GUESS.ARC

Prédire le contenu du chapitre n+1 de One Piece à partir des chapitres 1 à n.

Le dépôt contient aujourd'hui la chaîne de données jusqu'à la couche silver. La modélisation (architecture séquentielle à base de GRU) viendra s'y brancher dans un second temps. L'ancienne approche par taxonomie simple a été abandonnée.

Structure

src/guess_arc/
├── paths.py              # emplacements data/bronze, data/silver, data/state.json
└── ingestion/            # wiki Fandom EN -> bronze -> silver
    ├── wiki_client.py    # appels à l'API MediaWiki
    ├── parser.py         # wikitexte d'un chapitre -> Chapter
    ├── silver.py         # Chapter -> data/silver/chapter_NNNN.md
    ├── validation.py     # contrat de format bronze / silver
    └── pipeline.py       # orchestration, état incrémental, CLI
tests/                    # tests sans réseau
docs/adr/                 # décisions d'architecture

Les futures étapes (features, modèle) seront ajoutées comme sous-packages de guess_arc, à côté d'ingestion. Elles liront la silver via guess_arc.paths.

Environnement

python -m venv .venv
# Windows
.venv\Scripts\activate
# macOS / Linux
source .venv/bin/activate

pip install -r requirements.txt   # installe guess_arc en mode éditable + pytest

Ingestion

# run complet : tous les chapitres, ~24 requêtes, moins d'une minute
python -m guess_arc.ingestion --max-chapter 1194

# mise à jour hebdomadaire : ne retraite que les pages dont la révision a changé
python -m guess_arc.ingestion --max-chapter 1200 --incremental

# après une modification du parseur : régénère la silver depuis le bronze, sans réseau
python -m guess_arc.ingestion --rebuild-silver

Sorties, toujours sous data/ à la racine du repo (modifiable avec --data-dir) :

• data/bronze/chapters.jsonl : le wikitexte brut archivé, une ligne par chapitre
• data/silver/chapter_NNNN.md : un fichier par chapitre, front-matter YAML (titre, arc, personnages avec faction et on_panel) puis résumé court, résumé long et notes
• data/state.json : les revid connus, pour les runs incrémentaux

Tests

pytest

Aucun accès réseau n'est nécessaire. Les tests couvrent :

• le parseur, sur des extraits réels des chapitres 500 et 1193 : annotations en parenthèses nues des anciens chapitres (*[[Kalifa]] (cover)) et en apostrophes des récents (*[[King]] ''(cover)'') ;
• le contrat de format bronze et silver, sur des fixtures synthétiques ;
• le contrôle de tous les fichiers de data/bronze/ et data/silver/ (ignoré si les données n'ont pas encore été générées).

Source de données

Wiki One Piece anglais uniquement. Les sources françaises et japonaises sont écartées, voir ADR 0001.

Le contenu du wiki Fandom est sous licence CC BY-SA : usage académique avec attribution. Le client envoie un User-Agent identifiant le projet et limite son débit.