Фикс html_to_text (студия-ссылка в строке), BLOCK теги, схлопывание дорожек без студии, FlareSolverr-фолбэки

Co-Authored-By: Claude Sonnet 5.5 <noreply@anthropic.com>
2026-10-27 18:01:22 +07:00
1 parent dce219aeee
commit 96e5fa0d75
@@ -93,3 +93,11 @@

 Для e2e есть страницы только старых релизов (`data/pages`), для новых строк их нет.
 Если порог 99% по спану критичен — для встраивания брать fp32 tiny2 (116 МБ).
+
+## Сегментация страницы: правила, а не нейросеть
+
+Нейромодель получает уже вырезанный текст одной дорожки. Вырезает его
+`src/html_extract.py` — регулярками («Перевод N:», разделители, запятые).
+Поэтому ошибки вида «Дубляж, Продубляж» режется на две дорожки — это ошибки правил.
+Следующий шаг (не сделан): токен-классификатор по строкам страницы, который
+сам находит границы дорожек.