Refine .asm component extraction: batch DB queries, wider suffix regex, placement check

- Batch the DB lookup per file instead of per code in scripts/ExtractCreoStrings.cs:
  files_ultima_versione is an unmaterialized view, so each query rescanned the whole
  files table (~230ms) - batching cuts a multi-minute BFS to seconds.
- Widen the code regex to accept a revision letter and a "_..." suffix together
  (e.g. "9284200366A_C01"), and purely numeric "_NNNN" suffixes (e.g. dimensional
  variants like "2702220182_8188"), not just letter+digits.
- Require bare digit-only candidates to also appear inside a real
  "Componente ID N (...)"/"Component id N (...)" placement, filtering out
  incidental references to a containing assembly's own code.
- scripts/ExtractCreoStrings.cs now reports only the direct references of the given
  .asm (one level, matching Creo's own tree for that file) instead of recursing into
  sub-assemblies.
- Port the regex and placement-check refinements to the production
  AssemblyComponentScanner.cs used by the app's "Trova componenti referenziati" and
  "Verifica completezza" phases.
- Document the new false-positive categories (parent/container self-reference,
  suppressed/removed components with residual placement, placement missing
  suffix/bracket detail) in docs/formato-asm.md, generalized beyond the specific
  assemblies used to find them.

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

scripts/ExtractCreoStrings.cs

@@ -1,13 +1,12 @@
 #:package Microsoft.Data.Sqlite@10.0.12
 // dotnet run scripts/ExtractCreoStrings.cs -- <file.asm> [cad_index.db] [output.txt]
 //
-// Estrae dal file .asm i codici dei componenti referenziati (stessa euristica di
-// CadSearchGui/AssemblyComponentScanner.cs: i codici veri compaiono più volte nel
-// file, il rumore binario quasi sempre una sola volta; gli ID interni
-// "ModelView#<numero>" sono esclusi via lookbehind - vedi scripts/Analyze.cs) e poi
-// risolve ricorsivamente i sotto-assiemi cercandoli nell'indice cad_index.db, con lo
-// stesso BFS di Form1.AssiemeCompleto: un assieme può referenziare solo i propri
-// sotto-assiemi diretti, non l'intero albero, quindi va camminato livello per livello.
+// Estrae dal file .asm i codici dei componenti referenziati DIRETTAMENTE (un solo
+// livello, come li mostra Creo per quell'assieme - nessuna espansione ricorsiva nei
+// sotto-assiemi). Stessa euristica di CadSearchGui/AssemblyComponentScanner.cs: i codici
+// veri compaiono più volte nel file, il rumore binario quasi sempre una sola volta; gli
+// ID interni "ModelView#<numero>" sono esclusi via lookbehind - vedi scripts/Analyze.cs.
+// Ogni codice trovato viene validato contro l'indice cad_index.db.
 using System.Text;
 using System.Text.RegularExpressions;
 using Microsoft.Data.Sqlite;
@@ -27,8 +26,13 @@ string outPath = args.Length > 2 ? args[2] : "BOM.txt";
 // il nome della singola istanza (riga della family table, non un file separato su disco),
 // il file reale indicizzato è il generico "uni6592.prt.<versione>" - va quindi estratto
 // solo il contenuto tra "<" e ">".
+// Terza alternativa: varianti dimensionali con suffisso puramente numerico (es. cinghie
+// "2702220182_8188", dove "8188" è una misura, non una lettera di revisione/sotto-assieme
+// come "_C01"/"_D100") - la lettera dopo "_" è quindi opzionale, non obbligatoria. La
+// lettera di revisione e il suffisso "_" possono anche comparire insieme sullo stesso
+// codice (es. "9284200366A_C01", componente di un sotto-assieme già di per sé revisionato).
 var codiceRegex = new Regex(
-    @"(?<!ModelView#)\b\d{8,12}(?:_[A-Za-z]\d{2,4}|[A-Za-z]{0,2})\b|(?<=<)UNI\d+(?=>)",
+    @"(?<!ModelView#)\b\d{8,12}[A-Za-z]{0,2}(?:_[A-Za-z]?\d{2,4})?\b|(?<=<)UNI\d+(?=>)",
     RegexOptions.Compiled);
 const int occorrenzeMinime = 2;
 
@@ -38,57 +42,78 @@ HashSet<string> EstraiCodiciReferenziati(string percorsoAsm)
     var occorrenze = new Dictionary<string, int>();
     foreach (Match m in codiceRegex.Matches(testo))
         occorrenze[m.Value] = occorrenze.GetValueOrDefault(m.Value) + 1;
-    return occorrenze.Where(kv => kv.Value >= occorrenzeMinime).Select(kv => kv.Key).ToHashSet();
+    var candidati = occorrenze.Where(kv => kv.Value >= occorrenzeMinime).Select(kv => kv.Key).ToHashSet();
+
+    // Ripetersi >=2 volte nel file non basta per un codice "nudo" (senza suffisso "_..."):
+    // riferimenti al proprio assieme padre (nome sessione/file) o a codici superati/
+    // rinominati (caso "fantasma", docs/formato-asm.md) ripetono comunque il codice più
+    // volte pur non essendo mai un componente vero. Per questi si richiede un vero
+    // placement "Componente ID N (<codice>...)". "Componente ID"/"Component id": la
+    // stringa cambia con la localizzazione Creo con cui il file è stato salvato (osservate
+    // sia italiana sia inglese). Non si applica alle varianti con suffisso "_..." né alle
+    // istanze family table UNI: in alcuni file il placement riporta solo il nome
+    // istanza/generico senza il dettaglio del suffisso o del bracket "<...>", che vive
+    // altrove nei metadati - lì l'occorrenza ripetuta resta l'unico segnale disponibile.
+    bool HaPlacement(string codice) =>
+        Regex.IsMatch(testo, $@"Component(?:e)? id \d+ \([^()]*{Regex.Escape(codice)}[^()]*\)", RegexOptions.IgnoreCase);
+
+    candidati.RemoveWhere(c => Regex.IsMatch(c, @"^\d{8,12}[A-Za-z]{0,2}$") && !HaPlacement(c));
+    return candidati;
 }
 
 using var connection = new SqliteConnection($"Data Source={dbPath};Mode=ReadOnly");
 connection.Open();
-using var command = connection.CreateCommand();
-command.CommandText = "SELECT tipo_file, percorso_completo FROM files_ultima_versione "
-    + "WHERE LOWER(codice) = LOWER(@codice) AND LOWER(tipo_file) IN ('prt', 'asm')";
-var pCodice = command.Parameters.Add("@codice", SqliteType.Text);
 
-List<(string Tipo, string Percorso)> CercaComponenti(string codice)
+// "files_ultima_versione" è una VIEW con ROW_NUMBER() OVER (...), che SQLite non
+// materializza: ogni query la ricalcola sull'intera tabella "files" (~230ms anche per un
+// solo codice, su ~300k righe). Batchare tutti i codici trovati in un file in un'unica
+// query paga quel costo una volta per file invece che una volta per codice - decisivo
+// sugli assiemi con centinaia di sotto-componenti referenziati.
+Dictionary<string, List<(string Tipo, string Percorso)>> CercaComponenti(IReadOnlyCollection<string> codici)
 {
-    pCodice.Value = codice;
-    var risultato = new List<(string, string)>();
-    var tipiVisti = new HashSet<string>();
+    var risultato = new Dictionary<string, List<(string, string)>>(StringComparer.OrdinalIgnoreCase);
+    foreach (var codice in codici)
+        risultato[codice] = new List<(string, string)>();
+    if (codici.Count == 0)
+        return risultato;
+
+    using var command = connection.CreateCommand();
+    var nomiParametri = codici.Select((_, i) => $"@c{i}").ToList();
+    command.CommandText = "SELECT codice, tipo_file, percorso_completo FROM files_ultima_versione "
+        + $"WHERE LOWER(codice) IN ({string.Join(",", nomiParametri)}) AND LOWER(tipo_file) IN ('prt', 'asm')";
+    int i = 0;
+    foreach (var codice in codici)
+        command.Parameters.AddWithValue(nomiParametri[i++], codice.ToLowerInvariant());
+
+    var tipiVisti = new Dictionary<string, HashSet<string>>(StringComparer.OrdinalIgnoreCase);
     using var reader = command.ExecuteReader();
     while (reader.Read())
     {
-        string tipo = reader.GetString(0).ToLowerInvariant();
-        if (tipiVisti.Add(tipo))
-            risultato.Add((tipo, reader.GetString(1)));
+        string codiceDb = reader.GetString(0);
+        string tipo = reader.GetString(1).ToLowerInvariant();
+        var visti = tipiVisti.TryGetValue(codiceDb, out var v) ? v : tipiVisti[codiceDb] = new HashSet<string>();
+        if (visti.Add(tipo))
+            risultato[codiceDb].Add((tipo, reader.GetString(2)));
     }
     return risultato;
 }
 
-var codiciVisti = new HashSet<string>(StringComparer.OrdinalIgnoreCase) { Path.GetFileName(asmIniziale).Split('.')[0] };
-var daVisitare = new Queue<string>();
-daVisitare.Enqueue(asmIniziale);
+// Solo i riferimenti diretti del file indicato (un livello), come li mostra Creo per
+// quell'assieme - nessuna espansione ricorsiva nei sotto-assiemi.
+var codiceProprio = Path.GetFileName(asmIniziale).Split('.')[0];
 var componentiTrovati = new SortedSet<string>(StringComparer.OrdinalIgnoreCase);
 var nonTrovati = new List<string>();
 
-while (daVisitare.Count > 0)
+var candidati = EstraiCodiciReferenziati(asmIniziale)
+    .Where(c => !string.Equals(c, codiceProprio, StringComparison.OrdinalIgnoreCase))
+    .ToList();
+var trovatiPerCodice = CercaComponenti(candidati);
+foreach (var codice in candidati)
 {
-    var file = daVisitare.Dequeue();
-    foreach (var codice in EstraiCodiciReferenziati(file))
-    {
-        if (!codiciVisti.Add(codice))
-            continue;
-
-        var componenti = CercaComponenti(codice);
-        if (componenti.Count == 0)
-        {
-            nonTrovati.Add(codice);
-            continue;
-        }
-
+    if (trovatiPerCodice[codice].Count == 0)
+        nonTrovati.Add(codice);
+    else
         componentiTrovati.Add(codice);
-        var percorsoAsm = componenti.FirstOrDefault(c => c.Tipo == "asm").Percorso;
-        if (percorsoAsm is not null)
-            daVisitare.Enqueue(percorsoAsm);
-    }
 }
 
 File.WriteAllLines(outPath, componentiTrovati);