# YRTV 项目说明 till 1.0.2hotfix

## 项目概览
YRTV 是一个基于 CS2 比赛数据的综合分析与战队管理平台。它集成了数据采集、ETL 清洗建模、特征挖掘以及现代化的 Web 交互界面。
核心目标是为战队提供数据驱动的决策支持，包括战术分析、队员表现评估、阵容管理（Clubhouse）以及实时战术板功能。

数据来源与处理核心包括：
- 比赛页面的 iframe JSON 数据（`iframe_network.json`）
- 可选的 demo 文件（`.zip/.dem`）
- L1A/L2/L3 分层数据库建模与校验

## Web 交互系统 (New in v0.5.0)
基于 Flask + TailwindCSS + Alpine.js 构建的现代化 Web 应用。

### 核心功能模块
1.  **Clubhouse (战队管理)**
    -   **Roster Management**: 拖拽式管理当前激活阵容 (Active Roster)。
    -   **Scout System**: 全库模糊搜索玩家，支持按 Rating/Matches/KD 排序筛选。
    -   **Contract System**: 模拟签约/解约流程 (Sign/Release)，管理战队资产。
    -   **Identity**: 统一的头像与 ID 显示逻辑 (SteamID/Name)，支持自动生成首字母头像。

2.  **Tactics Board (战术终端)**
    -   **SPA 架构**: 基于 Alpine.js 的单页应用，无刷新切换四大功能区。
    -   **Board (战术板)**: 集成 Leaflet.js 的交互式地图，支持战术点位标记。
    -   **Data (数据中心)**: 实时查看全队近期数据表现。
    -   **Analysis (深度分析)**: 
        -   **Chemistry**: 任意组合 (2-5人) 的共同比赛胜率与数据分析。
        -   **Depth**: 阵容深度与位置分析。
    -   **Economy (经济计算)**: 简单的经济局/长枪局计算器。

3.  **Match Center (比赛中心)**
    -   **List View**: 
        -   显示比赛平均 ELO。
        -   **Party Identification**: 自动识别组排车队 (👥 2-5)，并用颜色区分规模 (Indigo/Blue/Purple/Orange)。
        -   **Result Tracking**: 基于 "Our Team" (Active Roster) 的胜负判定 (VICTORY/DEFEAT/CIVIL WAR)。
    -   **Detail View**:
        -   按 Rating 降序排列双方队员。
        -   高亮显示组排关系。
        -   集成 Round-by-Round 经济与事件详情。

4.  **Player Profile (玩家档案)**
    -   综合能力雷达图 (六维数据)。
    -   近期 Rating/KD/ADR 趋势折线图。
    -   详细的历史比赛记录（含 Party info 与 Result）。
    -   头像上传与管理。

## 自动化与运维
新增 `ETL/refresh.py` 自动化脚本，用于一键执行全量数据刷新：
- 自动清理旧数据库。
- 顺序执行 L1A -> L2 -> L3 构建。
- 自动处理 schema 迁移。

## 数据流程
1. **下载与落盘**  
   通过 `downloader/downloader.py` 抓取比赛页面数据，生成 `output_arena/<match_id>/iframe_network.json`，并可同时下载 demo 文件。
2. **L1A 入库（原始 JSON）**  
   `ETL/L1A.py` 将 `output_arena/*/iframe_network.json` 批量写入 `database/L1A/L1A.sqlite`。
3. **L2 入库（结构化事实表/维度表）**  
   `ETL/L2_Builder.py` 读取 L1A 数据，按 `database/L2/schema.sql` 构建维度表与事实表，生成 `database/L2/L2_Main.sqlite`。
4. **L3 入库（特征集市）**
   `ETL/L3_Builder.py` 读取 L2 数据，计算 Basic 及 6 大挖掘能力维度特征，生成 `database/L3/L3_Features.sqlite`。
5. **质量校验与覆盖分析**  
   `ETL/verify/verify_L2.py` 与 `ETL/verify/verify_deep.py` 用于 L2 字段覆盖与逻辑检查。

## 目录结构
```
yrtv/
├── downloader/                 # 下载器（抓取 iframe JSON 与 demo）
├── ETL/                        # ETL 脚本
│   ├── L1A.py
│   ├── L2_Builder.py
│   ├── L3_Builder.py
│   ├── refresh.py              # [NEW] 一键刷新脚本
│   └── verify/
├── database/                   # SQLite 数据库存储
│   ├── L1A/                    
│   ├── L2/                     
│   ├── L3/                     
│   └── original_json_schema/   
├── web/                        # [NEW] Web 应用程序
│   ├── app.py                  # 应用入口
│   ├── routes/                 # 路由 (matches, players, teams, tactics)
│   ├── services/               # 业务逻辑 (stats, web)
│   ├── templates/              # Jinja2 模板 (TailwindCSS + Alpine.js)
│   └── static/                 # 静态资源 (CSS, JS, Uploads)
└── utils/
    └── json_extractor/         # JSON Schema 抽取工具
```

## 环境要求
- Python 3.11.4+
- Flask, Jinja2
- Playwright（下载器依赖）
- pandas, numpy（数据处理依赖）

## 数据库层级说明
### L1A
- **用途**：保存原始 iframe JSON
- **输入**：`output_arena/*/iframe_network.json`
- **输出**：`database/L1A/L1A.sqlite`
- **脚本**：`ETL/L1A.py`

### L1B
- **用途**：保存 demo 解析后的原始数据（由 demoparser2 产出）
- **输出**：`database/L1B/L1B.sqlite`
- 当前仓库提供目录与说明，解析流程需结合外部工具执行

### L2
结构化事实表/维度表数据库，覆盖比赛、玩家、回合与经济等数据：
- **Schema**：`database/L2/schema.sql`
- **输出**：`database/L2/L2_Main.sqlite`
- **核心表**：
  - `dim_players`、`dim_maps`
  - `fact_matches`、`fact_match_teams`
  - `fact_match_players`、`fact_match_players_t`、`fact_match_players_ct`
  - `fact_rounds`、`fact_round_events`、`fact_round_player_economy`

### L3
玩家特征集市 (Player Features Data Mart)，聚合 Basic 及 6 大挖掘能力维度 (STA, BAT, HPS, PTL, T/CT, UTIL)。
- **Schema**：`database/L3/schema.sql`
- **输出**：`database/L3/L3_Features.sqlite`
- **脚本**：`ETL/L3_Builder.py`
- **核心表**：`dm_player_features` (玩家聚合画像)

## JSON Schema 抽取工具
用于分析大量 `iframe_network.json` 的字段结构与覆盖情况，支持动态 Key 归并与多格式输出。

输出内容通常位于 `output_reports/` 或 `database/original_json_schema/`，包括：
- `schema_summary.md`：结构概览
- `schema_flat.csv`：扁平字段列表
- `uncovered_features.csv`：未覆盖字段清单

## 数据源互斥说明
L2 中 `fact_matches.data_source_type` 用于区分数据来源与字段覆盖范围：
- `classic`：含 round_list 详细回合与坐标信息
- `leetify`：含 leetify 评分与经济信息
- `unknown`：无法识别来源

入库逻辑保持互斥：同一场比赛只会按其来源覆盖相应字段，避免重复或冲突。