sin números de capítulo
', 'https://x.com')).toBeUndefined(); + }); +}); diff --git a/src/infrastructure/scraper/chapter-extractor.ts b/src/infrastructure/scraper/chapter-extractor.ts new file mode 100644 index 0000000..9403932 --- /dev/null +++ b/src/infrastructure/scraper/chapter-extractor.ts @@ -0,0 +1,35 @@ +import { PropuestaCapitulo } from '@application/ports'; + +/** + * Extractor de capítulo PURO (sin red): dado un HTML, intenta encontrar el número de + * capítulo más alto mencionado. Se mantiene simple y testeable a propósito; es la pieza + * frágil ante cambios de los sitios, por eso el resultado se PROPONE, no se guarda. + */ +const PATRONES: RegExp[] = [ + /cap[íi]tulo\s*#?\s*(\d+(?:\.\d+)?)/gi, + /\bcap\.?\s*(\d+(?:\.\d+)?)/gi, + /\bchapter\s*#?\s*(\d+(?:\.\d+)?)/gi, + /\bch\.?\s*(\d+(?:\.\d+)?)/gi, +]; + +export function extraerCapitulo(html: string, fuenteUrl: string): PropuestaCapitulo | undefined { + const encontrados: { valor: number; etiqueta: string; patron: number }[] = []; + PATRONES.forEach((re, patronIdx) => { + for (const m of html.matchAll(re)) { + const valor = Number.parseFloat(m[1]); + if (Number.isFinite(valor)) encontrados.push({ valor, etiqueta: m[0].trim(), patron: patronIdx }); + } + }); + if (encontrados.length === 0) return undefined; + + // Tomamos el capítulo más alto (normalmente el último publicado / visible). + encontrados.sort((a, b) => b.valor - a.valor); + const mejor = encontrados[0]; + + // Confianza: patrón explícito "capítulo/chapter" > abreviaturas; más coincidencias = más confianza. + const distintos = new Set(encontrados.map((e) => e.valor)).size; + const confianza: PropuestaCapitulo['confianza'] = + mejor.patron <= 1 && distintos > 2 ? 'alta' : distintos > 1 ? 'media' : 'baja'; + + return { capitulo: mejor.valor, etiqueta: mejor.etiqueta, confianza, fuenteUrl }; +} diff --git a/src/infrastructure/scraper/generic-scraper.ts b/src/infrastructure/scraper/generic-scraper.ts new file mode 100644 index 0000000..96345ee --- /dev/null +++ b/src/infrastructure/scraper/generic-scraper.ts @@ -0,0 +1,25 @@ +import { PropuestaCapitulo, SourceScraper } from '@application/ports'; +import { extraerCapitulo } from './chapter-extractor'; + +/** + * Adaptador scraper genérico. Descarga el HTML de la fuente y delega en el extractor puro. + * En navegador, fetch cross-origin choca con CORS: si `VITE_SCRAPER_PROXY` está configurado + * (Edge Function / worker del backend auto-instanciable), la descarga se enruta por ahí. + * + * Es opt-in y semi-asistido: solo se invoca a petición del usuario y su salida se PROPONE. + */ +export class GenericScraper implements SourceScraper { + constructor(private proxy = import.meta.env.VITE_SCRAPER_PROXY as string | undefined) {} + + soporta(url: string): boolean { + return /^https?:\/\//i.test(url); + } + + async detectar(url: string): Promise{error}
} +Tu catálogo está vacío.
+Ninguna obra coincide con los filtros.
+ )} ++ {obra.tipo} · Cap. {capFmt(capitulo)} · Última: {fechaCorta(ultima)} +
+Cargando…
También: {obra.nombresAlternativos.join(' · ')}
+ )} +{obra.notas}
+ {f.estadoVerificacion === 'activa' &&
{h.punto}
} +