feat(layout): scoperta sezioni dati per convenzione — zero mappa repo

[Gabrymi93]

Tipo

root fix / refactor — sostituisce la mappa hardcoded REPO_DATASET_DIRS (repo→dirs) con una scoperta per convenzione: zero dichiarazioni per repo, scalabile a qualsiasi layout presente e futuro.

Problema reale

REPO_DATASET_DIRS era una mappa {repo: (dirs,)}: ogni repo nuovo con layout custom richiedeva una riga in più nel toolkit. L'arrivo di open-conto-annuale (layout datasets/ + support/ nella PR open-conto-annuale#3) avrebbe richiesto l'ennesima aggiunta — punto e a capo a ogni repo. Inoltre open-siope (già datasets/+support/) non era dichiarato affatto.

Soluzione — risoluzione univoca

Una dir di primo livello del repo è una sezione dati se contiene {slug}/dataset.yml. La convenzione è la fonte unica: datasets/, support/, candidates/, compose/, support_datasets/, anagrafica/ — qualunque layout — vengono scoperte senza dichiararle.

Esclusioni (falsi positivi verificati): dir nascoste (.github/ISSUE_TEMPLATE/dataset.yml, .git) e templates/ (candidate seed).

Contratto riusato/sostituito

• Sostituito: REPO_DATASET_DIRS + repo_dataset_dirs(repo_name) (mappa) → repo_dataset_dirs(repo_dir) (scoperta).
• Riusato: la firma di chiamata nei consumer (catalog.py scan configs, discovery.py Stage 3) — cambia solo l'argomento da repo.name a repo_dir.

Implementazione

File	Cosa
toolkit/registry/layout.py	repo_dataset_dirs(repo_dir): scopre le sezioni da {section}/*/dataset.yml, esclude nascoste+templates, default ("datasets",) se nessuna
toolkit/domain/catalog.py	_scan_workspace_configs passa repo_dir; docstring aggiornata
toolkit/core/discovery.py	resolve_config_path Stage 3 passa repo_dir
tests/test_registry_builder.py	5 test contract di scoperta (flat, multi-sezione, DI, esclusioni, default) — sostituiscono i 2 della vecchia mappa

Verifica

• open-conto-annuale → scopre ('datasets', 'support') senza dichiarazione
• open-siope → scopre ('datasets', 'support') (prima non dichiarato)
• dataset-incubator → ('candidates', 'compose', 'support_datasets') scoperto
• eurostat/dcl-bologna → ('datasets',) invariato
• Scan configs: 191 dataset cross-repo, inclusi open-conto/open-siope
• 1334 test verdi, ruff + mypy puliti

Rischio residuo

• Il fallback ("datasets",) per repo senza sezioni mantiene la compat con il vecchio default — un repo senza dataset.yml ma con dir datasets/ vuota lo usa comunque.
• open-conto-annuale è su branch pre-migrazione (layout anagrafica/): la scoperta lo vede già; dopo il merge della sua PR Ridurre il surface area del toolkit e consolidare il contract runtime #3 sarà datasets/+support/ — nessuna modifica al toolkit necessaria (è il punto della PR).

Follow-up

Nessuno obbligatorio. Con questa PR, il toolkit scopre i layout senza conoscerli — il pattern si applica a qualsiasi repo futuro.

[Gabrymi93]

Completamento finding monthly HDD (commit 1fd7ecb)

La review aveva sollevato: il fix #460 copriva solo dir=slug-hyphen, non dir totalmente diverse dallo slug (monthly HDD, seed anag-*).

Fix root in 2 punti (unico contratto: dataset.name è la chiave canonica):

1. _scan_workspace_configs: slug da dataset.name (come load_manifest) invece di data['slug'] or dir_slug. Prima 22/188 dataset avevano slug dalla dir (es. precipitazioni vs precipitazioni_bologna, anag-enti vs ca_anag_enti_seed). Il campo top-level slug era morto (0 utilizzi nel workspace).

2. resolve_config_path Stage 4: fallback alla mappa slug→config_path dello scan quando la ricerca per dir fallisce — copre dir completamente diverse (seed) e slug senza dir locale (monthly HDD).

Verificato (tutti risolvono):

• precipitazioni_bologna (dir precipitazioni) ✅
• ca_anag_enti_seed (dir anag-enti) ✅
• siope_anag_enti_seed (dir anag-enti) ✅
• eurostat_nrg_chddr2_m_nuts3 (senza dir locale nel workspace) ✅ via mappa scan

Test: +3 (slug da dataset.name, fallback dir senza name, resolve dir≠slug via mappa). 1337 verdi, ruff+mypy puliti, CI completa verde.

Risponde alla domanda architetturale: lo slug del dataset (dataset.name) è la fonte, la cartella è solo un contenitore — ora entrambi i percorsi (scan + discovery CLI) usano lo stesso contratto.