fix(precedents): חילוץ מספר-תיק קנוני מהציטוט — לא ציטוט-מלא כמזהה (#137)

בהעלאה דרך "פסיקה-חסרה" (ענף ועדת-ערר), כשטופס case_number ריק המסלול נפל-לאחור
לציטוט המלא (committee_case_number = case_number.strip() or citation), כך שמחרוזת-
תצוגה עם שמות-צדדים הושתלה בשדה-המזהה — הפרת INV-ID2/INV-ID1 (X1). נצפה על
precedent 1bf0bae0 (ערר 85074-04-25 רפאל לוי/חולון): case_number=85074/0425,
case_name=ציטוט שלם.

תיקון (G1 — נרמול-במקור, G2 — שימוש-חוזר בפרסר הקנוני):
- court_citation.case_number_from_citation(citation) — מחזיר את אסימון-המספר
  המנורמל בלבד (classify; '' כשאין מספר). חולץ נכון 85074-04-25 גם מתוך
  "ערר (ת\"א 85074-04-25) ...". reuse של הפרסר היחיד, בלי regex מקביל.
- web/app.py (ענף ועדת-ערר): fallback דרך case_number_from_citation; אם אין
  מספר — HTTPException 400 "נא להזין מספר-תיק ידנית" במקום השתלת ציטוט-מלא.
- db._canonical_case_number: מוקשח לחלץ את אסימון-המספר (זורק זנב שמות-צדדים),
  כך ששדה-המזהה לעולם לא נשמר מזוהם — גם בקריאה ישירה (committee + active cases).
  מספר נקי חוזר ללא שינוי; חודש לא מומצא (X1 §1).
- תיקון-נתון: scripts/fix_137_committee_case_number.py (בוצע) — 1bf0bae0:
  case_number→85074-04-25, case_name→צדדים, token ב-citation_formatted.
  אומת היחיד עם canon(num)≠num ב-internal_committee. אידמפוטנטי.

מחוץ-לתחום (תועד כ-follow-up): מסלול external (precedent_library) משתמש בציטוט-
מלא כמזהה-מורשת — זהו פריט-המיגרציה X1 §5 (138 רשומות external/cited_only),
לא הבאג הזה. prefill ב-UI של /missing-precedents — דורש שער Claude Design.

בדיקות: test_court_citation (case_number_from_citation: party-strip/forms/empty),
test_canonical_case_number (harden). כל 339 בדיקות mcp עוברות. guards נקיים.

Invariants: G1 (נרמול-במקור), INV-ID1/ID2 (מזהה מנורמל, אין ציטוט-מלא כמזהה),
G2 (פרסר יחיד), G12 (leak-guard נקי).

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

mcp-server/src/legal_mcp/services/court_citation.py

@@ -117,6 +117,23 @@ def normalize_case_number(raw: str) -> str:
     return cleaned.replace("/", "-").strip("-")
 
 
+def case_number_from_citation(citation: str) -> str:
+    """Canonical ``case_number`` extracted from a full citation, or ``''``.
+
+    Returns the normalized number token only (e.g. ``85074-04-25``) — NEVER the
+    full citation string with party names / court / date. This is the
+    identifier-field rule from X1 (INV-ID2): a citation like
+    ``ערר (ת"א 85074-04-25) רפאל לוי ואח' נ' הוועדה … - חולון`` yields
+    ``85074-04-25``, not the whole display string.
+
+    Reuses ``classify`` (the one canonical citation parser) so callers that need
+    a case_number out of an arbitrary citation never roll their own regex (#137,
+    G2). Returns ``''`` when no number can be parsed — the caller MUST treat that
+    as "needs a manual case_number" and never fall back to the raw citation.
+    """
+    return classify(citation).case_number_norm
+
+
 def _split_filed(num_norm: str) -> tuple[str, str, str] | None:
     """Split a normalized NNNNN-MM-YY number into (file, month, year).
 

mcp-server/src/legal_mcp/services/db.py

@@ -1757,12 +1757,23 @@ def _canonical_case_number(s: str) -> str:
     Used at the write boundary for identifier-keyed corpora (internal
     committee decisions, active cases). NOT for external precedents, whose
     canonical identifier is the full citation.
+
+    Extracts the case-number TOKEN — the leading run of digits and internal
+    separators after the proceeding-type prefix — and drops any trailing display
+    text. Without this, a full citation mis-passed as the identifier (e.g.
+    ``ערר (ת"א 85074-04-25) רפאל לוי נ' …``) left party names glued to the number
+    (``85074-04-25) רפאל לוי …``), breaking equality lookups (#137, INV-ID2). A
+    clean number is returned unchanged.
     """
     s = (s or "").strip()
     m = re.search(r"\d", s)
-    if m:
-        s = s[m.start():]
-    return s.strip().replace("/", "-")
+    if not m:
+        return ""
+    s = s[m.start():]
+    token = re.match(r"\d[\d/\-]*", s)
+    if token:
+        s = token.group(0)
+    return s.strip().rstrip("/-").replace("/", "-")
 
 
 def _content_hash(text: str) -> str:

mcp-server/tests/test_canonical_case_number.py

@@ -0,0 +1,34 @@
+"""Unit tests for db._canonical_case_number — #137 / INV-ID2 / X1 §1.
+
+The write-time canonicalizer must extract the case-number TOKEN only and drop
+any trailing display text (party names) that a mis-passed full citation glued
+onto the number. A clean number is returned unchanged; no month is invented.
+"""
+
+from __future__ import annotations
+
+from legal_mcp.services.db import _canonical_case_number as canon
+
+
+def test_clean_numbers_unchanged():
+    assert canon("8137-24") == "8137-24"
+    assert canon("85074-09-24") == "85074-09-24"
+    assert canon("8126-03-25") == "8126-03-25"
+    # Legacy two-part number — month is NOT invented (X1 §1).
+    assert canon("8126-25") == "8126-25"
+
+
+def test_prefix_stripped():
+    assert canon("ערר 8137/24") == "8137-24"
+    assert canon('בל"מ 85074-09-24') == "85074-09-24"
+
+
+def test_trailing_party_names_dropped():
+    # The #137 symptom: ingest left "85074-04-25) רפאל לוי …" in the identifier.
+    assert canon("85074-04-25) רפאל לוי ואח' נ' הוועדה המקומית - חולון") == "85074-04-25"
+    assert canon("8137-24 פלוני נ' אלמוני") == "8137-24"
+
+
+def test_empty_and_no_digit():
+    assert canon("") == ""
+    assert canon("ללא מספר") == ""

mcp-server/tests/test_court_citation.py

@@ -2,7 +2,11 @@
 
 from __future__ import annotations
 
-from legal_mcp.services.court_citation import classify, normalize_case_number
+from legal_mcp.services.court_citation import (
+    case_number_from_citation,
+    classify,
+    normalize_case_number,
+)
 
 
 def test_admin_filed_format_the_example():
@@ -80,6 +84,28 @@ def test_normalize_case_number():
     assert normalize_case_number("1110/20") == "1110-20"
 
 
+def test_case_number_from_citation_strips_party_names():
+    """#137 — a full ועדת-ערר citation yields ONLY the number, never the
+    display string with party names (INV-ID2). This is the exact precedent
+    1bf0bae0 that planted ``85074-04-25) רפאל לוי …`` into case_number."""
+    cit = 'ערר (ת"א 85074-04-25) רפאל לוי ואח\' נ\' הוועדה המקומית - חולון'
+    assert case_number_from_citation(cit) == "85074-04-25"
+
+
+def test_case_number_from_citation_various_forms():
+    assert case_number_from_citation('ערר (ת"א 1198-12-25) זאטוס') == "1198-12-25"
+    assert case_number_from_citation("85074-04-25") == "85074-04-25"
+    assert case_number_from_citation('בל"מ 85074-09-24') == "85074-09-24"
+    assert case_number_from_citation("ערר 8137/24") == "8137-24"
+
+
+def test_case_number_from_citation_empty_when_unparseable():
+    """No number → '' so the caller demands a manual number, never the raw
+    citation (the #137 fallback that caused the bug)."""
+    assert case_number_from_citation("") == ""
+    assert case_number_from_citation("פסק דין בלי מספר") == ""
+
+
 def test_supreme_with_net_format_triple():
     """A Supreme prefix carrying a נט-format number exposes the triple so the
     orchestrator can route it to Tier-1 (נט המשפט serves Supreme too)."""