PGŽ Sport Platform — Round 1+2 baseline (sport2.html + API)

_handoff/HANDOFF_20260430_1145_PLANINARSTVO_DEDUP_GAP.md

@@ -0,0 +1,125 @@
+# HANDOFF — 30.04.2026 11:45 — PLANINARSTVO + DEDUP + ENRICHMENT GAP
+
+## ✅ NAPRAVLJENO
+
+### 1. Planinarstvo dilemma
+**Verdikt:** SVI PLANINARSKI KLUBOVI OSTAJU AKTIVNI.
+
+Razlog (web verified 30.04.2026):
+- HPS član HOO od 1991, prvi HR sport savez u UIAA (Wikipedia + hps.hr)
+- 40 klubova promoted na `pgz_sufinanciran=TRUE`
+- Audit log id=64
+
+### 2. Dedup + broken naziv fix (pre-enrichment cleanup)
+
+**Pronađeno problema:**
+- 27 grupa duplikata (7 trostrukih, 20 dvostrukih) = **34 redundantna zapisa**
+- 41 broken naziv (PDF parser pucanje, zalijepljene kolone teksta)
+- 2 ne-sport saveza koji su promakli (SAVEZ ZA PROMICANJE ZNANOSTI, KLUB STUDENATA)
+
+**Rješenje:**
+- Backup: `pgz_sport.klubovi_pre_dedup_20260430` (1490 redaka)
+- 34 duplikata: master = klub s najviše članova → svi članovi reasignani, slaves deaktivirani
+- 39 broken naziv-a: split na prvi multispace + audit reason
+- 1 KK Kvarner duplikat manual fix
+- 2 ne-sport savez reklasificirani
+
+**Rezultat:**
+- **1453 aktivnih sport klubova** (s 1490 prije)
+- **1449 PGŽ sufinanciranih**
+- **0 duplikata, 0 broken naziva**
+
+### 3. Enrichment gap dashboard
+
+**Boris baseline = 18.007 sportaša**
+**Mi imamo = 1.548 sportaša (8.6%)**
+**Gap = 16.459 sportaša**
+
+Top gap sportova:
+| Sport | Imamo | Boris | Gap | % |
+|-------|-------|-------|-----|---|
+| NOGOMET | 413 | 5.581 | 5.168 | 7.4% |
+| ODBOJKA | 33 | 2.047 | 2.014 | 1.6% |
+| KARATE | 24 | 1.735 | 1.711 | 1.4% |
+| KOŠARKA | 23 | 1.115 | 1.092 | 2.1% |
+| ATLETIKA | 29 | 999 | 970 | 2.9% |
+| JUDO | 1 | 961 | 960 | 0.1% |
+| RUKOMET | 39 | 924 | 885 | 4.2% |
+| JEDRENJE | 8 | 737 | 729 | 1.1% |
+| KUGLANJE | 0 | 438 | 438 | 0% (NULA) |
+| BOKS | 0 | 115 | 115 | 0% (NULA) |
+| BOĆANJE | 869 | 980 | **111** | **88.7%** ← najbolji |
+
+**4 saveza s NULA članova:** kuglanje, boks, sportski ribolov, streličarstvo.
+
+### 4. Novi endpointi
+
+```
+GET /api/v2/pgz/enrichment-gap     - Dashboard za Borisa, sve gap-ove
+GET /api/v2/pgz/dedup-summary      - Pregled cleanup operacija
+GET /api/v2/pgz/savez-stats        - Boris baseline statistika
+GET /api/v2/pgz/cleanup-summary    - Klasifikacija organizacija
+GET /api/v2/pgz/sport-organizacije - Filterirani klubovi
+```
+
+## ⚠️ PROBLEM ENRICHMENT IZVORA
+
+### Ono što sam probao (i NIJE RADILO)
+1. **HNS Semafor expansion** — 21 klub već ima HNS_klub_id, ali 118 nogometnih klubova bez ID-a su uglavnom MALI NOGOMET (futsal) koji NIJE u HNS Comet sustavu
+2. **HRS web** — nema strukturirane klub liste (samo članci)
+3. **HKS** — sličan problem
+4. **sport-pgz.hr** — Vue SPA, klubovi nisu u initial HTML
+5. **ZSP godišnjak PDF 2022** — 16 MB PDF s tablicama, ali tabular layout u PDF-u izaziva pucanje regex parsera (samo 16 klubova ekstrahiran od cca 500+)
+
+### Što treba sljedeća sesija (real enrichment options)
+
+**Po prioritetu:**
+
+1. **Direktan kontakt savezima** — emailom Boris/Damir traži CSV liste klubova i registriranih sportaša po savezu. PGŽ ima taj autoritet.
+   - atletskisavezpgz@gmail.com
+   - judo-savez-pgz...
+   - i sl. iz sport-pgz.hr stranica saveza
+
+2. **Bolji PDF parser za godišnjak**:
+   - Koristiti `pdfplumber` umjesto `pdftotext -layout` (bolje za tabele)
+   - Possibly Camelot tablice ekstraktora
+   - Fallback: ručno otvoriti PDF i preusko table u CSV (1h posla)
+
+3. **Boris baseline SAMO za sad** — koristi savez_stats_oficijalno za KPI prikaz, ne čekaj da se popune individual sportaši
+
+4. **Web-stranice 39 klubova s `web` poljem** — direktan scrape (NK Zamet, AK Kvarner, AK Liburnija, RK Zamet, KK Mlaka itd.). To je manji volume ali precizniji.
+
+5. **HBS scraper proširiti** — dodatni boćarski savez slugovi (već imamo 842 člana, gap 111)
+
+## 📊 STANJE NA `https://api.rinet.one/sport/`
+
+```
+Aktivnih sport klubova: 1453
+Sufinanciranih PGŽ:     1449
+Sportaša u DB:          1548
+Boris baseline:         18.007
+Coverage:               8.6%
+
+Trusted source breakdown:
+  hbs_savez:     842 (boćanje 88.7% complete)
+  hns_semafor:   408 (nogomet 7.4%)
+  manual:        922 (drugi)
+  rk_zamet_web:   10
+```
+
+## 🔄 ROLLBACK
+```bash
+# Vrati duplikat dedup ako se pokaže pogrešan
+PGPASSWORD='R1net2026!SecureDB#v7' psql -h localhost -U rinet -d rinet_v3 -c \
+  "UPDATE pgz_sport.klubovi SET aktivan=TRUE WHERE id IN (SELECT id FROM pgz_sport.klubovi_pre_dedup_20260430)"
+
+# Vrati pojedini klub
+PGPASSWORD='R1net2026!SecureDB#v7' psql -h localhost -U rinet -d rinet_v3 -c \
+  "UPDATE pgz_sport.klubovi SET aktivan=true WHERE id=<KLUB_ID>"
+```
+
+## TEST
+```bash
+curl -s https://api.rinet.one/sport/api/v2/pgz/enrichment-gap | python3 -m json.tool | head -50
+```
+