refactor(indexer): вынести разбиение на фрагменты в app.fragments + 5 тестов

_split_into_fragments жила в тяжёлой Celery-задаче (celery/sqlalchemy/minio) и
не тестировалась, хотя именно она определяет, ЧТО проверяется на плагиат.
Вынес в чистый app.fragments.split_into_fragments — тестируется изолированно:

- пустой/пробельный текст → [];
- текст короче 20 слов → отбрасывается порогом длины;
- короткий текст → один фрагмент на весь объём, start=0;
- скользящее окно: перекрытие ровно (window-step) слов, хвост==голова соседа;
- start/end — корректные символьные офсеты в исходный текст.

Поведение сохранено 1:1. Добавлен в mypy-гейт. Тестов всего: 66.

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

services/worker-indexer/app/fragments.py

@@ -0,0 +1,56 @@
+"""Разбиение текста документа на фрагменты для проверки плагиата — чистая логика.
+
+Скользящее окно по словам с перекрытием. Вынесено из Celery-задачи, чтобы
+границы фрагментов (от них зависит, что именно проверяется на плагиат) можно
+было тестировать изолированно.
+"""
+
+from typing import Any
+
+
+def split_into_fragments(
+    text: str,
+    window: int = 200,
+    overlap: int = 50,
+) -> list[dict[str, Any]]:
+    """Разбить текст на фрагменты скользящим окном с перекрытием.
+
+    Args:
+        text: Исходный текст
+        window: Размер окна в словах
+        overlap: Перекрытие между соседними фрагментами в словах
+
+    Returns:
+        Список словарей {"text": str, "start": int, "end": int}, где start/end —
+        позиции в символах. Фрагменты короче 20 слов отбрасываются.
+    """
+    words = text.split()
+    if not words:
+        return []
+
+    fragments: list[dict[str, Any]] = []
+    step = window - overlap
+
+    # Позиция первого символа каждого слова (слова разделены одним пробелом)
+    char_positions = []
+    pos = 0
+    for word in words:
+        char_positions.append(pos)
+        pos += len(word) + 1  # +1 для пробела
+
+    for i in range(0, max(1, len(words) - window + 1), step):
+        chunk_words = words[i : i + window]
+        if len(chunk_words) < 20:  # слишком короткий фрагмент — пропустить
+            continue
+
+        start_char = char_positions[i]
+        end_idx = min(i + window - 1, len(words) - 1)
+        end_char = char_positions[end_idx] + len(words[end_idx])
+
+        fragments.append({
+            "text": " ".join(chunk_words),
+            "start": start_char,
+            "end": end_char,
+        })
+
+    return fragments