scrap/CHANGELOG.md

# CHANGELOG - PriceWatch

Toutes les modifications notables du projet sont documentées ici.

Le format est basé sur [Keep a Changelog](https://keepachangelog.com/fr/1.0.0/).

---

## [Non publié]

### En cours
- Phase 2 : Base de données PostgreSQL
- Phase 2 : Worker Redis/RQ
- Phase 3 : API REST FastAPI
- Phase 4 : Web UI

### Ajouté
- Configuration Alembic (env.py, script.py.mako, alembic.ini)
- Migration initiale SQLAlchemy (5 tables + indexes)
- Commandes CLI DB: `init-db`, `migrate`, `upgrade`, `downgrade`
- `docker-compose.yml` PostgreSQL/Redis
- `.env.example` avec variables DB/Redis/app
- Tests DB de base (models + connection)
- Repository `ProductRepository` + `ScrapingPipeline`
- Flag CLI `--save-db/--no-db` pour la persistence
- Tests repository/pipeline (SQLite)
- Test end-to-end CLI + DB (SQLite)
- Worker RQ + scheduler (tasks + CLI)

---

## [0.3.0] - 2026-01-14 🎉 PHASE 1 TERMINÉE

### ✅ Phase 1 CLI complétée à 100%

**Résultat final**:
- **295 tests passent** (100% de réussite)
- **76% code coverage global**
- **4 stores opérationnels** (Amazon, Cdiscount, Backmarket, AliExpress)

### Ajouté

#### Corrections et améliorations
- **Amazon Store**: Correction extraction images avec fallback générique
- **Amazon Store**: Support prix séparés en 2 spans (a-price-whole + a-price-fraction)

#### Tests complets ajoutés (177 nouveaux tests)
- **tests/core/test_registry.py**: 40 tests (100% coverage)
  - 24 tests unitaires avec mocks
  - 16 tests d'intégration avec les 4 stores réels
  - Tests de détection automatique multi-stores
- **tests/core/test_registry_integration.py**: Tests d'intégration stores
  - Vérification détection correcte pour Amazon, Cdiscount, Backmarket, AliExpress
  - Tests de priorité et exclusivité des matches
- **tests/core/test_io.py**: 36 tests (97% coverage)
  - Tests ScrapingConfig/ScrapingOptions Pydantic
  - Tests read_yaml_config avec validation erreurs
  - Tests write_json_results et read_json_results
  - Tests save_debug_html et save_debug_screenshot
- **tests/scraping/test_http_fetch.py**: 21 tests (100% coverage)
  - Tests fetch_http avec mocks requests
  - Tests codes HTTP (200, 403, 404, 429, 500+)
  - Tests timeout et exceptions réseau
  - Tests User-Agent rotation et headers personnalisés
- **tests/scraping/test_pw_fetch.py**: 21 tests (91% coverage)
  - Tests fetch_playwright avec mocks Playwright
  - Tests modes headless/headful
  - Tests screenshot et wait_for_selector
  - Tests fetch_with_fallback (stratégie HTTP → Playwright)
  - Tests cleanup des ressources

### Statistiques détaillées

**Coverage par module**:
| Module | Coverage | Tests |
|--------|----------|-------|
| core/schema.py | 100% | 29 |
| core/registry.py | 100% | 40 |
| core/io.py | 97% | 36 |
| scraping/http_fetch.py | 100% | 21 |
| scraping/pw_fetch.py | 91% | 21 |
| stores/amazon/store.py | 89% | 33 |
| stores/aliexpress/store.py | 85% | 32 |
| stores/backmarket/store.py | 85% | 25 |
| stores/cdiscount/store.py | 72% | 30 |
| **TOTAL** | **76%** | **295** |

### Améliorations techniques
- Architecture complètement testée avec mocks et fixtures
- Tests d'intégration validant le fonctionnement end-to-end
- Couverture de code élevée sur tous les modules critiques
- Détection automatique de stores validée avec URLs réelles

### Prochaines étapes (Phase 2)
Phase 1 CLI est maintenant **production-ready**. La Phase 2 peut démarrer:
1. Base de données PostgreSQL + Alembic
2. Worker Redis/RQ pour scraping planifié
3. API REST FastAPI
4. Web UI responsive avec dark theme Gruvbox

---

## [0.2.0] - 2026-01-13

### Ajouté

#### Tests pytest (Étape 9)
- **tests/core/test_schema.py** : 29 tests pour ProductSnapshot
  - Validation Pydantic (URL, source, prix, shipping)
  - Serialization/deserialization JSON
  - Méthodes helper (is_complete, add_error, add_note)
  - Tests des enums (StockStatus, FetchMethod, DebugStatus)
- **tests/core/test_registry.py** : 24 tests pour StoreRegistry
  - Enregistrement/désenregistrement de stores
  - Détection automatique avec scores
  - Gestion des doublons et erreurs
  - Tests des fonctions globales (singleton)
- **tests/stores/test_amazon.py** : 33 tests pour AmazonStore
  - Tests de match() avec différents domaines Amazon
  - Tests de canonicalize() (normalisation URL)
  - Tests de extract_reference() (extraction ASIN)
  - Tests de parse() avec HTML simplifiés (27/33 passent)

#### Validation en production
- Test réussi avec URL Amazon réelle (UGREEN Chargeur)
  - Extraction complète : titre, prix, ASIN, catégorie, images, specs
  - Pipeline HTTP → Parsing → JSON fonctionnel
  - 39.98 EUR, 5 images, 14 caractéristiques techniques extraites

### Statistiques
- **80 tests passent / 86 tests totaux (93%)**
- Configuration pytest complète avec couverture
- Tests unitaires pour core et stores
- 6 tests nécessitent fixtures HTML réalistes (priorité basse)

### Infrastructure de test
- pytest + pytest-cov + pytest-mock configurés
- Fixtures et mock stores pour tests unitaires
- Configuration dans pyproject.toml
- Tests organisés par module

### Prochaines étapes
- Fixtures HTML réalistes Amazon/Cdiscount
- Tests stores/cdiscount/
- Tests scraping/ avec mocks HTTP/Playwright
- Phase 2 : Base de données PostgreSQL

---

## [0.1.0] - 2026-01-13

### Ajouté

#### Documentation
- README.md : documentation complète du projet, usage CLI, architecture
- TODO.md : liste des tâches priorisées par phase
- CHANGELOG.md : ce fichier de suivi des modifications
- CLAUDE.md : guide pour futures instances de Claude Code
- PROJECT_SPEC.md : spécifications détaillées du projet (français)
- .gitignore : configuration pour ignorer fichiers temporaires
- scrap_url.yaml : fichier exemple de configuration

#### Structure du projet
- Architecture modulaire complète : `pricewatch/app/{core,scraping,stores,cli}`
- Dossiers pour Amazon et Cdiscount avec fixtures
- Dossier `scraped/` pour HTML et screenshots de debug
- Configuration pyproject.toml avec toutes les dépendances

#### Core (pricewatch/app/core/)
- **schema.py** : Modèle Pydantic ProductSnapshot avec validation complète
  - Enums: StockStatus, FetchMethod, DebugStatus
  - DebugInfo pour traçabilité
  - Méthodes: to_dict(), to_json(), is_complete()
- **logging.py** : Système de logging coloré avec niveaux configurables
- **io.py** : Fonctions lecture YAML et écriture JSON
  - ScrapingConfig et ScrapingOptions (Pydantic)
  - Sauvegarde HTML et screenshots de debug
- **registry.py** : Registry pour détection automatique des stores
  - Enregistrement dynamique
  - Méthode detect_store() avec scores

#### Scraping (pricewatch/app/scraping/)
- **http_fetch.py** : Récupération HTTP avec requests
  - Rotation User-Agent
  - Gestion erreurs (403, 404, 429, timeout)
  - Logging détaillé (durée, taille, status)
- **pw_fetch.py** : Récupération Playwright (fallback anti-bot)
  - Mode headless/headful
  - Screenshot optionnel
  - Timeout configurable
  - Fonction fetch_with_fallback() (HTTP → Playwright)

#### Stores (pricewatch/app/stores/)
- **base.py** : Classe abstraite BaseStore
  - Méthodes: match(), canonicalize(), extract_reference(), parse()
  - Chargement automatique des sélecteurs depuis YAML
- **amazon/store.py** : Implémentation complète AmazonStore
  - Détection Amazon.fr/Amazon.com
  - Extraction ASIN
  - Parsing avec BeautifulSoup
  - Détection captcha
- **amazon/selectors.yml** : Sélecteurs CSS/XPath pour Amazon
- **cdiscount/store.py** : Implémentation complète CdiscountStore
  - Détection Cdiscount.com
  - Extraction SKU
  - Support schema.org
- **cdiscount/selectors.yml** : Sélecteurs CSS/XPath pour Cdiscount

#### CLI (pricewatch/app/cli/)
- **main.py** : Application Typer complète avec 5 commandes
  - `pricewatch run` : Pipeline YAML → JSON
  - `pricewatch detect` : Détection store depuis URL
  - `pricewatch fetch` : Test récupération HTTP/Playwright
  - `pricewatch parse` : Test parsing d'un fichier HTML
  - `pricewatch doctor` : Vérification installation
  - Flag --debug global
  - Affichage avec Rich (tables, couleurs)

### Fonctionnalités
- Pipeline complet : lecture YAML → scraping → parsing → écriture JSON
- Stratégie fallback automatique : HTTP d'abord, puis Playwright si échec
- Détection automatique du store depuis l'URL
- Normalisation des URLs vers forme canonique
- Extraction des données produit : titre, prix, stock, images, specs
- Sauvegarde HTML et screenshots pour debug
- Logs détaillés avec timestamps et couleurs
- Gestion robuste des erreurs (anti-bot, timeout, parsing)

### Contexte technique
- Python 3.12
- Typer + Rich pour le CLI
- Pydantic pour validation données
- requests + Playwright pour scraping
- BeautifulSoup4 + lxml pour parsing HTML
- PyYAML pour configuration
- pytest pour tests (à venir)

### Justifications techniques principales
1. **HTTP prioritaire** : Beaucoup plus rapide (~1s vs ~10s Playwright)
2. **Sélecteurs externalisés en YAML** : Maintenance facile sans toucher au code
3. **Registry pattern** : Extensibilité (ajouter stores sans modifier le core)
4. **ProductSnapshot canonique** : Structure unifiée pour tous les stores
5. **Logging systématique** : Observabilité cruciale face aux anti-bots
6. **Pas d'optimisation prématurée** : Code simple et lisible

### Prochaines étapes (Phase 2)
- Tests pytest avec fixtures HTML
- Base de données PostgreSQL + Alembic
- Worker et planification (Redis + RQ/Celery)
- Web UI responsive avec dark theme Gruvbox
- Système d'alertes (baisse prix, retour stock)

---

**Format des versions** : [MAJOR.MINOR.PATCH]
- MAJOR : changements incompatibles de l'API
- MINOR : nouvelles fonctionnalités compatibles
- PATCH : corrections de bugs compatibles