Recognize commercial parts with alphabetic names in .asm scanning

Pro-E numeric codes cover most components, but parts downloaded as STEP
from online catalogs (rings, bushings, knobs...) get alphabetic Creo names
with no predictable shape. Add a second extraction path that tokenizes the
binary generically and validates candidates against the known codes in
cad_index.db, applying the same placement/occurrence rule used for bare
numeric codes. Numeric extraction is unchanged, so missing-from-index
reporting for renamed/moved Pro-E codes still works.

Also load all known prt/asm codes once per scan instead of one query per
candidate, in both RisolviAlberoComponenti and VerificaCompletezzaAssiemi.

Co-Authored-By: Claude Sonnet 5 <noreply@anthropic.com>

docs/formato-asm.md

@@ -179,6 +179,52 @@ table il placement può mancare del dettaglio, quindi resta necessaria la
 sola euristica delle occorrenze ripetute - meno precisa, ma l'unica
 applicabile senza rischiare falsi negativi su casi come questi.
 
+## Parti commerciali con nome alfabetico (validazione via DB)
+
+Oltre il 90% dei codici indicizzati sono numerici Pro-E (regex sopra), ma una minoranza
+sono parti commerciali scaricate come STEP da cataloghi online (anelli, boccole, guarnizioni,
+manopole...) che in Creo hanno un nome **alfabetico**, assegnato dal file STEP di origine, non
+un codice del gestionale — es. `NOME_PARTE-1-SOLID1`, senza nessuna cifra riconoscibile. Non
+esiste un pattern comune da ipotizzare a priori per questi nomi: variano da fornitore a
+fornitore.
+
+Per questa famiglia l'estrazione si inverte: invece di restringere la regex a una forma nota
+(come per i codici numerici), si tokenizza il binario in modo generico —
+
+```
+regex: [A-Za-z0-9_-]{3,}
+```
+
+— e si lascia decidere al DB (`cad_index.db`, già caricato in memoria una sola volta dal
+chiamante, non per-file) se il token è un codice reale. Senza questo filtro il rumore binario
+sarebbe ingestibile: su un assieme con poche migliaia di stringhe, la tokenizzazione generica
+produce tipicamente qualche migliaio di candidati, di cui solo una manciata sopravvive al
+controllo DB.
+
+L'essere nel DB da solo non basta, per lo stesso motivo dei codici numerici "nudi": codici
+corti o generici (es. una keyword interna di Creo come `start_part`, o un codice indicizzato
+per errore/caso limite) possono comparire per puro rumore. Si applica quindi la stessa regola
+di validazione della famiglia numerica:
+
+- un token con un suffisso di revisione/variante (`_[A-Za-z]?\d{2,4}` in coda, es. `_C01`,
+  `_D100`) o un prefisso di family table nota (`UNI`, `CUSCI_`) è considerato "forma nota":
+  basta che occorra almeno 2 volte nel file;
+- un token "nudo" (nessuno dei due segnali) richiede invece un vero placement testuale, come
+  per i codici numerici nudi (stesse quattro forme viste sopra).
+
+Una parte commerciale referenziata ma **non ancora indicizzata** non è distinguibile dal
+rumore con questo metodo: resta invisibile, come lo era prima che questa famiglia venisse
+gestita. La famiglia numerica invece resta rilevabile anche quando manca dall'indice
+(rinominata/spostata), perché si riconosce dalla forma senza bisogno del DB — è per questo
+che le due famiglie restano due passaggi distinti invece di un unico tokenizer generico
+sempre validato contro il DB: unificarle farebbe perdere la segnalazione dei codici numerici
+mancanti (vedi "Riferimenti fantasma" sopra).
+
+`AssemblyComponentScanner.EstraiCodiciReferenziati` accetta quindi un parametro opzionale
+`codiciNoti` (l'insieme di tutti i codici prt/asm noti all'indice) usato solo per questa
+seconda famiglia; se omesso, si estraggono solo i codici numerici. `scripts/BomViaDb.cs`
+è il prototipo standalone usato per validare l'approccio prima di portarlo nella GUI.
+
 ## Componenti normalizzati (family table UNI, CUSCI, ...)
 
 I componenti di minuteria standard (viti, dadi, rosette UNI) e i cuscinetti
@@ -225,8 +271,8 @@ livello) serve una BFS:
 Stessa logica di estrazione candidati ed euristica del codice radice (sopra),
 duplicata in due punti del codice per scopi diversi:
 
-- [`AssemblyComponentScanner.EstraiCodiciReferenziati`](../CadSearchGui/AssemblyComponentScanner.cs) + `CodiceRadice` — estrazione dei candidati da un file, usata dalla BFS in [`Form1.RisolviAlberoComponenti`](../CadSearchGui/Form1.cs) (fase "Trova componenti referenziati") e [`Form1.AssiemeCompleto`](../CadSearchGui/Form1.cs) (fase "Verifica completezza"). Entrambe seminano l'insieme dei codici visitati con codice + radice di ogni file di partenza.
-- [`scripts/ExtractCreoStrings.cs`](../scripts/ExtractCreoStrings.cs) — stessa BFS ricorsiva standalone da riga di comando (copia indipendente della stessa euristica, nessun `ProjectReference` verso la GUI). Usato per confrontare l'euristica contro l'albero Creo di un singolo file durante il reverse engineering, senza dover passare dalla UI/dal DB `raw`.
+- [`AssemblyComponentScanner.EstraiCodiciReferenziati`](../CadSearchGui/AssemblyComponentScanner.cs) + `CodiceRadice` — estrazione dei candidati da un file, usata dalla BFS in [`Form1.RisolviAlberoComponenti`](../CadSearchGui/Form1.cs) (fase "Trova componenti referenziati") e [`Form1.AssiemeCompleto`](../CadSearchGui/Form1.cs) (fase "Verifica completezza"). Entrambe seminano l'insieme dei codici visitati con codice + radice di ogni file di partenza, e caricano una volta sola tutti i codici noti all'indice (`Form1.CaricaCodiciNoti`) sia per validare i token generici delle parti commerciali sia per risolvere i percorsi dei componenti trovati, senza una query SQL per candidato.
+- [`scripts/ExtractCreoStrings.cs`](../scripts/ExtractCreoStrings.cs) e [`scripts/BomViaDb.cs`](../scripts/BomViaDb.cs) — stessa BFS ricorsiva standalone da riga di comando (copia indipendente della stessa euristica, nessun `ProjectReference` verso la GUI). Usati per confrontare l'euristica contro l'albero Creo di un singolo file durante il reverse engineering, senza dover passare dalla UI/dal DB `raw`.
 
 Nota: le query contro `files_ultima_versione` filtrano solo per
 `(cartella_radice, codice, tipo_file)` - se lo stesso codice esiste in più