gendesign/tradein-mvp/backend/tests/test_kit_browser_fetcher_status.py

"""HTTP-статус сайдкара наверх: `BrowserFetcher.last_response_status` (#3196).

Сайдкар (tradein-mvp/browser/server.py) теперь кладёт в тело /fetch HTTP-код целевой
навигации рядом с html: ``{"html": ..., "status": <int|null>}``. Kit выносит его на
инстанс фетчера — АТРИБУТОМ, а не возвратом ``fetch()``: поток управления менять
нельзя, ``fetch()`` по-прежнему отдаёт ``str`` и по-прежнему не бросает там, где не
бросал раньше.

Зачем: ДомКлик отдаёт статическую страницу «403 | Домклик» на 26 624 байта, где нет
ни startpow, ни qrator, ни капчи — ни один текстовый маркер сайдкара (все сняты с
Авито) на неё не срабатывает, и отказ уезжал наверх как валидный контент. 14 прогонов
domclick_detail_backfill подряд получили ban_kind=unknown ровно поэтому.

Инварианты:
  - status из тела → last_response_status (int) на КАЖДЫЙ успешный fetch;
  - ключа "status" нет (сайдкар старой версии) ИЛИ он null → None, БЕЗ исключения;
  - status нечислового типа → None (мусор в теле не должен ронять фетч);
  - fetch упал → last_response_status сброшен в None (не отдаём статус прошлого);
  - ban_kind_from_status раскладывает код в значение, допустимое CHECK-ограничением
    scrape_runs.ban_kind ("platform" | "infra" | "unknown" | NULL).

httpx полностью замокан (зеркалит test_kit_browser_fetcher_proxy_pool.py).
"""

from __future__ import annotations

from typing import Any
from unittest.mock import AsyncMock, MagicMock

import httpx
import pytest
from scraper_kit.browser_fetcher import (
    BrowserFetcher,
    SidecarBanPageError,
    _raise_for_sidecar_status,
    ban_kind_from_status,
)


def _mock_client(json_payload: dict[str, Any], *, raise_exc: Exception | None = None) -> MagicMock:
    """httpx.AsyncClient-заглушка: .post → resp c raise_for_status/json."""
    resp = MagicMock()
    if raise_exc is not None:
        resp.raise_for_status.side_effect = raise_exc
    else:
        resp.raise_for_status.return_value = None
    resp.json.return_value = json_payload
    client = MagicMock()
    client.post = AsyncMock(return_value=resp)
    client.aclose = AsyncMock(return_value=None)
    return client


async def _fetcher(client: MagicMock, **kwargs: Any) -> BrowserFetcher:
    """Реально входит в `__aenter__`, потом подменяет httpx-клиент."""
    bf = BrowserFetcher(endpoint="http://browser:3000", **kwargs)
    await bf.__aenter__()
    bf._client = client
    return bf


# ── last_response_status ──────────────────────────────────────────────────────


async def test_status_starts_as_none() -> None:
    """До первого fetch статуса нет — атрибут существует и равен None."""
    client = _mock_client({"html": "<ok>", "status": 200})
    bf = await _fetcher(client, source="domclick")

    assert bf.last_response_status is None


async def test_status_from_body_is_exposed() -> None:
    client = _mock_client({"html": "<403 page>", "status": 403})
    bf = await _fetcher(client, source="domclick")

    html = await bf.fetch("https://domclick.ru/card/1")

    assert html == "<403 page>"  # поток управления не изменился — fetch отдаёт str
    assert bf.last_response_status == 403


async def test_status_updated_on_every_fetch() -> None:
    """Атрибут обновляется КАЖДЫМ _post_fetch, а не только первым."""
    client = _mock_client({"html": "<ok>", "status": 200})
    bf = await _fetcher(client, source="domclick")

    await bf.fetch("https://domclick.ru/1")
    assert bf.last_response_status == 200

    client.post.return_value.json.return_value = {"html": "<403>", "status": 403}
    await bf.fetch("https://domclick.ru/2")
    assert bf.last_response_status == 403


async def test_missing_status_key_is_none_and_does_not_raise() -> None:
    """Сайдкар старой версии (тело без "status") — фетч проходит, статуса просто нет."""
    client = _mock_client({"html": "<ok>"})
    bf = await _fetcher(client, source="avito")

    html = await bf.fetch("https://avito.ru/x")

    assert html == "<ok>"
    assert bf.last_response_status is None


async def test_null_status_is_none() -> None:
    """goto вернул None (редирект/навигационная гонка) → сайдкар шлёт status=null."""
    client = _mock_client({"html": "<ok>", "status": None})
    bf = await _fetcher(client, source="avito")

    await bf.fetch("https://avito.ru/x")

    assert bf.last_response_status is None


async def test_non_int_status_is_ignored() -> None:
    """Мусор в поле status не должен ронять фетч — читается как «статуса нет»."""
    client = _mock_client({"html": "<ok>", "status": "403"})
    bf = await _fetcher(client, source="avito")

    await bf.fetch("https://avito.ru/x")

    assert bf.last_response_status is None


async def test_status_reset_on_failed_fetch() -> None:
    """Фетч упал — не отдаём статус ПРОШЛОГО запроса."""
    client = _mock_client({"html": "<ok>", "status": 200})
    bf = await _fetcher(client, source="avito")
    await bf.fetch("https://avito.ru/1")
    assert bf.last_response_status == 200

    client.post.side_effect = RuntimeError("transport down")
    with pytest.raises(RuntimeError):
        await bf.fetch("https://avito.ru/2")

    assert bf.last_response_status is None


# ── ban_kind_from_status ──────────────────────────────────────────────────────


@pytest.mark.parametrize(
    ("status", "expected"),
    [
        (403, "platform"),
        (429, "platform"),
        (500, "infra"),
        (502, "infra"),
        (599, "infra"),
        (200, None),
        (301, None),
        (404, None),
        (None, None),
    ],
)
def test_ban_kind_from_status(status: int | None, expected: str | None) -> None:
    assert ban_kind_from_status(status) == expected


def test_ban_kind_values_fit_scrape_runs_check() -> None:
    """Возврат обязан быть пригоден для scrape_runs.ban_kind как есть."""
    allowed = {"platform", "infra", "unknown", None}
    for status in (None, 200, 301, 403, 404, 429, 499, 500, 503, 599, 600):
        assert ban_kind_from_status(status) in allowed


# ── #3239: подтверждённая бан-страница отличима от прочих 500-ок ──────────────
#
# Тип, а не подстрока: _raise_for_sidecar_status обрезает тело до 300 символов, и
# формулировка отказа у сайдкара менялась дважды за месяц. upstream_status нужен
# отдельным полем — на error-пути fetch() обнуляет last_response_status, и без
# него у DomClick (отказ приходит с 401) диагноз стал бы 'unknown' вместо
# 'platform', то есть ротация IP не запустилась бы вовсе.


def _sidecar_response(body: Any, status: int = 403) -> httpx.Response:
    """Ответ сайдкара. 403 — код подтверждённого бана с #3288 п.4 (был 500)."""
    return httpx.Response(
        status, json=body, request=httpx.Request("POST", "http://tradein-browser:3000/fetch")
    )


def test_ban_page_body_raises_typed_error_with_upstream_status() -> None:
    resp = _sidecar_response(
        {"error": "BanPageDetectedError: статический отказ", "ban_page": True, "status": 401}
    )
    with pytest.raises(SidecarBanPageError) as excinfo:
        _raise_for_sidecar_status(resp)
    assert excinfo.value.upstream_status == 401


def test_ban_page_legacy_500_still_recognised() -> None:
    """Сайдкар старого образа отдаёт тот же ban_page с кодом 500 — диагноз тот же.

    tradein-browser собирается ОТДЕЛЬНЫМ образом и деплоится своим шагом, так что
    после выката #3288 клиент часами работает со старым сайдкаром. Гейта по коду
    нет намеренно: он бы в этот час уводил отказ площадки в инфра-ветку.
    """
    resp = _sidecar_response(
        {"error": "BanPageDetectedError: статический отказ", "ban_page": True, "status": 401},
        status=500,
    )
    with pytest.raises(SidecarBanPageError) as excinfo:
        _raise_for_sidecar_status(resp)
    assert excinfo.value.upstream_status == 401


def test_ban_page_message_names_platform_not_sidecar_500() -> None:
    """Текст ошибки называет виновника: отказ ПЛОЩАДКИ, а не падение нашего сайдкара.

    До #3288 п.4 сюда уезжала httpx-преамбула «Server error '500 Internal Server
    Error' for url 'http://tradein-browser:3000/fetch'» — и ровно она попадала в
    лог провайдера и в imv_error_reason, отправляя разбор по ложному следу.
    """
    resp = _sidecar_response(
        {"error": "BanPageDetectedError: доступ ограничен", "ban_page": True, "status": 403}
    )
    with pytest.raises(SidecarBanPageError) as excinfo:
        _raise_for_sidecar_status(resp)
    message = str(excinfo.value)
    assert "500" not in message
    assert "Server error" not in message
    assert "бан-страницу" in message
    assert "upstream 403" in message


def test_ban_page_error_is_httpx_status_error() -> None:
    """Подкласс — иначе retry-политика fetch() и ловля у прочих поставщиков сломались бы."""
    resp = _sidecar_response({"error": "BanPageDetectedError: x", "ban_page": True, "status": 403})
    with pytest.raises(httpx.HTTPStatusError):
        _raise_for_sidecar_status(resp)


def test_plain_500_stays_plain_status_error() -> None:
    """Настоящий сбой сайдкара остаётся 500-кой БЕЗ ban_page → инфра-диагноз, как раньше."""
    resp = _sidecar_response({"error": "Error: Page.goto: NS_ERROR_PROXY_BAD_GATEWAY"}, status=500)
    with pytest.raises(httpx.HTTPStatusError) as excinfo:
        _raise_for_sidecar_status(resp)
    assert not isinstance(excinfo.value, SidecarBanPageError)


def test_ban_page_without_status_gives_none() -> None:
    resp = _sidecar_response({"error": "BanPageDetectedError: x", "ban_page": True, "status": None})
    with pytest.raises(SidecarBanPageError) as excinfo:
        _raise_for_sidecar_status(resp)
    assert excinfo.value.upstream_status is None


def test_ban_page_true_as_bool_status_is_rejected() -> None:
    """JSON true не должен уехать статусом: bool — подтип int (та же ловушка, что в #3196)."""
    resp = _sidecar_response({"error": "x", "ban_page": True, "status": True})
    with pytest.raises(SidecarBanPageError) as excinfo:
        _raise_for_sidecar_status(resp)
    assert excinfo.value.upstream_status is None


def test_non_json_error_body_does_not_break() -> None:
    resp = httpx.Response(
        500, text="not json", request=httpx.Request("POST", "http://tradein-browser:3000/fetch")
    )
    with pytest.raises(httpx.HTTPStatusError) as excinfo:
        _raise_for_sidecar_status(resp)
    assert not isinstance(excinfo.value, SidecarBanPageError)


def test_success_response_raises_nothing() -> None:
    resp = httpx.Response(
        200,
        json={"html": "<html/>", "status": 200},
        request=httpx.Request("POST", "http://tradein-browser:3000/fetch"),
    )
    _raise_for_sidecar_status(resp)