Доразметка студий: nnm «Перевод: … (Студия)», kinozal из заголовка раздачи

* harvest_core.nnm_part_studio: студия из части строки «Перевод:» nnm
  («Дублированный (Невафильм)», «… - Jaskier»); раньше такие строки шли с
  «(не указана)», и модель училась не извлекать студию даже из
  «Дублированный (Пифагор)». tech-строки со студиями больше не
  выбрасываются, если на странице нет строк «Аудио N» с именами.
* harvest_core.kz_title_rows: kinozal, студии из заголовка «ПМ (LostFilm,
  HDrezka Studio)», которых нет на странице; вход — сегмент как у сервиса,
  строка «Аудио Rus: … | Студия» — в audio_raw.
* tools/relabel_studios.py — то же по готовому labels.csv без пересборки
  страниц; применено к data/labels.csv: со студией 22 061 -> 29 331 строк
  (nnm +3 051, kinozal +4 219 строк в 3 007 релизах); prepare_data:
  39 418 строк, спан студии 24 004 -> 31 214.
* e2e: эталон как aggregate — «тип без студии» убирается, если у типа есть
  студия.

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>

tools/relabel_studios.py

@@ -0,0 +1,103 @@
+"""Доразметка студий в data/labels.csv без пересборки страниц.
+
+То же, что теперь делает сборщик (tools/harvest/harvest_core.py) при переиндексации,
+но по готовому labels.csv и data/raw — минуты вместо полного разбора HTML:
+
+* nnm, строки «Перевод:» (studio_source=tech) с «(не указана)»: студия, названная
+  в самой части строки («Дублированный (Невафильм)», «… - Jaskier») — nnm_part_studio;
+* kinozal: студии из заголовка раздачи «ПМ (LostFilm, HDrezka Studio)», которых нет
+  среди строк релиза (studio_source=title) — kz_title_rows по data/raw/kinozal/<id>.json.
+
+Ручные релизы (data/manual_ids.txt) не трогаются. Перед записью — копия
+data/labels.bak_relabel_<время>.csv. Повторный запуск ничего не добавляет.
+
+    .venv\\Scripts\\python tools\\relabel_studios.py            # применить
+    .venv\\Scripts\\python tools\\relabel_studios.py --dry-run  # только статистика
+"""
+
+from __future__ import annotations
+
+import argparse
+import csv
+import json
+import shutil
+import sys
+import time
+from collections import Counter, defaultdict
+from pathlib import Path
+
+ROOT = Path(__file__).resolve().parents[1]
+sys.path.insert(0, str(ROOT))
+sys.path.insert(0, str(ROOT / "tools" / "harvest"))
+
+import harvest_core as H  # noqa: E402
+
+LABELS = ROOT / "data" / "labels.csv"
+RAW_KZ = ROOT / "data" / "raw" / "kinozal"
+MANUAL = ROOT / "data" / "manual_ids.txt"
+NO_STUDIO = "(не указана)"
+
+
+def relabel(rows: list[dict], raw_kz: Path = RAW_KZ, manual: set[str] | None = None) -> tuple[list[dict], Counter]:
+    """rows -> (новые rows, статистика). Исходные dict меняются на месте."""
+    manual = manual or set()
+    stats: Counter = Counter()
+    for r in rows:
+        if r["source"] == "nnm" and r.get("studio_source") == "tech" and r["studio"] == NO_STUDIO \
+                and r["release_id"] not in manual:
+            studio = H.nnm_part_studio(r.get("role_raw") or "")
+            if studio:
+                r["studio"] = studio
+                stats["nnm: студия из «Перевод:»"] += 1
+    by_rel: dict[str, list[dict]] = defaultdict(list)
+    for r in rows:
+        if r["source"] == "kinozal":
+            by_rel[r["release_id"]].append(r)
+    added: list[dict] = []
+    for rid, rel_rows in by_rel.items():
+        if rid in manual:
+            continue
+        path = raw_kz / f"{rid.removeprefix('kz-')}.json"
+        if not path.exists():
+            stats["kinozal: нет raw JSON"] += 1
+            continue
+        rec = json.loads(path.read_text(encoding="utf-8"))
+        rec["id"] = rid
+        text = "\n".join(x for x in (rec.get("release_tab") or "", rec.get("tech_tab") or "") if x)
+        new = H.kz_title_rows(rec, text, rel_rows)
+        if new:
+            stats["kinozal: релизов со студиями из заголовка"] += 1
+            stats["kinozal: студий из заголовка"] += len(new)
+            stats["kinozal: из них со строкой «Аудио»"] += sum(bool(x["audio_raw"]) for x in new)
+            added += new
+    return rows + added, stats
+
+
+def main() -> None:
+    ap = argparse.ArgumentParser(description=__doc__, formatter_class=argparse.RawDescriptionHelpFormatter)
+    ap.add_argument("--dry-run", action="store_true", help="только посчитать, файл не менять")
+    args = ap.parse_args()
+    with LABELS.open(encoding="utf-8-sig", newline="") as f:
+        reader = csv.DictReader(f)
+        fields = reader.fieldnames
+        rows = list(reader)
+    manual = set(MANUAL.read_text(encoding="utf-8").split()) if MANUAL.exists() else set()
+    before = sum(r["studio"] != NO_STUDIO for r in rows)
+    rows, stats = relabel(rows, manual=manual)
+    after = sum(r["studio"] != NO_STUDIO for r in rows)
+    for k, v in stats.items():
+        print(f"{k}: {v}")
+    print(f"строк: {len(rows)}; со студией: {before} -> {after}")
+    if args.dry_run:
+        return
+    backup = LABELS.with_name(f"labels.bak_relabel_{time.strftime('%Y%m%d_%H%M%S')}.csv")
+    shutil.copy(LABELS, backup)
+    with LABELS.open("w", encoding="utf-8-sig", newline="") as f:
+        w = csv.DictWriter(f, fieldnames=fields, extrasaction="ignore")
+        w.writeheader()
+        w.writerows(rows)
+    print(f"записано: {LABELS.relative_to(ROOT)}; копия: {backup.name}")
+
+
+if __name__ == "__main__":
+    main()