FotkyBuzalkovi — pracovní deník

Živý dokument. Zapisujeme sem co jsme zjistili, co jsme rozhodli a co je na řadě. Technická reference → CONTEXT.md, návrh architektury → NAVRH.md.

Session 2026-06-04

Stav DB na začátku

Tabulka	Řádky
`zaloha_obrazku`	1 717 182
`zdrojove_soubory`	3 573 846
`photos`	1 717 175
`photo_errors`	3 185 319

Všechny fotky mají processing_status = 'pending' — pipeline doběhla, další zpracování nezačalo.

Co jsme zjistili

Problém 1 — V záloze je spousta odpadu, ne jen rodinné fotky.
Pipeline sebrala vše co má příponu .jpg/.jpeg — včetně:

PhotoPrism cache thumbnailů (appdata/photoprism/cache/) — 229 521 ks, <10 kB
Plex / Immich cache
MP3 a LP obaly
DVD obaly, eBook obálky
ABC vystřihovánky (skenované na 1200 DPI → soubory 60–100 MB)
Reprodukce obrazů z torrentů (Raffael, Rembrandt... v muzejní kvalitě)
Stažené obrázky z webu (Dropbox/!!!Days/Stefajir/...)
Windows AppData (Kindle covers, .NET watermark...)

Problém 2 — Rok pořízení je hodně porušený.

Rok 2024 má 985 754 fotek (>57 % všech) — zřejmě chybný fallback na mtime místo EXIF
Rok 1863, 2031–4501 — garbage v EXIF
Rok 2026 má 93 492 — suspektní

Sloupec wanted:
Přidán photos.wanted BOOLEAN NOT NULL DEFAULT FALSE — všech 1 717 175 fotek má FALSE.
Účel: budeme označovat fotky které chceme zachovat / zpracovat.

Nástroje

00 PictureCollector/preview_sample.py — zobrazí náhled fotek podle ID
Použití: python preview_sample.py 101 202 303 ...
Claude vybere ID přes MCP dotazy, předá příkaz ke spuštění.
00 PictureCollector/migrate_add_wanted.py — přidal sloupec wanted (idempotentní)

Rozhodnutí

Pravidla vyloučení cest — část 1 (2026-06-04)

Tyto cesty nechceme — wanted zůstane FALSE, nezpracovávat:

Vzor cesty (obsahuje)	Důvod	Počet
`Torrents/Downloads/OOPS!!! International`	porno screenshoty	~7 105
`Torrents/Downloads/Tampons Pads Period`	porno	~9 600
`#ColdData/Porno/`	porno screenlists	—
`Porno1/`	porno	~2 730
`#ColdData/000 TORENT OBRAZKY/National Geographic Wallpapers`	stažené wallpapery	~7 188
`#ColdData/000 TORENT OBRAZKY/[OnlyFans]`	OnlyFans	~1 377
`#ColdData/000 TORENT OBRAZKY/Great Painters`	reprodukce obrazů	—
`UltraCC/` a obsahuje `/jpg`	Hot Wheels katalog a jiné torrent obrázky	~3 484
`Magentic/Runtime/UserPhotos/css`	webové ikonky	~1 034
`.Icecream Ebook Reader/`	obrázky z epub knih	—
`photoprism/sidecar/`	XMP sidecar soubory	—

Otevřené: appdata/photoprism/cache, Immich thumbs, MP3/LP obaly, eBooks — vyřeší se v další části pravidel.

Schéma — nové sloupce v `photos`

Sloupec	Typ	Popis
`wanted`	`BOOLEAN NOT NULL DEFAULT FALSE`	chceme tuto fotku zachovat/zpracovat
`category`	`VARCHAR(100)`	kategorie: Fotopast, Rodina, Skeny, …

Označené kategorie

Kamera / kritérium	wanted	category	Počet
BolyMedia SG520	TRUE	Fotopast	42 688

Na řadě

Prozkoumat co přesně je v záloze — jaký podíl jsou skutečné rodinné fotky
Rozhodnout jak filtrovat odpad (path blacklist? size? absence kamery?)
Vyřešit problém s roky — proč 57 % fotek padá do 2024
Označit první várku fotek jako wanted = TRUE

Backlog otevřených otázek

Co s "sirotky" bez EXIF — mtime / odmítnout / označit?
Při shodě sha256_pixels — přeskočit / sloučit metadata / uložit oba?
Storage layout — nechat in-place / archiv/YYYY/MM/ / content-addressable?
Jak poznat "rodinná fotka" od odpadu bez ruční kontroly?

3.8 KiB Raw Blame History Unescape Escape