| name | logo-extraction |
| description | Extract the company logo for a company in the companies table and store it as a small base64 data-URI (max ~35KB, min 32px). Primary path is fully automated via logo_fetch.py against the official website (apple-touch-icon → icon → og:image → favicon); when the site blocks bots or has no usable icon, find a direct logo image URL via web search and pass it with --from-url. Verify the website really belongs to the company BEFORE fetching. Sets companies.logo, logo_source, logo_fetched. |
| allowed-tools | Bash(python3 *), Bash(curl *), Bash(jq *), WebSearch, WebFetch |
logo-extraction — logo aziendale per la pagina posizione
Il web mostra il logo dell'azienda sulla pagina di dettaglio posizione.
Il logo vive sulla riga companies (UNA per azienda: 1000 posizioni
Wizz Air = 1 logo) come data-URI base64 piccolo, e viaggia col sync
companies esistente. Nessun upload, nessuno storage esterno.
3 colonne da popolare (le scrive logo_fetch.py, MAI a mano)
logo text data-URI base64 (png/jpeg/webp/ico), <= ~35KB raw
logo_source text URL da cui il logo è stato estratto (audit/refresh)
logo_fetched bool true = estrazione TENTATA (anche se fallita) —
pattern office_geocoded: l'azienda esce dalla coda
next-for-logo-missing e non si riprova a ogni giro
REGOLA d'oro: azienda giusta, sito giusto
Il logo sbagliato è peggio di nessun logo. Prima di lanciare il
fetch verifica che companies.website appartenga DAVVERO all'azienda
della posizione (non un omonimo, non l'aggregatore che ha pubblicato
l'annuncio, non il gruppo madre sbagliato). In dubbio: web search
"<Company> official site" e confronta col settore/paese della riga.
- Annuncio pubblicato da agenzia/recruiter (Manpower, Randstad, ...) MA
per conto di un hotel/azienda nominata → il logo è dell'azienda della
riga
companies collegata alla posizione, qualunque essa sia.
- Catena vs proprietà (es. "CARDO ROMA, Autograph Collection"): usa il
logo del brand che compare come
companies.name.
Workflow
Step 0 — La coda
python3 /app/shared/skills/db_query.py next-for-logo-missing
Elenca le aziende con posizioni vive e logo mai tentato, ordinate per
numero di posizioni (prima le più visibili). NO WEBSITE (cercalo prima) = fai prima Step 1.
Step 1 — Website mancante? Trovalo e salvalo
python3 /app/shared/skills/db_update.py company "<Company>" \
--website https://www.wizzair.com
Step 2 — Fetch automatico (il percorso normale)
python3 /app/shared/skills/logo_fetch.py "<Company>"
Lo script: scarica la homepage, prova apple-touch-icon → icon
grandi → og:image → /favicon.*, valida formato (png/jpeg/webp/ico,
MAI svg), peso (200B–35KB) e lato minimo (>=32px), salva il data-URI e
marca logo_fetched=1. Output JSON su stdout. --dry-run per provare
senza scrivere, --force per sostituire un logo esistente.
Step 3 — Sito anti-bot o senza icona usabile → --from-url
Se Step 2 dà NO_CANDIDATE (siti come marriott.com bloccano i bot):
- Web search
"<Company> logo png" / "<Company> press kit logo" /
pagina Wikipedia dell'azienda (i file Wikimedia hanno URL diretti).
- Trova l'URL diretto dell'immagine (deve finire in .png/.jpg/
.webp/.ico o comunque servire l'immagine raw, non una pagina HTML).
-
python3 /app/shared/skills/logo_fetch.py "<Company>" \
--from-url "https://upload.wikimedia.org/.../Wizz_Air_logo.png"
La stessa validazione (peso/formato/dimensioni) si applica: se
l'immagine è troppo pesante cerca una variante più piccola
(thumbnail Wikimedia: sostituisci nel path /1200px- con /240px-).
Step 4 — Niente di usabile dopo 3 tentativi → marca e passa oltre
python3 /app/shared/skills/logo_fetch.py "<Company>" --mark-attempted
logo_fetched=1 con logo NULL: la pagina web mostra il fallback a
iniziali, l'azienda esce dalla coda. NON insistere oltre 3 tentativi.
Policy di risparmio (enrichment-policy)
Il fetch autonomo rispetta $JHT_HOME/profile/enrichment-policy.json
(controlla con python3 /app/shared/skills/enrichment_policy.py show).
Risposte possibili di logo_fetch.py:
POLICY_DISABLED — risparmio attivo (economy=true) o
logo.enabled=false: NON estrarre, non è un errore. Vai avanti.POLICY_SCORE_GATE — l'azienda non ha ancora posizioni vive con
score ≥ logo.min_score: NON insistere. Non marca logo_fetched:
quando lo Scorer supera la soglia, l'azienda rientra in coda da sola.
--force scavalca la policy: usalo SOLO su richiesta esplicita
dell'utente, mai in autonomia.
Qualità attesa
- Preferisci icone quadrate 96–256px (apple-touch-icon è l'ideale).
- 32–48px (favicon) è accettabile come ripiego: il riquadro web è
piccolo. Sotto 32px lo script rifiuta da solo.
- Il cap 35KB è rigido (protegge DB e sync): non aggirarlo, cerca
una variante più leggera.
Vietati
- ❌ Logo di un'azienda OMONIMA o del gruppo sbagliato (verifica web!)
- ❌ Logo dell'aggregatore/job-board (LinkedIn, Indeed) al posto
dell'azienda
- ❌ Scrivere
logo/logo_source/logo_fetched a mano con db_update:
passa SEMPRE da logo_fetch.py (è l'unico che valida)
- ❌ SVG, immagini >35KB, icone <32px (lo script li rifiuta: non
cercare di aggirarlo)
- ❌ Screenshot della homepage o ritagli: solo file-logo reali
- ❌ Più di 3 tentativi per azienda: marca
--mark-attempted e avanti
