feat(parsers): CyberLeninka full_text из OCR-фрагментов поиска (без доп. запросов)

Поисковый API КиберЛенинки отдаёт поле "ocr" — список OCR-фрагментов текста
статьи (начало + фрагмент с ключевыми словами), прямо в ответе search. Раньше
transform() игнорировал его (full_text всегда None), и Winnowing-отпечатки (L1)
считались только по короткой annotation (~150 симв.) либо не считались вовсе,
если аннотации не было.

Теперь ocr (список) склеивается, чистится (<b>/сущности) и идёт в full_text —
add_document уже умеет: `text = full_text or abstract`. Даёт заметно более точные
L1-отпечатки для ВСЕХ будущих CyberLeninka-документов бесплатно — 0 доп. HTTP-
запросов, работает и там, где annotation вообще пустая (проверено вживую).

2 новых теста (ocr→full_text, отсутствие ocr→None). Тестов в файле: 7.

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

scripts/parsers/cyberleninka.py

@@ -137,6 +137,13 @@ class CyberLeninkaParser(BaseParser):
         link = raw.get("link", "")
         url = f"{BASE_URL}{link}" if link.startswith("/") else link or None
 
+        # OCR-фрагменты текста статьи — приходят прямо в ответе поиска (список
+        # кусков, обычно начало статьи + фрагмент с ключевыми словами), без
+        # доп. запроса. Не полный текст всей статьи, но заметно богаче аннотации —
+        # используем как full_text для более точных Winnowing-отпечатков (L1).
+        ocr = raw.get("ocr")
+        full_text = _clean(" ".join(ocr)) if isinstance(ocr, list) and ocr else None
+
         return {
             "source": self.source_name,
             "ext_id": ext_id,
@@ -151,7 +158,7 @@ class CyberLeninkaParser(BaseParser):
             "pages": raw.get("pages") or None,
             "abstract": _clean(raw.get("annotation")) or None,
             "url": url,
-            "full_text": None,
+            "full_text": full_text,
         }
 
     def fetch_article_details(self, url: str) -> dict[str, Any]:

scripts/parsers/tests/test_cyberleninka.py

@@ -51,3 +51,14 @@ def test_transform_handles_string_authors():
 
 def test_transform_empty_without_id_or_link():
     assert CyberLeninkaParser().transform({"name": "x"}) == {}
+
+
+def test_transform_uses_ocr_as_full_text():
+    raw = dict(SAMPLE, ocr=["Первый <b>фрагмент</b> статьи.", "Второй &amp; фрагмент."])
+    t = CyberLeninkaParser().transform(raw)
+    assert t["full_text"] == "Первый фрагмент статьи. Второй & фрагмент."
+
+
+def test_transform_full_text_none_without_ocr():
+    assert CyberLeninkaParser().transform(SAMPLE)["full_text"] is None
+    assert CyberLeninkaParser().transform(dict(SAMPLE, ocr=[]))["full_text"] is None