v0.0.54: В2 фикс кракозябр имён zip (utf-8+валидация→cp866), В1 фильтр таблиц (безопасен, эффект≈0)

History/2026-08-20-v1-v2-implemented.md

@@ -0,0 +1,37 @@
+# 2026-08-20 — В1+В2 из ревью Sonnet (v0.0.54)
+
+## В2 — фикс кракозябр имён zip (extractor.py `_decode_name`)
+Добавлена попытка decode("utf-8") ПЕРЕД decode("cp866"), с валидацией диапазона:
+- результат UTF-8 принимается, только если все символы — ASCII или кириллица (U+0400–U+04FF)
+  (отсекает случайную коллизию CP866→UTF-8, напр. «Т»+«г» = U+04A3);
+- при ошибке или выходе из диапазона — фоллбэк decode("cp866") (реальные 1С).
+
+Проверено:
+- CP866-зип (zip_subfolders_cp866.zip) → имена корректны (1_Металлургия.pdf…)
+- UTF-8 с флагом (zip_subfolders_utf8.zip) → корректны
+- test_zip 28/28 OK
+
+## В1 — фильтр перед extract_tables() (extractor.py `pdf_to_markdown`)
+Добавлен: `if page.lines or page.curves or page.rects:` перед `extract_tables()`.
+Задумывалось как ускорение сканов (extract_tables на страницах без линий впустую).
+
+### ⚠️ ФАКТ замера (опровергает гипотезу Sonnet)
+На Spartan10Manual.pdf (14.8 МБ, 619 стр):
+- extract_text  суммарно 64.4с  (104мс/стр) — УЗКОЕ МЕСТО
+- extract_tables суммарно 0.2с  (0мс/стр)  — ничтожно
+- на 272 страницах без линий extract_tables суммарно 0.0с — почти мгновенно
+
+ВЫВОД: фильтр В1 НЕ даёт ускорения (extract_tables и так дешёвый). Реальное узкое
+место — extract_text (pdfminer). Фильтр оставлен как безопасная защита (таблицы
+не теряет: на 0144-03-2023_отчет об оценке.pdf 94=94 таблицы, потеряно страниц 0),
+но эффект ускорения ≈ 0.
+
+### Реальный путь ускорения (отложено)
+Узкое место — extract_text (104мс/стр × 619 стр = 64с). Ускорение только через:
+- распараллеливание extract_text по страницам/файлам (ProcessPool) — отложено,
+  требует замера рисков (fork/память, CPU=2);
+- или смену извлечения текста без потери таблиц (риск: таблицы критичны).
+
+## Тесты
+Все 106 тестов OK (test_zip 28, test_extractor 15, test_builder 20, test_replacer 10,
+test_scanner 20, test_upload 13). VERSION 0.0.54.