fix: detect ext from content_type when filename has no extension + detailed strategy logging

app.py

@@ -74,6 +74,9 @@ MIME_MAP = {
     ".jpeg": "image/jpeg",
 }
 
+# Reverse lookup: content_type → ext (dùng khi filename không có extension)
+MIME_TO_EXT = {v: k for k, v in MIME_MAP.items()}
+
 
 def _count_dieu(text: str) -> int:
     """Đếm số lần xuất hiện pattern 'Điều X' / 'ĐIỀU X'."""
@@ -371,43 +374,65 @@ def _convert_document(file_bytes: bytes, filename: str, content_type: str) -> di
     """
     Chạy tất cả strategies phù hợp, chọn output nhiều "Điều" nhất.
 
-    DOCX → chạy cả 3 strategy (A + B + C)
+    DOCX → chạy 4 strategy (A + A2 + B + C)
     DOC  → chạy 2 strategy (B + C), vì python-docx không đọc .doc
     """
     ext = os.path.splitext(filename)[1].lower()
+
+    # ── Fix: detect ext từ content_type nếu filename không có extension ──
+    if not ext and content_type:
+        ext = MIME_TO_EXT.get(content_type, "")
+        if ext:
+            logger.info(f"  [EXT] Filename '{filename}' không có extension, detect từ content_type → ext={ext}")
+
     if not content_type:
         content_type = MIME_MAP.get(ext, "application/octet-stream")
 
-    logger.info(f"Converting: {filename} ({len(file_bytes)} bytes, ext={ext})")
+    logger.info(
+        f"Converting: {filename} ({len(file_bytes)} bytes, "
+        f"ext={ext}, content_type={content_type})"
+    )
 
+    is_docx = ext == ".docx"
+    is_doc = ext == ".doc"
     candidates = []
 
     # ── Strategy A: docx_converter (chỉ .docx) ──
-    if ext == ".docx":
+    if is_docx:
+        logger.info("  [STRATEGY A: docx_native] Running — parse XML numbering.xml...")
         result_a = _strategy_docx_native(file_bytes, filename)
         candidates.append(result_a)
 
         # Nếu Strategy A đã có "Điều" → skip tất cả
         if _count_dieu(result_a["md"]) > 0 and _meaningful_chars(result_a["md"]) > 200:
-            logger.info(f"  Strategy A đã có Điều, skip các strategy khác")
+            logger.info(f"  ✅ Strategy A có {_count_dieu(result_a['md'])} Điều → DONE, skip A2/B/C")
             best = result_a
             return _build_response(filename, best, candidates)
+        else:
+            logger.info(f"  ❌ Strategy A: {_count_dieu(result_a['md'])} Điều → thử A2...")
 
-        # ── Strategy A2: mammoth DOCX → HTML → markdown (chỉ .docx) ──
+        # ── Strategy A2: mammoth DOCX → HTML → markdown ──
+        logger.info("  [STRATEGY A2: docx_html] Running — mammoth DOCX→HTML→MD...")
         result_a2 = _strategy_docx_html(file_bytes, filename)
         candidates.append(result_a2)
 
         # Nếu A2 đã có "Điều" → skip Drive calls
         if _count_dieu(result_a2["md"]) > 0 and _meaningful_chars(result_a2["md"]) > 200:
-            logger.info(f"  Strategy A2 (HTML) đã có Điều, skip Drive calls")
+            logger.info(f"  ✅ Strategy A2 có {_count_dieu(result_a2['md'])} Điều → DONE, skip B/C")
             best = _pick_best(*candidates)
             return _build_response(filename, best, candidates)
+        else:
+            logger.info(f"  ❌ Strategy A2: {_count_dieu(result_a2['md'])} Điều → thử B/C (Drive)...")
+    else:
+        logger.info(f"  [SKIP A, A2] ext={ext} không phải .docx → skip offline strategies")
 
     # ── Strategy B: Drive → DOCX → docx_converter ──
+    logger.info("  [STRATEGY B: drive_docx] Running — upload Drive → export DOCX → parse...")
     result_b = _strategy_drive_docx(file_bytes, filename, content_type)
     candidates.append(result_b)
 
     # ── Strategy C: Drive → text → regex ──
+    logger.info("  [STRATEGY C: drive_text] Running — upload Drive → export text → regex...")
     result_c = _strategy_drive_text(file_bytes, filename, content_type)
     candidates.append(result_c)