feat(search): Microdata-Fallback erkennt rezeptwelt & Co.

Aus dem Log (q="Königsberger klopse"): 11 rezeptwelt-Treffer kamen durch
alle URL-Filter, wurden aber von hasRecipeJsonLd als non-recipe gedroppt.
Ursache: rezeptwelt.de nutzt Microdata (itemtype=schema.org/Recipe) statt
application/ld+json.

- hasRecipeJsonLd → hasRecipeMarkup: prüft jetzt zusätzlich per Regex
  auf itemtype=(https?://)schema.org/Recipe. Alter Export bleibt als
  Deprecated-Weiterleitung erhalten.
- Log zeigt jetzt auch die ersten 3 gedropten URLs als dropped samples,
  damit neue Problem-Domains einfach zu diagnostizieren sind.
- Migration 010 räumt alle thumbnail_cache-Einträge mit has_recipe=0 aus
  — die waren mit dem alten Check falsch-negativ und müssen neu
  klassifiziert werden.

Tests: 4 neue Cases für hasRecipeMarkup (JSON-LD, http/https Microdata,
Negativ-Fall).

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>

src/lib/server/db/migrations/010_thumbnail_cache_rerun_negatives.sql

@@ -0,0 +1,6 @@
+-- Der Recipe-Detektor prüft ab jetzt zusätzlich zu JSON-LD auch Microdata
+-- (itemtype=schema.org/Recipe). Der Cache kann has_recipe=0-Einträge
+-- enthalten, die mit dem alten Check falsch-negativ waren (z.B. rezeptwelt.de,
+-- das Microdata statt JSON-LD nutzt). Einmalig wegräumen, damit die Seiten
+-- beim nächsten Search neu klassifiziert werden. Reiner Cache-Flush.
+DELETE FROM thumbnail_cache WHERE has_recipe = 0;

src/lib/server/parsers/json-ld-recipe.ts

@@ -106,7 +106,13 @@ function findRecipeNode(html: string): JsonLdNode | null {
   return null;
 }
 
-export function hasRecipeJsonLd(html: string): boolean {
+// Microdata-Alternative zum JSON-LD: viele SSR-Sites (inkl. rezeptwelt.de)
+// nutzen <div itemtype="https://schema.org/Recipe"> statt application/ld+json.
+// Ein einfacher Regex reicht — wir brauchen nur das Flag, nicht die Daten.
+const MICRODATA_RECIPE = /itemtype\s*=\s*["']https?:\/\/schema\.org\/Recipe["']/i;
+
+export function hasRecipeMarkup(html: string): boolean {
+  if (MICRODATA_RECIPE.test(html)) return true;
   try {
     return findRecipeNode(html) !== null;
   } catch {
@@ -114,6 +120,11 @@ export function hasRecipeJsonLd(html: string): boolean {
   }
 }
 
+// @deprecated use hasRecipeMarkup
+export function hasRecipeJsonLd(html: string): boolean {
+  return hasRecipeMarkup(html);
+}
+
 export function extractRecipeFromHtml(html: string): Recipe | null {
   const node = findRecipeNode(html);
   if (!node) return null;

src/lib/server/search/searxng.ts

@@ -2,7 +2,7 @@ import type Database from 'better-sqlite3';
 import { parseHTML } from 'linkedom';
 import { listDomains, normalizeDomain } from '../domains/repository';
 import { fetchText } from '../http';
-import { hasRecipeJsonLd } from '../parsers/json-ld-recipe';
+import { hasRecipeMarkup } from '../parsers/json-ld-recipe';
 
 export type WebHit = {
   url: string;
@@ -235,7 +235,7 @@ async function enrichPageMeta(
     });
     meta = {
       image: extractPageImage(html, url),
-      hasRecipe: hasRecipeJsonLd(html) ? 1 : 0
+      hasRecipe: hasRecipeMarkup(html) ? 1 : 0
     };
   } catch {
     // Fetch failed — leave hasRecipe null (unknown) so we don't permanently
@@ -363,9 +363,19 @@ export async function searchWeb(
   );
   if (opts.enrichThumbnails !== false) {
     const enriched = await enrichAndFilterHits(db, hits);
+    const droppedUrls = hits
+      .filter((h) => !enriched.find((e) => e.url === h.url))
+      .map((h) => h.url);
     console.log(
-      `[searxng] q=${JSON.stringify(trimmed)} pageno=${pageno} enrich=${hits.length} dropped_non_recipe=${hits.length - enriched.length} final=${enriched.length}`
+      `[searxng] q=${JSON.stringify(trimmed)} pageno=${pageno} enrich=${hits.length} dropped_non_recipe=${droppedUrls.length} final=${enriched.length}`
     );
+    // Nur die ersten 3 URLs mitloggen, damit das Log nicht explodiert. Genug
+    // um eine Seite manuell zu analysieren („warum wurde die abgelehnt?").
+    if (droppedUrls.length > 0) {
+      console.log(
+        `[searxng] dropped samples: ${droppedUrls.slice(0, 3).join(' | ')}`
+      );
+    }
     return enriched;
   }
   return hits;