spb/crea-ka

1# ==============================================================================2# Author: Simon-Pierre Boucher <contact@spboucher.ai>3# File:   creaka/connectors/bio_liens.py4# Desc:   Connecteur ENRICHISSEMENT « bio-liens » — découverte croisée5#         inter-plateformes SANS AUCUNE requête : liaison conservatrice à6#         partir des URLs COMPLÈTES déjà stockées dans les bios publiques.7#         Palier 1 (§9) — passe en dernier (après link-in-bio).8# ==============================================================================9"""Liaison croisée à partir des bios déjà en base.1011Une bio publique contient souvent l'URL complète d'un autre compte du même12créateur (« youtube.com/@x », « patreon.com/x »…). C'est exactement le signal13`cross_link` §12.1 (0.90) : le créateur pointe lui-même vers son autre compte.1415Passe CONSERVATRICE (vague 2, §12) : uniquement les URLs complètes reconnues16par normalize.platform_from_url — jamais de simple « @handle » textuel17(ambigu), jamais d'inférence. Aucune requête réseau : tout vient des bios18déjà collectées par les autres connecteurs. Cap 5 nouveaux comptes par fiche19(garde-fou contre les bios-annuaires).20"""21from __future__ import annotations2223import re2425from ..identity import account26from ..normalize import platform_from_url27from ..schema import Creator28from .base import BaseConnector2930# URL complète (avec ou sans schéma) — les domaines nus type « exemple.com »31# sans chemin ne désignent pas un compte et sont ignorés par platform_from_url32_URL_RE = re.compile(r"(?:https?://|www\.)[^\s\"'<>()\[\]{}]+", re.I)3334MAX_NEW_PER_CREATOR = 5353637def extract_bio_accounts(bio: str, existing_keys: set[str]) -> list:38    """Bio publique → nouveaux comptes cross_link (URLs complètes seulement)."""39    accounts = []40    seen = set(existing_keys)41    for raw in _URL_RE.findall(bio or ""):42        url = raw.rstrip(".,;!?…")43        if not url.lower().startswith("http"):44            url = "https://" + url45        hit = platform_from_url(url)46        if not hit:47            continue48        platform, handle = hit49        key = f"{platform}:{handle}"50        if key in seen:51            continue52        seen.add(key)53        accounts.append(account(platform, handle, "cross_link", url=url))54        if len(accounts) >= MAX_NEW_PER_CREATOR:55            break56    return accounts575859class BioLiensConnector(BaseConnector):60    source_id = "bio-liens"61    kind = "enrichment"62    request_delay = 0.0           # AUCUNE requête réseau6364    def enrich(self, creators: list[Creator]) -> list[Creator]:65        enriched: list[Creator] = []66        for cr in creators:67            if not cr.bio:68                continue69            existing = {a.key for a in cr.platforms}70            # ne jamais relier une fiche vers son propre handle X/IG déjà connu71            new_accounts = extract_bio_accounts(cr.bio, existing)72            if not new_accounts:73                continue74            cr.platforms.extend(a.finalize() for a in new_accounts)75            enriched.append(cr)76        return enriched77