gendesign/backend/tests/services/scrapers/test_2464_act_date_citation.py

"""act_date — дата акта об изъятии, а не первой попавшейся ссылки (#2464).

`_extract_act_date` брал ПЕРВОЕ «от DD.MM.YYYY» во всём OCR-тексте. «Сообщение о
планируемом изъятии» открывается списком оснований, и первой строкой там почти
всегда стоит

    «Решение Екатеринбургской городской Думы от 06.07.2004 № 60/1
     «Об утверждении Генерального плана города»»

— то есть Генплан, а не акт об изъятии. На проде это дало 11 строк из 27
(два РАЗНЫХ документа: развязка на Сибирском тракте и улица Энергостроителей)
с одной датой 2004-07-06 при проектах 2020 и 2022 годов.

Проверено не по догадке: все пять исходных PDF были загружены и распознаны тем
же трактом, что использует загрузчик (`ocr_pdf_text` в прод-контейнере). Тексты
цитат ниже — дословно оттуда, включая перемешивание колонок OCR'ом.

Правило («постановлени» в 120 символах перед датой) откалибровано на всех пяти
документах сразу, а не на одном: окна 80/120/160 дают одинаковые 5 из 5.
Более узкий вариант (плюс «администраци») давал те же 5 из 5, но ломал законный
случай «Постановление № 509-ПП» — областной акт без слова «администрация»,
уже закреплённый тестом test_act_date_extracted_from_text. Взято широкое условие.

Патченный код прогнан по всем пяти распознанным текстам целиком: 27 записей —
ровно столько же, сколько строк в land_reservation, из них 11 меняют дату
2004-07-06 на настоящую, 16 остаются прежними.
"""

from __future__ import annotations

from app.services.scrapers.izyatie_ocr import _extract_act_date, extract_izyatie_records

# Заголовок раздела — дословно с прода (basis_act в land_reservation).
ЗАГОЛОВОК = (
    "Сообщение о планируемом изъятии земельных участков и объектов недвижимого "
    "имущества для муниципальных нужд"
)
КАД = "66:41:0303004:22"


def _дата_записи(текст_документа: str) -> str | None:
    """act_date так, как её увидит land_reservation — через сквозной путь.

    Зовём `extract_izyatie_records`, а не приватный хелпер: его сигнатура
    одинакова на обеих сторонах, поэтому против origin/main тест краснеет
    НЕВЕРНЫМ ЗНАЧЕНИЕМ (дата Генплана), а не TypeError из-за нового параметра.
    """
    записи = extract_izyatie_records(f"{текст_документа}\n{КАД}", ЗАГОЛОВОК, "http://x/y")
    assert записи, "кад-номер не разобран — тест смотрел бы не туда"
    return записи[0]["act_date"]


# ── Дословные фрагменты OCR прод-документов ───────────────────────────────────

# 89adb28a… — развязка Базовый/Комсомольская/Сибирский тракт. На проде дал 2004-07-06.
ДОК_РАЗВЯЗКА = (
    "Администрация города Екатеринбурга\n\n"
    "— Решение Екатеринбургской городской Думы от\n06.07.2004 № 60/1 «Об утверждении\n"
    "Генерального плана развития городского округа»;\n\n"
    "— Приказ Министерства строительства и развития\nинфраструктуры Свердловской области от\n"
    "30.12.2021 № 746-П;\n\n"
    "— Постановление Администрации города\nЕкатеринбурга от 27.05.2022 № 1413\n"
    "«Об утверждении проекта планировки и проекта межевания территории»"
)

# 9b9d9a99… — улица Энергостроителей. На проде тоже дал 2004-07-06.
ДОК_ЭНЕРГОСТРОИТЕЛЕЙ = (
    "Администрация города Екатеринбурга\n\n"
    "— Решение Екатеринбургской городской Думы от\n06.07.2004 № 60/1 «Об утверждении\n"
    "Генерального плана развития городского округа»;\n\n"
    "— Приказ Министерства строительства и развития\nинфраструктуры Свердловской области от\n"
    "30.12.2021 № 746-П «О внесении изменений в Генеральный план на период до 2025 года»;\n\n"
    "— Постановление Администрации города\nЕкатеринбурга от 12.02.2020 № 259 «Об утверждении\n"
    "проекта планировки и проекта межевания территории»"
)

# bf2bb1bd… — OCR перемешал колонки таблицы: слова фразы идут вперемешку.
ДОК_ПЕРЕМЕШАННЫЙ = (
    "Постановление Администрации города утверждении проекта планировки\n"
    "Екатеринбурга от 29.09.2015 № 2687 территории и проекта межевания\n"
    "«Об утверждении» (в ред. Постановления Администрации города\n"
    "Екатеринбурга от 14.07.2022 № 1995)"
)

# ccd00215… — то же перемешивание, но короче.
ДОК_ПЕРЕМЕШАННЫЙ_2 = (
    "Реквизиты документов (при наличии таких Постановление Администрации города\n"
    "документами) Екатеринбурга от 19.04.2019 № 863 «Об\nутверждении проекта межевания территории»"
)

# 188a5c36… — первой же датой идёт нужное постановление.
ДОК_ПРЯМОЙ = (
    "Реквизиты документов (при наличии таких документами)\n"
    "Постановление Администрации города Екатеринбурга от 24.06.2019 № 1504\n"
    "«Об утверждении проекта планировки и проекта межевания территории»"
)


def test_genplan_citation_is_not_taken_as_act_date() -> None:
    """Головной: дата Генплана-2004 не должна становиться датой изъятия.

    На origin/main возвращается '2004-07-06' — дата чужого документа,
    на 18 лет раньше настоящего основания.
    """
    got = _дата_записи(ДОК_РАЗВЯЗКА)
    assert got != "2004-07-06", "взята дата Решения Думы об утверждении Генерального плана"
    assert got == "2022-05-27", f"ожидали дату постановления № 1413, получили {got!r}"


def test_second_document_with_same_genplan_citation() -> None:
    """Тот же дефект во втором документе — он и дал одинаковую дату у 11 строк."""
    got = _дата_записи(ДОК_ЭНЕРГОСТРОИТЕЛЕЙ)
    assert got == "2020-02-12", f"ожидали дату постановления № 259, получили {got!r}"


def test_ministry_order_is_not_taken_either() -> None:
    """Контроль: приказ Министерства между Генпланом и постановлением тоже не берётся."""
    got = _дата_записи(ДОК_РАЗВЯЗКА)
    assert got != "2021-12-30", "взята дата приказа Министерства строительства"


def test_ocr_column_scramble_still_resolves() -> None:
    """Контроль ширины окна: перемешанные OCR'ом колонки не должны ломать разбор.

    Окно шире самой фразы (~50 символов) именно ради этих двух документов:
    между «Постановление» и «от DD.MM.YYYY» вклинивается текст соседней колонки.
    """
    assert _дата_записи(ДОК_ПЕРЕМЕШАННЫЙ) == "2015-09-29"
    assert _дата_записи(ДОК_ПЕРЕМЕШАННЫЙ_2) == "2019-04-19"


def test_correct_documents_unchanged() -> None:
    """Контроль от переусердствования: там, где на проде было верно, ничего не меняется."""
    assert _дата_записи(ДОК_ПРЯМОЙ) == "2019-06-24"


def test_no_act_citation_gives_none_not_a_wrong_date() -> None:
    """Контроль: без основания — None, а не дата постороннего документа.

    Отсутствие даты честнее: по чужой дате нельзя ни отфильтровать актуальные
    изъятия, ни сверить срок, и она неотличима от настоящей.
    """
    текст = "Решение Екатеринбургской городской Думы от 06.07.2004 № 60/1 «Об утверждении»"
    assert _дата_записи(текст) is None


def test_title_path_does_not_require_context() -> None:
    """Контроль: у заголовка ссылок на чужие акты нет, там правило не применяется."""
    assert _extract_act_date("Постановление от 27.05.2022 № 1413") == "2022-05-27"