working code for task INDX-0003

src/main/java/searchengine/model/PageEntity.java

@@ -7,18 +7,20 @@ import lombok.Setter;
 @Getter
 @Setter
 @Entity
-@Table(name = "page", indexes = @Index(columnList = "path"))
+//@Table(name = "page", indexes = @Index(columnList = "site_id, path", unique = true)) // Или используем составной индекс, если нужно сохранить уникальность
+@Table(name = "page", indexes = @Index(columnList = "path"), uniqueConstraints = @UniqueConstraint(columnNames = {"site_id", "path"}))
 public class PageEntity {
     @Id
     @GeneratedValue(strategy = GenerationType.IDENTITY)
     @Column(nullable = false)
     private int id;
 
-    @ManyToOne(cascade = CascadeType.ALL)
+    @ManyToOne(fetch = FetchType.LAZY)
     @JoinColumn(name = "site_id", nullable = false)
     private SiteEntity site;
 
-    @Column(columnDefinition = "VARCHAR(255) NOT NULL", unique = true)
+    @Column(columnDefinition = "VARCHAR(255) NOT NULL")
+//    @Column(columnDefinition = "VARCHAR(255) NOT NULL", unique = true) // Или убираем unique = true
     private String path;
 
     @Column(nullable = false)

src/main/java/searchengine/repository/PageRepository.java

@@ -3,7 +3,11 @@ package searchengine.repository;
 import org.springframework.data.repository.CrudRepository;
 import org.springframework.stereotype.Repository;
 import searchengine.model.PageEntity;
+import searchengine.model.SiteEntity;
 
 @Repository
 public interface PageRepository extends CrudRepository<PageEntity, Integer> {
+    void deleteBySite(SiteEntity site);
+
+    PageEntity findBySiteAndPath(SiteEntity site, String path);
 }

src/main/java/searchengine/repository/SiteRepository.java

@@ -6,4 +6,5 @@ import searchengine.model.SiteEntity;
 
 @Repository
 public interface SiteRepository extends CrudRepository<SiteEntity, Integer> {
+    SiteEntity findByUrl(String url);
 }

src/main/java/searchengine/services/IndexingServiceImpl.java

@@ -1,17 +1,30 @@
 package searchengine.services;
 
 import lombok.RequiredArgsConstructor;
+import org.jsoup.HttpStatusException;
 import org.jsoup.Jsoup;
 import org.jsoup.nodes.Document;
+import org.slf4j.Logger;
+import org.slf4j.LoggerFactory;
+import org.springframework.dao.DataIntegrityViolationException;
 import org.springframework.stereotype.Service;
+import org.springframework.transaction.annotation.Isolation;
+import org.springframework.transaction.annotation.Propagation;
+import org.springframework.transaction.annotation.Transactional;
 import searchengine.config.SitesList;
 import searchengine.model.Link;
+import searchengine.model.SiteEntity;
+import searchengine.model.PageEntity;
+import searchengine.model.StatusType;
+import searchengine.repository.PageRepository;
+import searchengine.repository.SiteRepository;
 
 import java.net.URI;
 import java.net.URISyntaxException;
 import java.net.URLEncoder;
 import java.nio.charset.StandardCharsets;
-import java.util.Random;
+import java.time.LocalDateTime;
+import java.util.HashSet;
 import java.util.Set;
 import java.util.concurrent.ConcurrentHashMap;
 import java.util.regex.Pattern;
@@ -19,79 +32,164 @@ import java.util.regex.Pattern;
 @Service
 @RequiredArgsConstructor
 public class IndexingServiceImpl implements IndexingService {
+    private static final Logger logger = LoggerFactory.getLogger(IndexingServiceImpl.class);
     private boolean indexingIsRunning = false;
     private final SitesList sitesList;
-    private final Random random = new Random();
+    private final SiteRepository siteRepository;
+    private final PageRepository pageRepository;
 
     @Override
+    @Transactional(propagation = Propagation.REQUIRED, isolation = Isolation.READ_COMMITTED, noRollbackFor = Exception.class)
     public void startIndexing() {
         if (indexingIsRunning) {
-            System.out.println("Индексация уже запущена");
+            logger.info("Индексация уже запущена");
             return;
         }
         indexingIsRunning = true;
 
         // Выводим список сайтов для индексации
-        System.out.println("Список сайтов для индексации:");
+        logger.info("Список сайтов для индексации:");
         sitesList.getSites().forEach(site ->
-                System.out.println("URL: " + site.getUrl() + ", Название: " + site.getName())
+                logger.info("URL: {}, Название: {}", site.getUrl(), site.getName())
         );
 
         // Начинаем парсинг первого сайта
-        String startUrl = sitesList.getSites().get(0).getUrl();
-        String siteName = sitesList.getSites().get(0).getName();
+        String startUrl = sitesList.getSites().get(1).getUrl();
+        String siteName = sitesList.getSites().get(1).getName();
 
-        System.out.println("Начинаем парсинг сайта " + siteName + " (" + startUrl + ")");
+        logger.info("Начинаем парсинг сайта {} ({})", siteName, startUrl);
 
         Set<URI> visitedLinks = ConcurrentHashMap.newKeySet(); // Набор для отслеживания посещенных URL
+        Set<Link> allLinks = ConcurrentHashMap.newKeySet(); // Набор для хранения всех ссылок
 
         try {
             URI startUri = new URI(startUrl);
-            System.out.printf("\n=== Начало индексации %s (%s) ===\n", siteName, startUri);
+            logger.info("=== Начало индексации {} ({}) ===", siteName, startUri);
+
+            // Удаляем существующие данные по этому сайту
+            SiteEntity site = siteRepository.findByUrl(startUrl);
+            if (site != null) {
+                logger.info("Найден существующий SiteEntity с ID: {}", site.getId());
+                pageRepository.deleteBySite(site);
+                logger.info("Удалены все PsgeEntity для SiteEntity с ID: {}", site.getId());
+                siteRepository.delete(site);
+                logger.info("Удален SiteEntity с ID: {}", site.getId());
+            }
+
+            // Создаем новую запись в таблице site со статусом INDEXING
+            site = new SiteEntity();
+            site.setName(siteName);
+            site.setUrl(startUrl);
+            site.setStatus(StatusType.INDEXING);
+            site.setStatus_time(LocalDateTime.now());
+            site = siteRepository.save(site); // Сохраняем и обновляем объект
+
+            logger.info("Создана новая запись в таблице site с ID: {}", site.getId());
+
             Link rootLink = new Link(startUri, null); // Создаем корневой Link
-            parse(rootLink, visitedLinks); // Запуск парсинга
+            allLinks.add(rootLink); // Добавляем корневую ссылку во множество всех ссылок
+            parse(rootLink, site, visitedLinks, allLinks); // Запуск парсинга
+
+            // Обновляем статус сайта на INDEXED
+            site.setStatus(StatusType.INDEXED);
+            site.setStatus_time(LocalDateTime.now());
+            siteRepository.save(site);
+
+            logger.info("Статус сайта обновлен на INDEXED с ID: {}", site.getId());
         } catch (URISyntaxException e) {
-            System.out.println("Некорректный URL: " + startUrl);
+            logger.error("Некорректный URL: {}", startUrl, e);
+            handleIndexingError(startUrl, "Некорректный URL: " + startUrl);
         } catch (InterruptedException e) {
-            System.out.println("Индексация была прервана: " + e.getMessage());
-            Thread.currentThread().interrupt();
+            logger.error("Индексация была прервана: {}", e.getMessage(), e);
+            handleIndexingError(startUrl, "Индексация была прервана: " + e.getMessage());
+        } catch (Exception e) {
+            logger.error("Произошла ошибка при индексации: {}", e.getMessage(), e);
+            handleIndexingError(startUrl, "Произошла ошибка при индексации: " + e.getMessage());
         } finally {
             indexingIsRunning = false;
-            System.out.println("\n=== Индексация завершена ===");
-            System.out.println("Всего страниц проиндексировано: " + visitedLinks.size());
+            logger.info("=== Индексация завершена ===");
+            logger.info("Всего страниц проиндексировано: {}", visitedLinks.size());
         }
     }
 
-    private void parse(Link link, Set<URI> visitedLinks) throws InterruptedException {
+    private void parse(Link link, SiteEntity site, Set<URI> visitedLinks, Set<Link> allLinks) throws InterruptedException {
         // Добавляем текущий URL в visitedLinks до начала обработки
         if (!visitedLinks.add(link.uri())) {
+            logger.debug("URL уже был обработан: {}", link.uri());
             return; // Если URL уже был обработан, выходим
         }
 
+        // Обновляем время статуса
+        site.setStatus_time(LocalDateTime.now());
+        siteRepository.save(site);
+
         // Задержка для соблюдения правил robots.txt
-        Thread.sleep(50 + random.nextInt(150));
-        System.out.println("Парсим страницу: " + link.uri());
+        try {
+            Thread.sleep((long) (50 + (Math.random() * 150)));
+        } catch (InterruptedException e) {
+            logger.error("Парсинг был прерван: {}", e.getMessage(), e);
+            Thread.currentThread().interrupt();
+            throw new RuntimeException("Парсинг был прерван: " + e.getMessage(), e);
+        }
+
+        logger.info("Парсим страницу: {}", link.uri());
 
         // Добавляем дочерние ссылки
-        addChildLinks(link, visitedLinks);
+        try {
+            addChildLinks(link, site, visitedLinks, allLinks);
+        } catch (Exception e) {
+            logger.error("Ошибка при добавлении дочерних ссылок для {}: {}", link.uri(), e.getMessage(), e);
+            throw e; // Пробрасываем исключение дальше
+        }
 
         // Рекурсивно обрабатываем дочерние ссылки
-        link.children().forEach(child -> {
-            try {
-                parse(child, visitedLinks);
-            } catch (InterruptedException e) {
-                Thread.currentThread().interrupt();
-                throw new RuntimeException("Парсинг был прерван: " + e.getMessage());
+        for (Link child : new HashSet<>(allLinks)) { // Создаем копию множества для итерации
+            if (!visitedLinks.contains(child.uri())) {
+                try {
+                    parse(child, site, visitedLinks, allLinks);
+                } catch (InterruptedException e) {
+                    logger.error("Парсинг был прерван: {}", e.getMessage(), e);
+                    Thread.currentThread().interrupt();
+                    throw new RuntimeException("Парсинг был прерван: " + e.getMessage(), e);
+                } catch (Exception e) {
+                    logger.error("Произошла ошибка при парсинге {}: {}", child.uri(), e.getMessage(), e);
+                }
             }
-        });
+        }
     }
 
-    private void addChildLinks(Link link, Set<URI> visitedLinks) {
+    private void addChildLinks(Link link, SiteEntity site, Set<URI> visitedLinks, Set<Link> allLinks) {
         try {
+            logger.debug("Пытаемся получить страницу: {}", link.uri());
             Document document = Jsoup.connect(link.uri().toString())
                     .userAgent("Mozilla/5.0")
                     .referrer("https://www.google.com")
                     .get();
+            logger.debug("Страница успешно получена: {}", link.uri());
+
+            // Проверяем, что site не равен null
+            if (site == null) {
+                throw new IllegalStateException("SiteEntity не может быть null");
+            }
+
+            // Получаем путь
+            String path = link.uri().getPath();
+            if (path == null || path.isEmpty()) {
+                path = "/"; // Устанавливаем корневой путь, если он пустой
+            }
+            PageEntity existingPage = pageRepository.findBySiteAndPath(site, path);
+            if (existingPage == null) {
+                // Сохраняем страницу в базу данных
+                PageEntity page = new PageEntity();
+                page.setSite(site); // Устанавливаем связь с SiteEntity
+                page.setPath(path);
+                page.setCode(document.connection().response().statusCode());
+                page.setContent(document.outerHtml());
+                pageRepository.save(page);
+                logger.info("Сохранена страница: {}", link.uri());
+            } else {
+                logger.warn("Страница уже существует: {}", link.uri());
+            }
 
             document.select("a[href]").forEach(element -> {
                 String hrefStr = element.attr("href").strip();
@@ -109,34 +207,46 @@ public class IndexingServiceImpl implements IndexingService {
 
                     // Проверяем, что ссылка корректна
                     if (isCorrectUrl(link.uri(), href, visitedLinks)) {
-                        link.addChild(href); // Используем метод addChild из класса Link
+                        Link childLink = new Link(href, link);
+                        allLinks.add(childLink); // Добавляем дочернюю ссылку в список всех ссылок
+                        logger.debug("Добавлена дочерняя ссылка: {}", childLink.uri());
                     }
                 } catch (Exception e) {
-                    // Игнорируем некорректные URL без вывода сообщений
+                    logger.warn("Некорректная ссылка: {}", hrefStr, e);
                 }
             });
+        } catch (HttpStatusException e) {
+            logger.warn("HTTP ошибка при добавлении дочерних ссылок: Status={}, URL={}", e.getStatusCode(), e.getUrl());
+        } catch (DataIntegrityViolationException e) {
+            logger.error("Ошибка целостности данных при сохранении страницы: {}", e.getMessage());
+            throw e; // Пробрасываем исключение дальше
         } catch (Exception e) {
-            // Игнорируем ошибки без вывода сообщений
+            logger.error("Ошибка при добавлении дочерних ссылок: {}", e.getMessage(), e);
+            throw new RuntimeException("Ошибка при добавлении дочерних ссылок", e);
         }
     }
 
     private URI normalizeUri(URI href) {
         try {
-            String path = href.getPath(); // Получаем путь
-            if (path == null) {
-                path = ""; // Если путь равен null, заменяем на пустую строку
+            String path = href.getPath();
+            if (path == null || path.isEmpty()) {
+                path = "/"; // Устанавливаем корневой путь, если он пустой
             } else {
-                path = path.replaceAll("/+$", ""); // Убираем завершающие слэши
+                path = path.replaceAll("/+$", "");
+                if (path.isEmpty()) {
+                    path = "/";
+                }
             }
             return new URI(
                     href.getScheme(),
                     href.getAuthority(),
-                    path, // Используем обработанный путь
+                    path,
                     null,
                     href.getFragment()
             );
         } catch (URISyntaxException e) {
-            return href; // В случае ошибки возвращаем исходный URI
+            logger.warn("Некорректный URL: {}", href, e);
+            return href;
         }
     }
 
@@ -144,11 +254,13 @@ public class IndexingServiceImpl implements IndexingService {
         // Проверка на некорректные протоколы
         String hrefStr = href.toString();
         if (hrefStr.startsWith("javascript:") || hrefStr.startsWith("mailto:") || hrefStr.startsWith("tel:")) {
+            logger.debug("Некорректный протокол: {}", hrefStr);
             return false;
         }
 
         // Проверка на принадлежность тому же домену
         if (href.getHost() == null || !href.getHost().equals(baseUri.getHost())) {
+            logger.debug("Ссылка не принадлежит тому же домену: {}", hrefStr);
             return false;
         }
 
@@ -156,10 +268,25 @@ public class IndexingServiceImpl implements IndexingService {
         Pattern patternNotFile = Pattern.compile("(\\S+(\\.(?i)(jpg|png|gif|bmp|pdf|php|doc|docx|rar))$)");
         Pattern patternNotAnchor = Pattern.compile("#([\\w\\-]+)?$");
         if (href.isOpaque() || patternNotFile.matcher(hrefStr).find() || patternNotAnchor.matcher(hrefStr).find()) {
+            logger.debug("Ссылка на файл или якорь: {}", hrefStr);
             return false;
         }
 
         // Проверка на уже посещенные ссылки
         return !visitedLinks.contains(href);
     }
+
+    private void handleIndexingError(String startUrl, String errorMessage) {
+        SiteEntity site = siteRepository.findByUrl(startUrl);
+        if (site != null) {
+            site.setStatus(StatusType.FAILED);
+            site.setLast_error(errorMessage);
+            site.setStatus_time(LocalDateTime.now());
+            siteRepository.save(site);
+            logger.error("Ошибка индексации для сайта {}: {}", startUrl, errorMessage);
+        } else {
+            logger.error("Не удалось найти SiteEntity для URL: {}", startUrl);
+        }
+        logger.error(errorMessage);
+    }
 }