Изначально это было тестовое задание на вакансию "бекенд разработчик", но я его оставил как паттерн части проекта - пагинация данных.

---

Приложение в котором есть:

• Модель ОРМ определена - app.models.models
• Функции / интерфейс в модуле - app.dbapi.crud .
• Эндпоинт определен. Определил дополнительные эндпоинты - app.main
• List Posts
• Get Post Stats
• Get All Posts
• На борту есть Swagger / Redoc
• Можно воспользоваться скриптом populate_recs.py который наполнит базу данных рандомными строковыми данными.

---

Tip

Если нужны данные в базе данных то лучше перед запуском проекта выполниь скрипт который наполнит БД моковыми данными python populate_recs.py

Запуск на python3.12.9:

• Клонируем себе git clone https://github.com/ivanIStereotekk/exp-garant.git

• Устанавливаем зависимости pip install -r requirements.txt

• Переходим в папку с проектом cd ./app

• Запускаем проект uvicorn main:app --reload

• В браузере открываем Swagger http://127.0.0.1:8000/docs или Redoc http://127.0.0.1:8000/redoc

---

Warning

Некоторые части кода, функции и тесты написаны для mocking и актуальны для текущих данных в БД или в качестве демонстрации. Не для продакшн проектов.

---

Требовалось создать:

Допустим что есть у нас таблица posts с полями:

• id — уникальный идентификатор
• category — категория (строка)
• content — текст

И нам нужно:

1. Определить модель SQLAlchemy для таблицы (можно с доп. сущностями).
2. Реализовать асинхронную функцию, которая: Фильтрует по: категории, ключевым словам в content (LIKE/ILIKE; полнотекстовый поиск — бонус). Поддерживает пагинацию (limit, offset). Выполняет обработку записей «на лету»: Например, подсчёт частоты слов, извлечение тегов и т.д. Данные могут быть объёмные — важно не загружать всё сразу, использовать построчную/пакетную обработку. (Опционально) сохраняет результат обработки в БД или возвращает его в ответе.
3. (По желанию) реализовать endpoint (например, в FastAPI), принимающий параметры фильтрации и пагинации и возвращающий результат.

Ключевые критерии оценки:

SQLAlchemy: корректная модель, асинхронный доступ. Фильтрация: по категории и ключевым словам, поддержка расширенных методов — плюс. Пагинация: обязательно; вместе с метаданными (общее число записей). Оптимизация: построчная или батчевая обработка, без загрузки всей таблицы в память Обработка: осмысленная логика (например, анализ текста), а не просто чтение. Код: читаемость, структура, PEP8. Приветствуются базовые тесты и модульность.

---