# Codice vendorizzato

## thoth_lsh.py

- Origine: `thoth_sqldb2` (pacchetto PyPI `thoth-dbmanager` 0.7.4), file `thoth_dbmanager/lsh/core.py`
- Copyright 2025 Marco Pancotti — Apache License 2.0
- Modifiche locali:
  1. rimosso blocco di debug su colonna "doctype" in `create_lsh_index`;
  2. `skip_column`: soglie parametrizzate (`max_total_chars`, `max_avg_length`) con default
     identici agli originali (50000 / 20);
  3. rimossa `query_lsh_index` (sostituita da `tht.lshindex.query_index`, che restituisce
     anche gli score per il ranking spiegabile);
  4. try/except generico rimosso da `create_lsh_index`: gli errori devono emergere.
  5. `skip_column`: la guardia "name-like" (originariamente solo `"name"`) è stata estesa
     a token bilingui EN/IT tramite la costante `NAME_LIKE_TOKENS`
     (`name`, `nome`, `nominativ`, `denominazion`, `ragione_sociale`), sovrascrivibile col
     parametro `name_tokens`. Necessario perché il datawarehouse è in italiano e le
     colonne `nome`/`cognome`/`denominazione`/`ragione_sociale` non venivano riconosciute
     dalla sola parola inglese `name`.

**Nota: `skip_column` e `NAME_LIKE_TOKENS` non sono più usati dal flusso Thoth.**
La selezione delle colonne da indicizzare è ora governata dal principio di eleggibilità
implementato in `tht/mschema/eligibility.py`.
L'esclusione dei testi larghi avviene a monte tramite il flag `eligible` persistito in
`physical.yaml` (impostato da `tht schema introspect`), non tramite l'euristica sulla
lunghezza del vendorizzato. Le funzioni restano nel file per fedeltà alla sorgente upstream;
Thoth ha semplicemente smesso di importarle (vedi `tht/db/sampling.py`).

Le query di introspezione in `tht/db/introspect.py` sono ADATTATE (non copiate verbatim)
da `thoth_dbmanager/adapters/postgresql.py` della stessa versione.