scrap/CHANGELOG.md

CHANGELOG - PriceWatch

Toutes les modifications notables du projet sont documentées ici.

Le format est basé sur Keep a Changelog.

---

[Non publié]

Dernière mise à jour: 2026-01-15

En cours

• Phase 3 : API REST FastAPI (filtres/exports/webhooks)
• 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)
• Tests worker/scheduler (SQLite + mocks)
• Tests CLI worker/enqueue/schedule + erreur DB (SQLite)
• Gestion erreurs Redis (RedisUnavailableError, check_redis_connection)
• Messages d'erreur clairs pour Redis down dans CLI (worker, enqueue, schedule)
• 7 nouveaux tests pour la gestion des erreurs Redis
• Logs d'observabilité pour jobs planifiés (JOB START/OK/FAILED, FETCH, PARSE)
• Tests end-to-end worker + DB (Redis/SQLite, skip si Redis down)
• Test end-to-end CLI -> DB -> worker (Redis, skip si Redis down)
• Guide de migration JSON -> DB
• API FastAPI (health/products/prices/logs/enqueue/schedule) + auth token
• Docker API + uvicorn
• Tests API de base
• Docker Compose API: port 8001 et hosts postgres/redis
• CRUD API (products/prices/logs)
• Filtres avances API (prix, dates, stock, status)
• Exports API CSV/JSON (products, prices, logs)
• Webhooks API (CRUD + test)
• Tests compatibilite --no-db (CLI)
• Test charge legere 100 snapshots (SQLite)
• Nettoyage warnings (Pydantic ConfigDict, datetime UTC, selectors SoupSieve)
• Web UI Vue 3 (layout dense, themes, settings) + Docker compose frontend
• Web UI: integration API (list produits, edition, enqueue, settings API)
• API: endpoints preview/commit scraping pour ajout produit depuis l UI
• Web UI: ajout produit par URL avec preview scraping et sauvegarde en base
• Web UI: popup ajout produit central + favicon
• API: logs Uvicorn exposes pour l UI
• Parsing prix: gestion des separateurs de milliers (espace, NBSP, point)
• API/DB: description + msrp + images/specs exposes, reduction calculee

Corrigé

• Migration Alembic: down_revision aligne sur 20260114_02
• Amazon: extraction images via data-a-dynamic-image + filtrage logos

---

[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