update-7

docs/update-7.md

@@ -0,0 +1,31 @@
+# Обновление 7 — Пропускать OOB если URL картинки содержит недопустимые символы
+
+## Контекст
+
+В update-5 была добавлена нормализация URL картинок: символ `:` в path кодировался как `%3A`.
+Выяснилось, что CDN принимает закодированный URL (200 OK), но клиент Conversations
+всё равно не отображает картинку — причина в hotlink protection на стороне CDN.
+Таким образом, нормализация URL не решает проблему и бесполезна.
+
+Практическое наблюдение: URL с `:` в path — признак CDN с hotlink protection.
+Такие картинки не отобразятся в клиентах в любом случае.
+Решение: не добавлять OOB для URL, содержащих `:` в path-части.
+
+## Задача
+
+1. В `adapters/sources/rss/fetcher.py`:
+   - Удалить функцию `_normalize_image_url` и импорты `urllib.parse`
+   - В `_extract_image_url` проверять raw URL: если path-часть содержит `:` — возвращать `None`
+
+## Техническая реализация
+
+Проверка выполняется через `urlparse`:
+
+```python
+from urllib.parse import urlparse
+
+p = urlparse(url)
+if ':' in p.path:
+    return None
+return url
+```

src/adapters/sources/rss/fetcher.py

@@ -3,7 +3,7 @@ import logging
 import re
 from html import unescape
 from typing import List, Optional
-from urllib.parse import quote, urlparse, urlunparse
+from urllib.parse import urlparse
 
 import feedparser
 
@@ -20,18 +20,18 @@ def _strip_html(text: str) -> str:
     return unescape(text).strip()
 
 
-def _normalize_image_url(url: str) -> str:
-    """URL-энкодирует path-часть, чтобы символы вроде ':' не ломали парсеры клиентов."""
-    p = urlparse(url)
-    return urlunparse(p._replace(path=quote(p.path, safe='/')))
-
-
 def _extract_image_url(entry) -> Optional[str]:
-    """Возвращает нормализованный URL первого enclosure с type image/*."""
+    """Возвращает URL первого enclosure с type image/*.
+    Возвращает None если URL содержит ':' в path — признак hotlink-защищённого CDN.
+    """
     for enc in entry.get("enclosures", []):
         if enc.get("type", "").startswith("image/"):
             raw = enc.get("href") or enc.get("url")
-            return _normalize_image_url(raw) if raw else None
+            if not raw:
+                return None
+            if ":" in urlparse(raw).path:
+                return None
+            return raw
     return None