fix(core): резать выборку по архивам, а не по годам — AND в API не работает

Первый прогон на проде выдал документы 2008-2019 годов, хотя запрос просил
`yearPublished:2026`. Проверка показала: условия в запросе CORE через `AND`
не связываются. По отдельности каждое фильтрует честно (`yearPublished:2026`
— ровно 2026, `repositories.id:1298` — ровно этот архив), а вместе
`(архивы) AND yearPublished:2026` отдаёт 2.3 млн работ вперемешку, то есть
условия объединяются по «или», и год работает лишь подсказкой ранжированию.

Значит нарезка по годам не нарезала ничего: каждый «год» перебирал один и тот
же набор, а в выдачу подмешивались посторонние работы нужного года — включая
англоязычные, ради ухода от которых источник и заводился.

Теперь в запросе ровно одно условие — номер архива, и каждый архив
опрашивается отдельно. Позиция продолжения стала «архив:смещение». Это ещё и
честнее по потолку: `offset` упирается в 100 000, а самый крупный из наших
архивов содержит 63 749 работ, то есть влезает целиком.

Годы, если заданы в источнике, отсекаются теперь на нашей стороне. Список
архивов парсер принимает и простым списком номеров, и прежним выражением
`(repositories.id:N OR ...)` — настройку источника менять не нужно.

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

scripts/parsers/tests/test_core.py

@@ -1,8 +1,12 @@
 """Юнит-тесты парсера CORE — чистая логика, без сети.
 
-Стерегут то, ради чего парсер и написан иначе, чем остальные: отбор статей с
-полным текстом, отсев дублей CORE (одна статья под разными id) и позицию
-продолжения "год:смещение" — из-за неё выборка режется по годам.
+Стерегут то, ради чего парсер написан иначе остальных: отбор статей с полным
+текстом, отсев дублей CORE (одна статья под разными id), нарезку выборки по
+архивам-поставщикам и позицию продолжения «архив:смещение».
+
+Нарезка по архивам — не украшение: связка условий через `AND` в API CORE не
+работает (запрос по архивам вместе с годом отдаёт годы вперемешку), поэтому в
+запрос идёт ровно одно условие, а годы отсекаются уже на нашей стороне.
 """
 
 from core import MIN_CHARS, COREParser
@@ -20,15 +24,31 @@ SAMPLE = {
     "downloadUrl": "https://core.ac.uk/download/1.pdf",
     "abstract": "Аннотация",
     "fullText": LONG,
-    "resume_token": "2019:100",
+    "resume_token": "1298:100",
 }
 
 
+def test_repos_from_or_expression():
+    q = "(repositories.id:1298 OR repositories.id:21908 OR repositories.id:949)"
+    assert COREParser._repos(q) == ["1298", "21908", "949"]
+
+
+def test_repos_from_plain_list():
+    assert COREParser._repos("1298, 21908 949") == ["1298", "21908", "949"]
+
+
+def test_repos_without_numbers_falls_back_to_word_search():
+    # Номеров нет — единственная часть «q»: обычный поиск по словам
+    assert COREParser._repos("нейронные сети") == ["q"]
+    assert COREParser._repos("") == ["q"]
+
+
 def test_parse_token():
-    assert COREParser._parse_token("2019:4200") == (2019, 4200)
+    assert COREParser._parse_token("1298:4200") == ("1298", 4200)
+    assert COREParser._parse_token("q:300") == ("q", 300)
     assert COREParser._parse_token(None) == (None, 0)
     assert COREParser._parse_token("мусор") == (None, 0)
-    assert COREParser._parse_token("год:смещение") == (None, 0)
+    assert COREParser._parse_token("архив:смещение") == (None, 0)
 
 
 def test_transform_maps_fields():
@@ -38,8 +58,8 @@ def test_transform_maps_fields():
     assert t["year"] == 2019 and t["lang"] == "ru"
     assert t["journal"] == "Вестник"
     assert t["text"] == LONG
-    assert t["resume_token"] == "2019:100"
-    # Автор приходит одной строкой "Фамилия, Имя Отчество"
+    assert t["resume_token"] == "1298:100"
+    # Автор приходит одной строкой «Фамилия, Имя Отчество»
     assert t["authors"][0]["last_name"] == "Кузьмин"
     assert t["authors"][0]["initials"] == "Я.В."
 
@@ -61,8 +81,8 @@ def _parser_with_pages(pages):
     p = COREParser(api_key="test")
     calls = []
 
-    def fake_page(query, year, offset):
-        calls.append((year, offset))
+    def fake_page(part, query, offset):
+        calls.append((part, offset))
         return pages.pop(0) if pages else []
 
     p._page = fake_page       # type: ignore[method-assign]
@@ -79,7 +99,7 @@ def test_fetch_drops_core_duplicates():
         {"id": 4, "fullText": "коротко"},
     ]
     p = _parser_with_pages([page])
-    got = list(p.fetch(limit=10, year_from=2019, year_to=2019))
+    got = list(p.fetch(limit=10, query="repositories.id:1298"))
     assert [w["id"] for w in got] == [1, 3]
 
 
@@ -88,21 +108,38 @@ def test_fetch_position_points_at_own_page():
     # прерваться на середине, и следующий прогон перечитает её целиком
     pages = [[{"id": 1, "fullText": LONG}], [{"id": 2, "fullText": LONG + "два"}]]
     p = _parser_with_pages(pages)
-    got = list(p.fetch(limit=10, year_from=2019, year_to=2019))
-    assert [w["resume_token"] for w in got] == ["2019:0", "2019:100"]
+    got = list(p.fetch(limit=10, query="repositories.id:1298"))
+    assert [w["resume_token"] for w in got] == ["1298:0", "1298:100"]
 
 
-def test_fetch_walks_years_down_and_resumes():
+def test_fetch_walks_archives_and_resumes():
     p = _parser_with_pages([[], []])
-    list(p.fetch(limit=10, year_from=2018, year_to=2019, resume_token="2019:300"))
-    # Начали с года из токена и его смещения, пустой год — переход к следующему
-    assert p.calls == [(2019, 300), (2018, 0)]
+    list(p.fetch(limit=10, query="(repositories.id:1298 OR repositories.id:949)",
+                 resume_token="1298:300"))
+    # Начали с архива из токена и его смещения, пустой архив — переход к следующему
+    assert p.calls == [("1298", 300), ("949", 0)]
 
 
-def test_fetch_ignores_token_of_unknown_year():
+def test_fetch_ignores_token_of_unknown_archive():
     p = _parser_with_pages([[]])
-    list(p.fetch(limit=10, year_from=2019, year_to=2019, resume_token="1800:500"))
-    assert p.calls == [(2019, 0)]
+    list(p.fetch(limit=10, query="repositories.id:1298", resume_token="99999:500"))
+    assert p.calls == [("1298", 0)]
+
+
+def test_fetch_filters_years_on_our_side():
+    # Годы API не фильтрует, поэтому отсекаем сами — и только если заданы
+    page = [
+        {"id": 1, "fullText": LONG, "yearPublished": 2004},
+        {"id": 2, "fullText": LONG + "два", "yearPublished": 2015},
+        {"id": 3, "fullText": LONG + "три", "yearPublished": 2030},
+    ]
+    p = _parser_with_pages([list(page)])
+    got = list(p.fetch(limit=10, query="repositories.id:1298", year_from=2010, year_to=2026))
+    assert [w["id"] for w in got] == [2]
+
+    p2 = _parser_with_pages([list(page)])
+    got2 = list(p2.fetch(limit=10, query="repositories.id:1298"))
+    assert [w["id"] for w in got2] == [1, 2, 3]
 
 
 def test_min_chars_threshold_is_meaningful():