fix(opp): infer source name from source_url domain - crawler records carry no source code, only source_url; registry domain suffix match (search.ccgp.gov.cn -> ccgp)

pipeline_opportunity/opp_common.py

@@ -52,14 +52,40 @@ def source_display(code):
     return (code or "", "")
 
 
+# 域名 → 来源 code（从 source_url 反推来源名称用；爬虫平台记录不带 source code，
+# 只有 source_url，故按域名匹配。主域匹配：去 www. 后按注册表主页域名后缀比对）
+def _registry_hosts():
+    hosts = {}
+    for code, (_name, home) in SOURCE_REGISTRY.items():
+        h = home.split("//", 1)[-1].split("/", 1)[0].lower()
+        h = h[4:] if h.startswith("www.") else h
+        hosts[h] = code
+    return hosts
+
+
+def infer_source_code(source_url):
+    """source_url → 来源 code（域名后缀匹配注册表主页）。匹配不到返回 ''。"""
+    url = (source_url or "").strip()
+    if not url or "//" not in url:
+        return ""
+    host = url.split("//", 1)[-1].split("/", 1)[0].split(":", 1)[0].lower()
+    host = host[4:] if host.startswith("www.") else host
+    for rh, code in _registry_hosts().items():
+        if host == rh or host.endswith("." + rh):
+            return code
+    return ""
+
+
 def source_button_widget(code, source_url=""):
     """来源名称按钮：显示来源名称，点击新窗口直跳来源 url。
 
+    名称解析顺序：记录 source code → source_url 域名反推 → 空则「采集来源页」。
     跳转目标优先记录级 source_url（采集来源页，最精确），缺失回退来源主页；
-    两者皆无返回 None（不渲染按钮）。code 缺失但有 source_url 时名称显示
+    两者皆无返回 None（不渲染按钮）。
-    「采集来源页」。
     """
     code = (code or "").strip()
+    if not code:
+        code = infer_source_code(source_url)
     name, home = source_display(code)
     target = (source_url or "").strip() or home
     if not target: