update

backend/belege.py

@@ -0,0 +1,62 @@
+"""Faktenbasis eines Atoms = Quelltext-FENSTER um seine Anker, nicht nur das Zitat.
+Rollen-Trennung: Der Anker identifiziert die Stelle (kurz, verbatim, fuzzy-matchbar);
+die Substanz eines Verfahrens (Pseudo-Code, Ablauf) steht in der Quelle DANEBEN.
+Nur gegen das Zitat geprüft war jede inhaltliche Karte formal „unbelegt" — die
+Top-Verworfen-Atome (GA 73×, LPT 33×) hatten 42–150 Zeichen Beleg."""
+
+from functools import lru_cache
+
+import db
+from config import BELEG_FENSTER_NACH, BELEG_FENSTER_VOR
+
+
+@lru_cache(maxsize=64)
+def _snapshot(pfad: str) -> str:
+    # Pfade sind hash-benannt (q-<hash>.md) — neuer Korpus = neuer Pfad, Cache safe
+    try:
+        return open(pfad, encoding="utf-8").read()
+    except OSError:
+        return ""
+
+
+def _wortgrenzen(text: str, a: int, b: int) -> str:
+    aus = text[a:b]
+    if a > 0 and " " in aus[:80]:
+        aus = aus.split(" ", 1)[1]
+    if b < len(text) and " " in aus[-80:]:
+        aus = aus.rsplit(" ", 1)[0]
+    return aus.strip()
+
+
+def fenster_liste(atom_id: int, max_fenster: int = 2) -> list[str]:
+    """Beleg-Blöcke des Atoms: Quellumgebung je Anker (überlappende gemerged),
+    gedeckelt auf max_fenster. Anker ohne Span oder ohne lesbaren Snapshot
+    fallen auf ihr Zitat zurück — nie schlechter als vorher."""
+    anker = db.query(
+        "SELECT k.start, k.ende, k.zitat, q.snapshot FROM anker k"
+        " JOIN quellen q ON q.id=k.quelle_id WHERE k.atom_id=?", (atom_id,))
+    spans: dict[str, list[tuple[int, int]]] = {}
+    fallback: list[str] = []
+    for k in anker:
+        text = _snapshot(k["snapshot"]) if k["start"] >= 0 else ""
+        if not text:
+            fallback.append(k["zitat"])
+            continue
+        a = max(0, k["start"] - BELEG_FENSTER_VOR)
+        b = min(len(text), k["ende"] + BELEG_FENSTER_NACH)
+        spans.setdefault(k["snapshot"], []).append((a, b))
+    bloecke: list[str] = []
+    for snap, sp in spans.items():
+        text = _snapshot(snap)
+        sp.sort()
+        merged: list[list[int]] = []
+        for a, b in sp:
+            if merged and a <= merged[-1][1]:
+                merged[-1][1] = max(merged[-1][1], b)
+            else:
+                merged.append([a, b])
+        bloecke += [_wortgrenzen(text, a, b) for a, b in merged]
+    out = bloecke[:max_fenster]
+    if not out:  # kein Span verwertbar → wenigstens die Zitate
+        out = fallback
+    return [b for b in out if b]