fix(sefaria): פסיק אחרי שם הספר ב-heRef של הסכמה הפשוטה - #23
Open
palmoni5 wants to merge 1 commit into
Open
Conversation
הסכמה המורכבת (צמתים בעלי שם) כבר פולטת פסיק אחרי שם הספר, אבל המסלול הפשוט הדביק את הרמה הראשונה לשם ברווח — 'רש"י על חולין ו., ה, ב' — ולכן צרכני התצוגה לא יכלו לספור את רמות המיקום, ואות-הפירוש הסידורית הוצגה תמיד בפאנל המפרשים. קובצי הקישורים הידניים נושאים heRef_2 בפורמט הישן; המפתוח והחיפוש באינדקס הידני עוברים דרך legacyHeRefKey כך ששני האיותים נפתרים לאותה שורה, בלי לגעת בקבצי הנתונים.
This file contains hidden or bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
Sign up for free
to join this conversation on GitHub.
Already have an account?
Sign in to comment
1 participant
Add this suggestion to a batch that can be applied as a single commit.This suggestion is invalid because no changes were made to the code.Suggestions cannot be applied while the pull request is closed.Suggestions cannot be applied while viewing a subset of changes.Only one suggestion per line can be applied in a batch.Add this suggestion to a batch that can be applied as a single commit.Applying suggestions on deleted lines is not supported.You must change the existing code in this line in order to create a valid suggestion.Outdated suggestions cannot be applied.This suggestion has been applied or marked resolved.Suggestions cannot be applied from pending reviews.Suggestions cannot be applied on multi-line comments.Suggestions cannot be applied while the pull request is queued to merge.Suggestion cannot be applied right now. Please check back later.
הבעיה
שני מסלולי בניית ה-heRef ב-
SefariaBookPayloadReaderאינם עקביים: הסכמה המורכבת (צמתים בעלי שם) פולטת פסיק אחרי שם הספר (ספורנו על בראשית, א, ב, ג), אבל הסכמה הפשוטה מדביקה את הרמה הראשונה לשם ברווח בלבד (רש"י על חולין ו., ה, ב).התוצאה בצד התצוגה: קיצוץ רמת אינדקס-הפירוש (שנמדד לפי ספירת רכיבי פסיק) לא תופס את ספרי הסכמה הפשוטה, ולכן בפאנל המפרשים מוצגת לפני כל קטע רש"י/תוספות אות סידורית חסרת משמעות לקורא ("רש"י על חולין קכה, ה, א") — ראו Otzaria/otzaria#896.
נבדק מול מסד מלא: 3.43 מיליון כתובות דבוקות, כולן ב-prefix מדויק של שם הספר; ההפרדה מיישרת 82 ספרי מפרשי-דף (152 אלף כתובות) עם ההתנהגות הקיימת של רמב"ן ודומיו.
התיקון
SefariaBookPayloadReader:"$bookHeTitle "←"$bookHeTitle, "במסלול הסכמה הפשוטה — אותה מוסכמה כמו מסלול הצמתים.SefariaCorpusIndex: קובצי הקישורים הידניים (CSV) נושאים heRef_2 בפורמט הישן. המפתוח והחיפוש עוברים דרךlegacyHeRefKeyשמאחד את שני האיותים לאותו מפתח — קבצי הנתונים לא נגעו.legacyHeRefKey(כולל שם ספר שמכיל פסיק בעצמו).השלכות ידועות
lineNaturalKeyHash, ולכן שורות הסכמה הפשוטה יקבלו מזהים חדשים בבנייה הבאה — צפוי delta גדול חד-פעמי (מיועד לצאת עם מסד מלא בגרסה הבאה).בדיקות
:sefariasqlite:jvmTest— כל הכשלים שנותרו קיימים גם על ה-base (בעיות סביבת Windows בנתיבי בדיקות +inferredBaseFromTitleWhenNoDeclaredBase), אומתו ב-stash מול ה-base.