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>

src/html_extract.py

@@ -40,7 +40,7 @@ RE_TYPE_HINT = re.compile(
 # корневые слова типов — для разбиения перечислений через запятую
 # корни «голосности»: «Авторский, одноголосый» — одна дорожка (авторск — лишь
 # уточнение), поэтому по запятым режем только перечисления голосностей
-RE_TYPE_ROOT = re.compile(r"(?i)(дубл|многоголос|двухголос|одноголос)")
+RE_TYPE_ROOT = re.compile(r"(?i)\b(дубл|многоголос|двухголос|одноголос)")
 
 # разделители нескольких дорожек в одной строке (перед словом типа озвучки)
 RE_SEP = re.compile(
@@ -50,15 +50,32 @@ RE_SEP = re.compile(
 SELECTORS = ("div.post_body", "div[id^=post-text-]", ".postbody", "#tabs")
 
 
+BLOCK_TAGS = ("p", "div", "tr", "li", "ul", "ol", "table", "hr", "h1", "h2", "h3",
+              "h4", "h5", "h6", "blockquote", "pre", "dt", "dd")
+
+
+def _node_text(node) -> str:
+    """Текст узла: перевод строки только на <br> и блочных тегах.
+
+    Инлайн-теги (<a>, <span>, <b>) строку не рвут: на rutracker имя студии —
+    ссылка внутри строки «Перевод 1: Профессиональный (…) <a>Студия</a>».
+    """
+    for br in node.find_all("br"):
+        br.replace_with("\n")
+    for tag in node.find_all(BLOCK_TAGS):
+        tag.insert_before("\n")
+        tag.insert_after("\n")
+    return node.get_text("")
+
+
 def html_to_text(html: str) -> str:
     """HTML -> текст: контейнер поста/вкладки описания либо весь документ."""
     soup = BeautifulSoup(html, "lxml")
     for sel in SELECTORS:
         node = soup.select_one(sel)
         if node and node.get_text(strip=True):
-            return node.get_text("\n")
-    body = soup.body or soup
-    return body.get_text("\n")
+            return _node_text(node)
+    return _node_text(soup.body or soup)
 
 
 def _split_entries(body: str) -> list[str]: