notebookvb

SběrDatRůzné/SudokuKiller/NOTES.md

@@ -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
+```

SběrDatRůzné/SudokuKiller/vykresli_killer_sudoku.py

@@ -24,7 +24,7 @@ _fonts_dir = os.path.join(os.environ.get("WINDIR", r"C:\Windows"), "Fonts")
 pdfmetrics.registerFont(TTFont("Arial", os.path.join(_fonts_dir, "arial.ttf")))
 pdfmetrics.registerFont(TTFont("ArialBold", os.path.join(_fonts_dir, "arialbd.ttf")))
 
-OUTPUT = Path(__file__).parent / "test_killer_sudoku_v6.pdf"
+OUTPUT = Path(__file__).parent / "killer_sudoku_31414.pdf"
 
 
 def parse_cages(puzzle_str: str) -> list[dict]:
@@ -79,78 +79,101 @@ def draw_killer_sudoku(c: Canvas, x0: float, y0: float, cell: float,
                 cy = y0 - (r + 1) * cell + cell * 0.28
                 c.drawCentredString(cx, cy, str(solution[r][co]))
 
-    # --- Vrstva 1: kompletní sudoku mřížka (tenké plné čáry) ---
+    # --- Vrstva 1: tečkované ohraničení klecí (KRESLÍ SE JAKO PRVNÍ) ---
+    # Tečkované jdou ZESPODU, mřížka přes ně. Tím se zachová čistý vzhled —
+    # tenká mřížka překryje místa, kde tečkovaná protíná čáru mřížky.
+    inset = cell * 0.10
+    c.setStrokeColor(colors.Color(0.2, 0.2, 0.2))
+    c.setLineWidth(cage_line * 0.5)
+    c.setDash(3, 2)
+
+    has_top = [[r == 0 or cage_map[r - 1][co] != cage_map[r][co]
+                for co in range(9)] for r in range(9)]
+    has_bot = [[r == 8 or cage_map[r + 1][co] != cage_map[r][co]
+                for co in range(9)] for r in range(9)]
+    has_lft = [[co == 0 or cage_map[r][co - 1] != cage_map[r][co]
+                for co in range(9)] for r in range(9)]
+    has_rgt = [[co == 8 or cage_map[r][co + 1] != cage_map[r][co]
+                for co in range(9)] for r in range(9)]
+
+    def in_cg(rr, cc, cid):
+        return 0 <= rr <= 8 and 0 <= cc <= 8 and cage_map[rr][cc] == cid
+
+    # Top borders — slévání v řádku
+    # Vnější roh: zkrácení o inset. Vnitřní roh: prodloužení o inset.
+    for r in range(9):
+        co = 0
+        while co < 9:
+            if not has_top[r][co]:
+                co += 1
+                continue
+            cid = cage_map[r][co]
+            s = co
+            while co < 9 and cage_map[r][co] == cid and has_top[r][co]:
+                co += 1
+            # Levý konec: vnitřní roh když (r, s-1) je v kleci (cage tam pokračuje směrem nahoru)
+            x_s = x0 + s * cell + (-inset if in_cg(r, s - 1, cid) else inset)
+            # Pravý konec: vnitřní roh když (r, co) je v kleci
+            x_e = x0 + co * cell + (inset if in_cg(r, co, cid) else -inset)
+            c.line(x_s, y0 - r * cell - inset, x_e, y0 - r * cell - inset)
+
+    # Bottom borders
+    for r in range(9):
+        co = 0
+        while co < 9:
+            if not has_bot[r][co]:
+                co += 1
+                continue
+            cid = cage_map[r][co]
+            s = co
+            while co < 9 and cage_map[r][co] == cid and has_bot[r][co]:
+                co += 1
+            x_s = x0 + s * cell + (-inset if in_cg(r, s - 1, cid) else inset)
+            x_e = x0 + co * cell + (inset if in_cg(r, co, cid) else -inset)
+            c.line(x_s, y0 - (r + 1) * cell + inset, x_e, y0 - (r + 1) * cell + inset)
+
+    # Left borders — slévání ve sloupci
+    for co in range(9):
+        r = 0
+        while r < 9:
+            if not has_lft[r][co]:
+                r += 1
+                continue
+            cid = cage_map[r][co]
+            s = r
+            while r < 9 and cage_map[r][co] == cid and has_lft[r][co]:
+                r += 1
+            # Horní konec: vnitřní roh když (s-1, co) je v kleci
+            y_s = y0 - s * cell + (inset if in_cg(s - 1, co, cid) else -inset)
+            # Dolní konec: vnitřní roh když (r, co) je v kleci
+            y_e = y0 - r * cell + (-inset if in_cg(r, co, cid) else inset)
+            c.line(x0 + co * cell + inset, y_s, x0 + co * cell + inset, y_e)
+
+    # Right borders
+    for co in range(9):
+        r = 0
+        while r < 9:
+            if not has_rgt[r][co]:
+                r += 1
+                continue
+            cid = cage_map[r][co]
+            s = r
+            while r < 9 and cage_map[r][co] == cid and has_rgt[r][co]:
+                r += 1
+            y_s = y0 - s * cell + (inset if in_cg(s - 1, co, cid) else -inset)
+            y_e = y0 - r * cell + (-inset if in_cg(r, co, cid) else inset)
+            c.line(x0 + (co + 1) * cell - inset, y_s, x0 + (co + 1) * cell - inset, y_e)
+
+    c.setDash()
+
+    # --- Vrstva 2: kompletní sudoku mřížka (tenké plné čáry přes tečkované) ---
     c.setStrokeColor(colors.Color(0.55, 0.55, 0.55))
     c.setLineWidth(thin)
     for i in range(1, 9):
         c.line(x0, y0 - i * cell, x0 + 9 * cell, y0 - i * cell)
         c.line(x0 + i * cell, y0, x0 + i * cell, y0 - 9 * cell)
 
-    # --- Vrstva 2: tečkované ohraničení klecí (odsazené dovnitř buněk) ---
-    inset = cell * 0.10
-    c.setStrokeColor(colors.Color(0.2, 0.2, 0.2))
-    c.setLineWidth(cage_line * 0.5)
-    c.setDash(3, 2)
-
-    # Horizontální hrany klecí — top borders
-    for r in range(9):
-        co = 0
-        while co < 9:
-            cid = cage_map[r][co]
-            if not (r == 0 or cage_map[r - 1][co] != cid):
-                co += 1
-                continue
-            seg_start = co
-            while co < 9 and cage_map[r][co] == cid and (r == 0 or cage_map[r - 1][co] != cid):
-                co += 1
-            c.line(x0 + seg_start * cell + inset, y0 - r * cell - inset,
-                   x0 + co * cell - inset, y0 - r * cell - inset)
-
-    # Horizontální hrany klecí — bottom borders
-    for r in range(9):
-        co = 0
-        while co < 9:
-            cid = cage_map[r][co]
-            if not (r == 8 or cage_map[r + 1][co] != cid):
-                co += 1
-                continue
-            seg_start = co
-            while co < 9 and cage_map[r][co] == cid and (r == 8 or cage_map[r + 1][co] != cid):
-                co += 1
-            c.line(x0 + seg_start * cell + inset, y0 - (r + 1) * cell + inset,
-                   x0 + co * cell - inset, y0 - (r + 1) * cell + inset)
-
-    # Vertikální hrany klecí — left borders
-    for co in range(9):
-        r = 0
-        while r < 9:
-            cid = cage_map[r][co]
-            if not (co == 0 or cage_map[r][co - 1] != cid):
-                r += 1
-                continue
-            seg_start = r
-            while r < 9 and cage_map[r][co] == cid and (co == 0 or cage_map[r][co - 1] != cid):
-                r += 1
-            c.line(x0 + co * cell + inset, y0 - seg_start * cell - inset,
-                   x0 + co * cell + inset, y0 - r * cell + inset)
-
-    # Vertikální hrany klecí — right borders
-    for co in range(9):
-        r = 0
-        while r < 9:
-            cid = cage_map[r][co]
-            if not (co == 8 or cage_map[r][co + 1] != cid):
-                r += 1
-                continue
-            seg_start = r
-            while r < 9 and cage_map[r][co] == cid and (co == 8 or cage_map[r][co + 1] != cid):
-                r += 1
-            c.line(x0 + (co + 1) * cell - inset, y0 - seg_start * cell - inset,
-                   x0 + (co + 1) * cell - inset, y0 - r * cell + inset)
-
-    c.setDash()
-
-    # Tlusté 3×3 čáry + vnější okraj
+    # --- Vrstva 3: tlusté 3×3 čáry + vnější okraj ---
     c.setStrokeColor(colors.black)
     c.setLineWidth(thick)
     for i in range(0, 10, 3):