notebookvb

2026-05-08 22:38:36 +02:00
parent c4c0d1d435
commit c083e8e79a
14 changed files with 140 additions and 98 deletions
@@ -1,22 +1,13 @@
 # SudokuKiller — technické poznámky

-## Přehled skriptů
-
-### Stahování PDF (původní pipeline)
+## Hlavní skripty

 | Skript | Popis |
 |--------|-------|
-| `stahni_killer_sudoku.py` | Stáhne puzzle + solution PDF z dailykillersudoku.com |
-| `stahni_greater_than.py` | Stáhne Greater-Than variantu, přejmenuje existující |
-| `import_do_mysql.py` | Importuje PDF soubory do MySQL tabulky `sudoku_killer` (binární bloby) |
-| `30_BatchCrop.py` | Ořeže PDF (odstraní hlavičky/patičky), uloží zpět do DB |
+| `stahni_killer_structured.py` | Stáhne strukturovaná data (cage definice + řešení) z dailykillersudoku.com do MySQL tabulky `puzzles`. Průběžně ukládá zálohu do `killer_structured_data.json` |
+| `vykresli_killer_sudoku.py` | Vygeneruje PDF z dat v MySQL — Killer Sudoku zadání + řešení, vektorové, vzhledem identické s originálem z webu |

-### Strukturovaná data (nový pipeline)
-
-| Skript | Popis |
-|--------|-------|
-| `stahni_killer_structured.py` | Stáhne strukturovaná data (cage definice + řešení) z webu do sdílené tabulky `puzzles` |
-| `preskumaj_killer_data*.py` | Průzkumné skripty pro reverzní inženýrství datového formátu |
+Ostatní (stará pipeline s PDF bloby, průzkumné skripty, testovací PDF) je v podadresáři `Testy/`.

 ## Zdroj dat

@@ -56,33 +47,61 @@ DKS.puzzle = new DKS.Puzzle({

 Škála 1–10 (z webu), uložena v `difficulty`.

-## MySQL — původní tabulka `sudoku_killer`
-
-Obsahuje binární PDF v `file_puzzle` / `file_solution` / `file_puzzle_cropped`.
- 19 106 KillerSudoku (puzzle 1–31414, 2009–2026)
- 11 405 GreaterThan (puzzle 1730–31416, 2010–2026)
-
 ## MySQL — sdílená tabulka `puzzles`

-Strukturovaná data (cage definice + řešení):
+Strukturovaná data:
 - `game_type` = `'killer_sudoku'` / `'killer_sudoku_gt'`
 - `difficulty` = `'1'` až `'10'`
- `puzzle` = klece ve formátu `sum,r0c1r0c2|sum,r3c4r3c5|...`
- `solution` = flat string 81 číslic
+- `puzzle` = klece ve formátu `sum,r0c1r0c2|sum,r3c4r3c5|...` (`VARCHAR(1000)`)
+- `solution` = flat string 81 číslic (`VARCHAR(1000)`)
 - `extra` = `{"grid_size": 9, "puzzle_number": 376, "original_difficulty": 4}`
 - `source` = `'dailykillersudoku.com'`

-## Layout a tisk
+**Pozor:** `puzzle` a `solution` byly původně `VARCHAR(200)` — nedostačovalo, cage stringy mají až ~500 znaků. Sloupce rozšířeny na `VARCHAR(1000)`.

-V podadresáři `Testy/` jsou experimentální skripty pro:
- Ořezávání PDF (ray-cast detekce mřížky)
- Škálování a umístění 2 puzzle na A4
- Layout konfigurace (`layouts.json`)
+## Stav stažených dat
+
+- ~28 700 puzzlů (1–31 416)
+- Killer Sudoku: ~17 200, Greater-Than: ~11 500
+- Zdrojová data v `killer_structured_data.json` (záloha pro případ MySQL chyby)
+
+## PDF rendering — pořadí vrstev
+
+Klíčové pro vzhled identický s originálem z webu (`vykresli_killer_sudoku.py`):
+
+1. **Bílé pozadí**
+2. **Čísla řešení** (jen pro řešovou variantu, šedě)
+3. **Tečkované ohraničení klecí** — odsazené dovnitř buněk o `cell * 0.10`, slévání segmentů v rámci stejné klece (jeden `c.line()` přes víc buněk → pattern teček neresetuje)
+4. **Tenká plná mřížka** — všechny řádky/sloupce, šedě (překryje přesahy tečkovaných v křížení)
+5. **Tlusté čáry 3×3** + obvod, černě
+6. **Popisky součtů** — bíle podsvícené, ArialBold
+
+### Vnější vs vnitřní rohy klecí
+
+Při slévání tečkovaných segmentů endpoints buďto **zkrátit** o inset (vnější roh) nebo **prodloužit** o inset (vnitřní roh — kde klec zahýbá L-tvarem).
+
+Detekce: pro horizontální segment top borderu od sloupce `s` do `co` (exclusive):
+- Levý konec vnitřní roh = `cage_map[r][s-1] == cid` → prodloužit
+- Pravý konec vnitřní roh = `cage_map[r][co] == cid` → prodloužit
+
+Bez tohoto fixu se na vnitřních rozích L-tvarů objevují viditelné mezery.

 ## Závislosti

- `requests`, `beautifulsoup4` — HTTP + HTML parsing
- `fitz` (PyMuPDF) — PDF manipulace, ray-cast cropping
- `pypdf` — PDF čtení/zápis
- `playwright` — průzkumné skripty (není potřeba pro produkční stahování)
+- `requests` — HTTP fetch (bez Playwright, data jsou inline v HTML)
+- `reportlab` — PDF generation (vektorová grafika)
 - `tqdm` — progress bar
+- `mysql_db` (lokální Knihovny) — DB připojení
+
+## Použití
+
+```bash
+# Stažení dat (s pokračováním z JSON pokud existuje)
+python stahni_killer_structured.py --run
+
+# Pouze import už stažených JSON dat do MySQL
+python stahni_killer_structured.py --import
+
+# Vygenerování PDF pro puzzle 31414
+python vykresli_killer_sudoku.py
+```