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)

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
HRS web — nema strukturirane klub liste (samo članci)
HKS — sličan problem
sport-pgz.hr — Vue SPA, klubovi nisu u initial HTML
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:

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
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)
Boris baseline SAMO za sad — koristi savez_stats_oficijalno za KPI prikaz, ne čekaj da se popune individual sportaši
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.
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

# 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

curl -s https://api.rinet.one/sport/api/v2/pgz/enrichment-gap | python3 -m json.tool | head -50

4.5 KiB Raw Permalink Blame History