notebookvb

2026-05-08 22:06:57 +02:00
parent c9903646f1
commit c4c0d1d435
14 changed files with 1666 additions and 0 deletions
@@ -0,0 +1,88 @@
+# SudokuKiller — technické poznámky
+
+## Přehled skriptů
+
+### Stahování PDF (původní pipeline)
+
+| 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 |
+
+### 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 |
+
+## Zdroj dat
+
+Web: https://www.dailykillersudoku.com/
+
+Každý puzzle má stránku `/puzzle/{N}` s inline JSON daty v HTML:
+```javascript
+DKS.puzzle = new DKS.Puzzle({
+  "id": 376,
+  "date": "2009-05-04",
+  "difficulty": 4,
+  "board_base64": "AZoACQAE...",
+  "solution_base64": "AJoICQIG...",
+  "puzzle_type": 1
+})
+```
+
+## Dekódování base64
+
+### board_base64
+- 2 bajty header (puzzle_type, flags)
+- 81 × 2 bajty = 162 bajtů — cage ID pro každou buňku (uint16 big-endian)
+- N bajtů — součet pro každou klec (1 bajt = max 255)
+
+### solution_base64
+- 2 bajty header
+- 81 bajtů — čísla řešení (řádek po řádku)
+
+## Typy puzzle
+
+| puzzle_type | game_type v DB | Popis |
+|-------------|----------------|-------|
+| 1 | `killer_sudoku` | Killer Sudoku — klece se součty |
+| 2 | `killer_sudoku_gt` | Greater-Than Killer Sudoku — klece + nerovnosti |
+
+## Obtížnost
+
+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):
+- `game_type` = `'killer_sudoku'` / `'killer_sudoku_gt'`
+- `difficulty` = `'1'` až `'10'`
+- `puzzle` = klece ve formátu `sum,r0c1r0c2|sum,r3c4r3c5|...`
+- `solution` = flat string 81 číslic
+- `extra` = `{"grid_size": 9, "puzzle_number": 376, "original_difficulty": 4}`
+- `source` = `'dailykillersudoku.com'`
+
+## Layout a tisk
+
+V podadresáři `Testy/` jsou experimentální skripty pro:
+- Ořezávání PDF (ray-cast detekce mřížky)
+- Škálování a umístění 2 puzzle na A4
+- Layout konfigurace (`layouts.json`)
+
+## 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)
+- `tqdm` — progress bar