#!/usr/bin/env python3 # -*- coding: utf-8 -*- """ Modul: app/core/note_payload.py Version: 1.5.1 Datum: 2025-09-09 Kurzbeschreibung ---------------- Erzeugt den Qdrant-Payload für **Notes**. Neben stabiler Hash-Bildung zur Idempotenz wird der vollständige Body unter ``fulltext`` persistiert und der Dateipfad relativ zum Vault gespeichert. Das erlaubt eine verlustfreie Rekonstruktion im Export (erst ``fulltext``, sonst Chunks). Wichtig ------- - **Nur Inhalte** gehen in den Hash: Weder Dateisystem-Zeitstempel (mtime/ctime) noch sonstige FS-Metadaten werden berücksichtigt. - Hash-Quelle: Parser-Body (Default) oder Rohdatei-Body (Frontmatter via Regex entfernt). Änderungen in v1.5.1 -------------------- - Neue Env-Var **MINDNET_HASH_COMPARE** als Synonym zu MINDNET_HASH_MODE. - Akzeptiert komfortable Werte (case-insensitive): **Body**, **Frontmatter**, **Full**. *Full* wird intern zu ``body+frontmatter`` normalisiert. - CLI akzeptiert weiterhin ``--hash-mode``; Importer reicht diese Einstellung durch. Hash-Steuerung -------------- - Modus (welche Teile in den Hash einfließen): * ``body`` (Default) * ``frontmatter`` * ``body+frontmatter`` (Synonym CLI/ENV: ``full``) Quelle: * Funktionsparameter ``hash_mode`` (höchste Priorität) * Env ``MINDNET_HASH_MODE`` oder **``MINDNET_HASH_COMPARE``** (Fallback) Normalisierung: * ``canonical`` (Default) | ``none`` — via Param ``hash_normalize`` oder Env ``MINDNET_HASH_NORMALIZE`` Quelle des Body-Textes: * ``parsed`` (Default) | ``raw`` — via Param ``hash_source`` oder Env ``MINDNET_HASH_SOURCE`` CLI (Sichtprüfung) ------------------ python3 -m app.core.note_payload --from-file ./vault/demo.md --vault-root ./vault --print --hash-source raw """ from __future__ import annotations import argparse import hashlib import json import os from typing import Any, Dict, Optional, Tuple try: from app.core.parser import read_markdown, extract_wikilinks, FRONTMATTER_RE except Exception: # pragma: no cover from .parser import read_markdown, extract_wikilinks, FRONTMATTER_RE # type: ignore # --------------------------------------------------------------------------- # Helpers # --------------------------------------------------------------------------- def _canon_frontmatter(fm: Dict[str, Any]) -> str: """Kanonische, stabile JSON-Serialisierung der Frontmatter für Hashbildung.""" return json.dumps(fm or {}, ensure_ascii=False, separators=(",", ":"), sort_keys=True) def _normalize_body(body: str, mode: str) -> str: """Normalisiert den Body für reproduzierbare Hashes (oder nicht).""" if mode == "none": return body if body is not None else "" # canonical: \r\n→\n, trailing spaces entfernen text = (body or "").replace("\r\n", "\n").replace("\r", "\n") text = "\n".join(line.rstrip() for line in text.split("\n")) return text def _resolve_hash_mode(explicit: Optional[str]) -> str: """ Normalisiert den Hash-Modus auf einen der Werte: 'body' | 'frontmatter' | 'body+frontmatter' Akzeptiert auch 'full' als Alias für 'body+frontmatter'. Beachtet zusätzlich die Env-Variablen MINDNET_HASH_MODE und MINDNET_HASH_COMPARE. """ if explicit: val = explicit.strip().lower() else: val = (os.environ.get("MINDNET_HASH_MODE") or os.environ.get("MINDNET_HASH_COMPARE") or "body").strip().lower() if val in ("full", "fulltext", "body+frontmatter", "bodyplusfrontmatter"): return "body+frontmatter" if val in ("frontmatter", "fm"): return "frontmatter" # default & fallbacks return "body" def _read_raw_body_from_file(file_path: Optional[str]) -> Tuple[str, Dict[str, Any]]: """Liest die Rohdatei und extrahiert Body & Frontmatter ohne Parser-Logik. Rückgabe: (body_text, frontmatter_dict) """ if not file_path or not os.path.exists(file_path): return "", {} try: with open(file_path, "r", encoding="utf-8") as f: raw = f.read() except Exception: return "", {} # Frontmatter per Regex entfernen m = FRONTMATTER_RE.match(raw) fm = {} if m: fm_txt = m.group(1) try: import yaml # lazy fm = yaml.safe_load(fm_txt) or {} except Exception: fm = {} body = raw[m.end():] else: body = raw return body, fm # --------------------------------------------------------------------------- # Hashing # --------------------------------------------------------------------------- def compute_hash( *, body: Optional[str], frontmatter: Optional[Dict[str, Any]], mode: Optional[str] = None, normalize: Optional[str] = None, ) -> str: """ Berechnet einen Hex-Hash gemäß ``mode`` und ``normalize``. mode: - "body" (Default) - "frontmatter" - "body+frontmatter" normalize: - "canonical" (Default) - "none" """ mode = _resolve_hash_mode(mode) normalize = (normalize or os.environ.get("MINDNET_HASH_NORMALIZE", "canonical")).strip().lower() body = _normalize_body(body or "", normalize) fm_s = _canon_frontmatter(frontmatter or {}) h = hashlib.sha256() if mode == "frontmatter": h.update(fm_s.encode("utf-8")) elif mode == "body+frontmatter": h.update(body.encode("utf-8")) h.update(b"\n--FM--\n") h.update(fm_s.encode("utf-8")) else: # body h.update(body.encode("utf-8")) return h.hexdigest() # --------------------------------------------------------------------------- # Kernfunktion # --------------------------------------------------------------------------- def make_note_payload( parsed: Any, vault_root: Optional[str] = None, *, hash_mode: Optional[str] = None, hash_normalize: Optional[str] = None, hash_source: Optional[str] = None, file_path: Optional[str] = None, ) -> Dict[str, Any]: """ Erzeugt den Payload für eine geparste Note. Parameters ---------- parsed : Any Objekt mit Attributen/Keys ``frontmatter``, ``body``, ``path``. vault_root : Optional[str] Vault-Wurzel (für Pfad-Relativierung). Wenn ``None``, wird ``path`` unverändert übernommen. hash_mode : Optional[str] "body" | "frontmatter" | "body+frontmatter" | "full" (Alias; überschreibt ENV). hash_normalize : Optional[str] "canonical" | "none" (überschreibt ENV). hash_source : Optional[str] "parsed" (Default) oder "raw". Wenn "raw", wird der Body aus der Rohdatei gelesen. file_path : Optional[str] Pfad zur Markdown-Datei, erforderlich für ``hash_source=raw``. Returns ------- Dict[str, Any] Qdrant-Payload für die Notes-Collection. """ # "Duck typing": dict oder Objekt akzeptieren if isinstance(parsed, dict): fm = parsed.get("frontmatter") or {} body = parsed.get("body") or "" path = parsed.get("path") or "" else: fm = getattr(parsed, "frontmatter", {}) or {} body = getattr(parsed, "body", "") or "" path = getattr(parsed, "path", "") or "" # Hash-Quelle bestimmen src = (hash_source or os.environ.get("MINDNET_HASH_SOURCE", "parsed")).strip().lower() raw_body, raw_fm = ("", {}) if src == "raw": raw_body, raw_fm = _read_raw_body_from_file(file_path or path) # Roh-FM ergänzen (nicht überschreiben) if isinstance(raw_fm, dict) and raw_fm: merged_fm = dict(fm) for k, v in raw_fm.items(): merged_fm.setdefault(k, v) fm = merged_fm # Hash gemäß Modus/Quelle bilden body_for_hash = raw_body if src == "raw" else body hash_fulltext = compute_hash(body=body_for_hash, frontmatter=fm, mode=hash_mode, normalize=hash_normalize) # Pfad relativieren rel_path = path try: if vault_root: rel = os.path.relpath(path, vault_root) rel = rel.replace("\\", "/").lstrip("/") # normalisieren rel_path = rel except Exception: pass # Pfad ist nicht kritisch für Hash/ID # Note-Level-Wikilinks (Fallback, wenn Chunks nicht geliefert werden) note_level_refs = list(dict.fromkeys(extract_wikilinks(body))) if body else [] payload: Dict[str, Any] = { "note_id": fm.get("id") or fm.get("note_id"), "title": fm.get("title"), "type": fm.get("type"), "status": fm.get("status"), "created": fm.get("created"), "updated": fm.get("updated"), "path": rel_path or fm.get("path"), "tags": fm.get("tags"), "hash_fulltext": hash_fulltext, # Volltext persistieren (verlustfreie Rekonstruktion) – aus PARSED-Body "fulltext": body, # Fallback-Refs auf Note-Ebene "references": note_level_refs, } for k in ("area", "project", "source", "lang", "slug", "aliases"): if k in fm: payload[k] = fm[k] # Optional: Roh-Body-Hash zusätzlich persistieren if os.environ.get("MINDNET_HASH_STORE_RAW", "false").strip().lower() == "true" and src == "raw": try: payload["hash_raw_body"] = compute_hash(body=raw_body, frontmatter=fm, mode="body", normalize="none") except Exception: pass return payload # --------------------------------------------------------------------------- # CLI – Sichtprüfung # --------------------------------------------------------------------------- def _cli() -> None: ap = argparse.ArgumentParser(description="Note-Payload aus Markdown erzeugen und anzeigen") ap.add_argument("--from-file", dest="src", required=True, help="Pfad zur Markdown-Datei") ap.add_argument("--vault-root", dest="vault_root", default=None, help="Vault-Wurzel zur Pfad-Relativierung") ap.add_argument("--print", dest="do_print", action="store_true", help="Payload auf stdout ausgeben") ap.add_argument("--hash-mode", choices=["body", "frontmatter", "body+frontmatter", "full"], default=None) ap.add_argument("--hash-normalize", choices=["canonical", "none"], default=None) ap.add_argument("--hash-source", choices=["parsed", "raw"], default=None) args = ap.parse_args() parsed = read_markdown(args.src) payload = make_note_payload(parsed, vault_root=args.vault_root, hash_mode=args.hash_mode, hash_normalize=args.hash_normalize, hash_source=args.hash_source, file_path=args.src) if args.do_print: print(json.dumps(payload, ensure_ascii=False, indent=2)) if __name__ == "__main__": # pragma: no cover _cli()