Backend Акылдаш
Версия: 0.3.0
Первая backend-область проекта — загрузка правовых документов из официального
Open Data API ЦБД Минюста Кыргызской Республики. Код расположен в
ingestion/minjust_cbd.py: его можно запускать как CLI сейчас и импортировать
из будущего планировщика backend без запуска отдельного процесса.
Пробная загрузка
Из корня репозитория:
python3 backend/ingestion/minjust_cbd.py --limit 10
В интерактивном терминале отображаются процент, количество документов, ошибки, скорость и примерное оставшееся время.
Полная загрузка выполняется без --limit. По умолчанию архив сохраняется в
data/minjust-cbd, который исключён из Git. Повторный запуск пропускает уже
загруженные документы; --refresh принудительно проверяет их заново.
Если временный идентификатор списка API истечёт или запрос страницы исчерпает
повторы во время многодневной загрузки, скрипт пересоздаст список на текущей
странице и продолжит автоматически.
В версии 0.1.0 обновление существующих документов выполняется полной проверкой
через --refresh. Инкрементальную проверку по lastmod из sitemap следует
добавить вместе с backend-планировщиком, когда будет определена частота запуска.
Защита API
Запросы выполняются последовательно, по умолчанию не чаще одного в секунду.
Timeout одного ответа — 60 секунд, число попыток — 5, задержка между повторами
растёт экспоненциально. При HTTP 429 учитывается заголовок Retry-After.
Лимит действует на один процесс, поэтому одновременно следует запускать только
один экземпляр загрузчика.
Более осторожный режим:
python3 backend/ingestion/minjust_cbd.py --requests-per-second 0.5
Вызов из будущего backend
from ingestion.minjust_cbd import sync_archive
result = sync_archive(output_path)
Планировщик, очередь задач и PostgreSQL пока не добавлены: модуль не зависит от выбора будущего backend-фреймворка.
Нормализация архива
Нормализатор читает исходный архив без изменений и создаёт отдельный набор данных для будущих поиска, API и RAG:
python3 backend/normalization/minjust_cbd.py --limit 10
python3 backend/normalization/minjust_cbd.py
По умолчанию источник читается из data/minjust-cbd, а результат записывается
в data/minjust-normalized. Пути можно изменить параметрами --input и
--output; --refresh принудительно обрабатывает неизменившиеся документы,
--log-level задаёт уровень журнала.
Каталоги --input и --output не должны совпадать, содержать друг друга или
пересекаться через разрешённые абсолютные пути.
data/minjust-normalized/
manifest.sqlite3
documents/<code>/document.json
documents/<code>/editions/<edition>/edition.json
documents/<code>/editions/<edition>/<lang>/content.html
documents/<code>/editions/<edition>/<lang>/content.txt
documents/<code>/editions/<edition>/<lang>/fragments.json
content.html содержит только разрешённую безопасную разметку, content.txt —
текст для поиска, а fragments.json — адресуемые блоки с детерминированными ID
и SHA-256. Манифест пропускает документы с неизменившимися исходниками и
повторяет документы, обработка которых завершилась ошибкой.
Первая версия не выполняет OCR, перевод, юридические выводы о редакциях,
сопоставление фрагментов, загрузку в PostgreSQL/OpenSearch и построение RAG.
Внешние и встроенные data:-изображения из HTML удаляются; сведения и пути к
локальным изображениям исходного архива сохраняются в edition.json.
Проверка
PYTHONPATH=backend python3 -m unittest backend/test_minjust_cbd.py -v
PYTHONPATH=backend python3 -m unittest backend/test_minjust_normalization.py -v
PYTHONPATH=backend python3 -m unittest backend/test_minjust_opensearch.py -v
Подготовка индекса OpenSearch
Mapping поискового индекса находится в
search/minjust-fragments-index.json. Для кыргызского текста он использует
icu_analyzer, поэтому в OpenSearch должен быть установлен плагин
analysis-icu.
Потоковый экспорт в формат Bulk API без внешних Python-зависимостей:
python3 backend/search/minjust_opensearch.py
По умолчанию создаётся data/opensearch/minjust-fragments.ndjson. Экспорт
атомарный и детерминированный; для проверки можно передать --limit 1.
Полный файл может быть большим, поэтому перед запуском нужно проверить
свободное место. Загружать данные следует в новый версионный индекс и после
проверки переключать alias, чтобы удалённые фрагменты не оставались в поиске.
Акылдаш · Backend v0.3.0 · Frontend — не создан