feat(audit): A Audit-Transparenz + B Tabellen-Parse + D HTML-Tables aus DOM

Drei zusammenhaengende Fixes fuer den VW-Befund (6 Vendors statt 100+):

A — audit_quality_checks.py: drei systemische Vorbehalte die IMMER prominent
gezeigt werden:
* banner_detected=False trotz Cookie-Doc → HIGH 'CMP-Tool ungeladen'
* cookie_doc >= 30k chars aber cmp_vendors < 15 → HIGH/MEDIUM
  'Vendor-Liste auffaellig kurz fuer Doc-Groesse'
* submitted URL aber 0/Mini-Text → MEDIUM 'URL nicht ladbar'
Rote Audit-Vorbehalt-Box ueber dem GF-1-Pager. GF-Summary sagt
'Audit unvollstaendig' statt faelschlich 'Keine kritischen Themen'.
gf_one_pager nimmt audit_quality_findings in top_findings auf
(BEVOR andere Findings).

B — cookies_table_parser laeuft jetzt auch auf gecrawltem Cookie-Doc-
Text (nicht nur bei User-Paste). Wenn der dsi-discovery-Response Tab/
Pipe-getrennte Tabellen-Reihen liefert, parsen wir sie deterministisch.

D — consent-tester/dsi-discovery extrahiert jetzt zusaetzlich zum
Text die <table>-Elemente aus dem DOM als list[str] (Tab-getrennt pro
Zeile, mind. 2 Zellen, mind. 3 Zeilen, max 10 Tabellen pro Doc). Backend
schleust diese als 'html_table'-cmp_payload ein und jagt sie zuerst durch
cookies_table_parser → 100% deterministische Vendor-Extraktion ohne LLM.

VW-Erwartung: aus der 65k-Cookie-Tabelle werden jetzt 30-50 Vendors
deterministisch geparst statt 6 vom LLM-Cascade.

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

consent-tester/main.py

@@ -292,6 +292,10 @@ class DSIDocumentInfo(BaseModel):
     word_count: int = 0
     text_preview: str = ""
     full_text: str = ""
+    # D — Tab-getrennte HTML-Tabellen aus dem DOM (z.B. Cookie-Tabellen).
+    # Pro Tabelle ein Array von Zeilen, jede Zeile Tab-getrennt.
+    # Backend nutzt das fuer deterministischen Cookie-Tabellen-Parse.
+    tables: list[list[str]] = []
 
 
 class DSIDiscoveryResponse(BaseModel):
@@ -347,6 +351,7 @@ async def dsi_discovery(req: DSIDiscoveryRequest):
                 word_count=d.word_count,
                 text_preview=d.text[:500] if d.text else "",
                 full_text=d.text[:200000] if d.text else "",
+                tables=getattr(d, "tables", []) or [],
             )
             for d in result.documents
         ],

consent-tester/services/dsi_discovery.py

@@ -159,6 +159,10 @@ class DiscoveredDSI:
     text: str = ""  # Extracted full text
     sections: list[dict] = field(default_factory=list)  # Parsed sections
     word_count: int = 0
+    # D — Tab-getrennte HTML-Tabellen aus dem DOM. Pro Tabelle eine
+    # Liste von Zeilen, jede Zeile ein Tab-getrennter String. Erlaubt
+    # dem Backend deterministischen Cookie-Tabellen-Parse ohne LLM.
+    tables: list[list[str]] = field(default_factory=list)
 
 @dataclass
 class DSIDiscoveryResult:
@@ -523,12 +527,34 @@ async def discover_dsi_documents(
                         return (body.innerText || body.textContent || '').trim();
                     }
                 """)
+                # D — HTML-Tabellen separat extrahieren. Pro Tabelle ein
+                # Array von Zeilen, jede Zeile ein Tab-getrennter String.
+                # Das erlaubt dem Backend deterministischen Spalten-Parse
+                # (cookies_table_parser) ohne LLM-Halluzinationen.
+                tables = await page.evaluate("""
+                    () => {
+                        const out = [];
+                        document.querySelectorAll('table').forEach(t => {
+                            const rows = [];
+                            t.querySelectorAll('tr').forEach(tr => {
+                                const cells = [];
+                                tr.querySelectorAll('th, td').forEach(c => {
+                                    cells.push((c.innerText || c.textContent || '').trim().replace(/\\s+/g, ' '));
+                                });
+                                if (cells.length >= 2) rows.push(cells.join('\\t'));
+                            });
+                            if (rows.length >= 3) out.push(rows);
+                        });
+                        return out;
+                    }
+                """)
                 if text and len(text) > 50:
                     result.documents.append(DiscoveredDSI(
                         title=title, url=href, source_url=url,
                         language=lang,
                         doc_type="cross_domain" if not _is_allowed_domain(href, base_domain) else "html_page",
                         text=text[:200000], word_count=len(text.split()),
+                        tables=(tables or [])[:10],
                     ))
 
                 # Recursive: search THIS page for more DSI links