Qualité lieux : rejet des villes canadiennes/monde hors Québec + bâtiments McGill mappés vers Montréal

- normalize.py : _NON_QC_CITIES (villes CA hors QC + grandes villes monde) —
  parse_location ne prend plus ces libellés pour des villes et
  is_quebec_location les rejette explicitement ; purge BD : 127 offres
  actives hors-QC désactivées (Toronto 50, etc.)
- mcgill.py : les lieux Workday de McGill sont des bâtiments (Bronfman
  Building, Currie Gymnasium…) -> ville forcée Montréal (Outaouais ->
  Gatineau) ; 182 offres corrigées en BD

Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>

Simon-Pierre Boucher committed 1 mo ago (Aug 18, 2026) parent 67cf3c2

2 changed files +44 −2

modified jobka/connectors/mcgill.py +13 −1

		`@@ -6,7 +6,8 @@`
6	6	# Rôle : Connecteur Université McGill (Montréal) — Workday mcgill.wd3,
7	7	# site « McGill_Careers ». Tous les postes sont au Québec (campus) :
8	8	# les lieux sont des bâtiments, pas des villes -> quebec_only=False
9		−# Créé : 2026-08-17 Modifié : 2026-08-17
	9	+# et ville forcée à Montréal (Gatineau pour le campus Outaouais)
	10	+# Créé : 2026-08-17 Modifié : 2026-08-18
10	11	# =============================================================================
11	12	from .workday import WorkdayConnector
12	13
		`@@ -18,3 +19,14 @@ class McgillConnector(WorkdayConnector):`
18	19	HOST = "wd3"
19	20	SITE = "McGill_Careers"
20	21	quebec_only = False # campus montréalais : lieux = noms de bâtiments
	22	+
	23	+ def fetch(self):
	24	+ """Les « lieux » Workday de McGill sont des bâtiments (« Bronfman
	25	+ Building », « Currie Gymnasium »…) que le parseur prendrait pour des
	26	+ villes : on force la ville réelle du campus."""
	27	+ jobs = super().fetch()
	28	+ for j in jobs:
	29	+ label = (j.location_label or j.city or "").lower()
	30	+ j.city = "Gatineau" if "outaouais" in label else "Montréal"
	31	+ j.region = "Québec"
	32	+ return jobs

modified jobka/normalize.py +31 −1

		`@@ -5,7 +5,7 @@`
5	5	# Fichier : jobka/normalize.py
6	6	# Rôle : Normalisation commune des offres (salaires, dates, mode/type
7	7	# d'emploi, lieu, catégorie) — jamais de valeur inventée
8		−# Créé : 2026-08-17 Modifié : 2026-08-17
	8	+# Créé : 2026-08-17 Modifié : 2026-08-18
9	9	# =============================================================================
10	10	"""Couche de normalisation commune appelée par JobPosting.finalize().
11	11
		`@@ -358,6 +358,33 @@ _QC_MARKERS = re.compile(`
358	358	r"\bqc\b\|\bquebec\b\|\bqu[e]bec, canada\b\|province de quebec", re.I)
359	359	_POSTAL_RE = re.compile(r"\b([GHJ]\d[A-Z])\s*(\d[A-Z]\d)\b", re.I) # G/H/J = Québec
360	360
	361	+# Villes canadiennes hors Québec (et grandes villes étrangères) fréquentes
	362	+# dans les flux pancanadiens/mondiaux — jamais des villes d'offres
	363	+# québécoises : à rejeter lors du parsing de lieu (clés sans accents).
	364	+_NON_QC_CITIES = frozenset({
	365	+ "toronto", "ottawa", "vancouver", "calgary", "edmonton", "winnipeg",
	366	+ "mississauga", "brampton", "hamilton", "kitchener", "waterloo", "halifax",
	367	+ "dartmouth", "victoria", "saskatoon", "regina", "st. john's", "st johns",
	368	+ "saint john", "fredericton", "moncton", "charlottetown", "london",
	369	+ "markham", "vaughan", "richmond hill", "oakville", "burlington", "oshawa",
	370	+ "whitby", "ajax", "pickering", "guelph", "kingston", "barrie",
	371	+ "kelowna", "kamloops", "nanaimo", "abbotsford", "surrey", "burnaby",
	372	+ "coquitlam", "langley", "north york", "scarborough", "etobicoke",
	373	+ "north vancouver", "milton", "cambridge", "st. catharines",
	374	+ "niagara falls", "thunder bay", "sudbury", "greater sudbury",
	375	+ "sault ste. marie", "red deer", "lethbridge", "medicine hat",
	376	+ "grande prairie", "fort mcmurray", "yellowknife", "whitehorse", "iqaluit",
	377	+ "can", "canada", "ontario", "alberta", "british columbia", "manitoba",
	378	+ "saskatchewan", "nova scotia", "new brunswick",
	379	+ "new york", "new york city", "san francisco", "boston", "chicago",
	380	+ "seattle", "austin", "denver", "los angeles", "miami", "atlanta",
	381	+ "dallas", "houston", "philadelphia", "washington", "phoenix", "portland",
	382	+ "paris", "londres", "amsterdam", "berlin", "munich", "dublin", "madrid",
	383	+ "barcelona", "barcelone", "lisbon", "lisbonne", "sydney", "melbourne",
	384	+ "singapore", "singapour", "tokyo", "bangalore", "bengaluru", "mumbai",
	385	+ "mexico city", "sao paulo", "bogota", "buenos aires",
	386	+})
	387	+
361	388
362	389	def canonical_city(raw: str) -> str:
363	390	"""Canonicalise un nom de ville (« Montreal » -> « Montréal »,
		`@@ -403,6 +430,7 @@ def parse_location(raw: str) -> dict:`
403	430	seg_key = _key(seg)
404	431	if (seg and len(seg) <= 40 and re.search(r"[a-z]", seg_key)
405	432	and len(seg.split()) <= 3
	433	+ and seg_key not in _NON_QC_CITIES
406	434	and not re.search(
407	435	r"remote\|teletravail\|canada\|multiple\|various\|partout\|"
408	436	r"\d+\s+locations?\|\d+\s+lieux\|caisse\|succursale\|"
		`@@ -416,6 +444,8 @@ def is_quebec_location(raw: str) -> bool:`
416	444	key = _key(clean_text(raw))
417	445	if not key:
418	446	return False
	447	+ if key in _NON_QC_CITIES: # libellé = ville canadienne/monde hors QC
	448	+ return False
419	449	if _QC_MARKERS.search(key):
420	450	return True
421	451	m = _POSTAL_RE.search(raw)
422	452