Студии из кодек-строк: codec_line_rows, доразметка, аудит дорожек

tools/audit_tracks.py и reports/tracks_audit.md — аудит всех дорожек
техданных по data/raw с планом. Пункт 1 плана: harvest_core.codec_line_rows
добавляет студии из строк «Аудио 2: AC3 … (MVO, LostFilm)», «Аудио Rus: … |
TVShows» (studio_source=codec), которых нет среди строк релиза; тот же шаг
в tools/relabel_studios.py (повторный запуск ничего не добавляет).
labels.csv: +6 428 строк в 2 862 релизах (kinozal 3 444, nnm 1 609,
rutracker 1 375), со студией 29 331 -> 35 759. tests/e2e_segmenter.py:
модель через E2E_MODEL.

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

tools/relabel_studios.py

@@ -6,7 +6,9 @@
 * 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.
+  среди строк релиза (studio_source=title) — kz_title_rows по data/raw/kinozal/<id>.json;
+* все трекеры: студии из кодек-строк «Аудио 2: AC3 … (MVO, LostFilm)», «Аудио Rus: … | TVShows»,
+  которых нет среди строк релиза (studio_source=codec) — codec_line_rows по data/raw/<трекер>/<id>.json.
 
 Ручные релизы (data/manual_ids.txt) не трогаются. Перед записью — копия
 data/labels.bak_relabel_<время>.csv. Повторный запуск ничего не добавляет.
@@ -20,6 +22,7 @@ from __future__ import annotations
 import argparse
 import csv
 import json
+import re
 import shutil
 import sys
 import time
@@ -33,7 +36,8 @@ 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"
+RAW = ROOT / "data" / "raw"
+RAW_KZ = RAW / "kinozal"
 MANUAL = ROOT / "data" / "manual_ids.txt"
 NO_STUDIO = "(не указана)"
 
@@ -70,7 +74,36 @@ def relabel(rows: list[dict], raw_kz: Path = RAW_KZ, manual: set[str] | None = N
             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
+    rows = rows + added
+    by_rel = defaultdict(list)
+    for r in rows:
+        by_rel[(r["source"], r["release_id"])].append(r)
+    codec: list[dict] = []
+    for (src, rid), rel_rows in by_rel.items():
+        if rid in manual:
+            continue
+        text = raw_text(raw_kz.parent, src, rid)
+        if text is None:
+            continue
+        new = H.codec_line_rows({"id": rid, "source": src}, text, rel_rows)
+        if new:
+            stats[f"{src}: релизов со студиями из кодек-строк"] += 1
+            stats[f"{src}: студий из кодек-строк"] += len(new)
+            codec += new
+    return rows + codec, stats
+
+
+def raw_text(raw_dir: Path, src: str, rid: str) -> str | None:
+    """Текст страницы, как у сборщика: kinozal — «Релиз» + «Техданные», nnm/rutracker — пост."""
+    num = re.sub(r"^(kz|nnm|rt)-", "", rid)
+    for name in (f"{num}.json", f"{num}.legacy.json"):
+        path = raw_dir / src / name
+        if path.exists():
+            rec = json.loads(path.read_text(encoding="utf-8"))
+            if src == "kinozal":
+                return "\n".join(x for x in (rec.get("release_tab") or "", rec.get("tech_tab") or "") if x)
+            return rec.get("post") or ""
+    return None
 
 
 def main() -> None: