgres, 17.09):
+        # cian «тип номер имя» раньше давал ('', ''), avito/yandex «номер тип имя» и
+        # domklik «номер имя тип» теряли номер ('синичкина').
+        ("2-я ул. Синичкина,22", ("2-я синичкина", "22")),  # avito
+        ("Москва, 2-я Синичкина улица, 22", ("2-я синичкина", "22")),  # domklik
+        ("Россия, Москва, 2-я улица Синичкина, 22", ("2-я синичкина", "22")),  # yandex
+        ("улица 2-я Новосибирская, 5", ("2-я новосибирская", "5")),
+        ("пер. 3-й Конный, 7", ("3-й конный", "7")),
+        ("ул. 1-й Пятилетки, 3", ("1-й пятилетки", "3")),
+        ("12-й пр. Марьиной Рощи,8с2", ("12-й марьиной рощи", "8")),
+        # Раньше мкр-ветка: ('mkr перловка', '1') — номер улицы вместо дома.
+        ("мкр. Перловка, улица 1-я Крестьянская, 33к2", ("1-я крестьянская", "33/2")),
+        # Порядковый перед нумерованным именем: без него было бы ('', '').
+        ("2-й пер. 1 Мая,13", ("2-й 1 мая", "13")),
+        (
+            "Россия, Московская область, Павловский Посад, 2-й переулок 1 Мая, 11",
+            ("2-й 1 мая", "11"),
+        ),
+        # Регрессии: номер дома с дефисом остаётся номером дома.
+        ("ул. Ленина, 12-а", ("ленина", "12")),
+        ("ул. Щорса, 7-б", ("щорса", "7")),
+    ],
+)
+def test_parse_street_house_single_letter_ordinal(addr: str, expected: tuple[str, str]) -> None:
+    assert estimator._parse_street_house(addr) == expected
+
+
+def test_dedup_collapses_single_letter_ordinal_three_formats() -> None:
+    addrs = [
+        ("avito", "2-я ул. Синичкина,22"),
+        ("domklik", "Москва, 2-я Синичкина улица, 22"),
+        ("yandex", "Россия, Москва, 2-я улица Синичкина, 22"),
+        ("cian", "ЮВАО, р-н Лефортово, улица 2-я Синичкина, 22"),
+    ]
+    lots = [
+        _lot(source=s, address=a, area=44.0, price=9_900_000, floor=3, cad=None) for s, a in addrs
+    ]
+    assert len(estimator._dedup_cross_source(lots)) == 1
+
+
+def test_dedup_different_ordinal_streets_stay_distinct() -> None:
+    # Раньше domklik терял номер: «9-я Парковая» и «12-я Парковая» обе давали
+    # ('парковая', '5'), и квартиры с одинаковыми этажом/площадью/ценой в двух
+    # разных домах Измайлова сливались в одну.
+    lots = [
+        _lot(source=s, address=a, area=44.0, price=9_900_000, floor=3, cad=None)
+        for s, a in (
+            ("domklik", "Москва, 9-я Парковая улица, 5"),
+            ("domklik", "Москва, 12-я Парковая улица, 5"),
+        )
+    ]
+    assert len(estimator._dedup_cross_source(lots)) == 2