fix: livros numerados em citações e remoção completa de citação não sustentada

Dois defeitos na validação de citações, ambos visíveis ao usuário:

1. _WORD_RE excluía dígitos, então o número do livro era descartado. Afeta os 18
   livros numerados (1/2/3 Samuel, Reis, Crônicas, Coríntios, Tessalonicenses,
   Timóteo, Pedro, João):
   - extract_reference('1 João 4:8') devolvia ('João',4,8) — perguntar por
     1 João 4:8 devolvia João 4:8 em silêncio pela busca determinística
   - '2 Reis 5:14' e '1 Coríntios 13:4' devolviam None — caiam na busca por
     similaridade em vez da exata
   - validate_citations removia citações CORRETAS: '(1 João 4:8)' sustentada
     pelas fontes era apagada e sobrava '(1 João )' na resposta
   O regex agora casa o número junto ('1 João', e '1Sm' aglutinado via \s*).

2. A remoção de citação não sustentada usava o span só do 'Capítulo:Versículo',
   deixando o nome do livro pendurado: '(Gênesis 1:1)' virava '(Gênesis )'.
   O span agora cobre do início do nome do livro ao fim dos versículos, e
   parênteses que ficam vazios são limpos.

backend/app/chat.py

@@ -42,8 +42,11 @@ _CHAPTER_VERSE_RE = re.compile(
     r"(?<![\w:])(\d{1,3})\s*:\s*(\d{1,3})(?:\s*[-–]\s*(\d{1,3}))?(?![\w:])"
 )
 
-# Palavra que pode compor o nome de um livro.
-_WORD_RE = re.compile(r"[^\W\d_]+", re.UNICODE)
+# Palavra que pode compor o nome de um livro, com o número que o precede.
+# O número é parte do nome: sem ele, "1 João 4:8" seria lido como "João 4:8" e a
+# busca determinística devolveria outro livro. `\s*` (e não `\s+`) cobre também a
+# forma aglutinada "1Sm".
+_WORD_RE = re.compile(r"(?:[123]\s*)?[^\W\d_]+", re.UNICODE)
 
 # Nomes de livros com até 4 palavras ("Cântico dos Cânticos").
 _MAX_BOOK_WORDS = 4
@@ -122,8 +125,14 @@ def extract_reference(text: str) -> tuple[str, int, int] | None:
     return None
 
 
-def _iter_references(text: str) -> Iterable[tuple[re.Match, str, str]]:
-    """Percorre as referências do texto, devolvendo livro canônico e faixa."""
+def _iter_references(text: str) -> Iterable[tuple[tuple[int, int], str, str]]:
+    """Percorre as referências do texto.
+
+    Devolve `(span, livro canônico, referência)`, onde `span` cobre **do início do
+    nome do livro ao fim do capítulo:versículo**. Repassar só o trecho numérico
+    faria a remoção deixar o nome do livro pendurado — "(Gênesis 1:1)" viraria
+    "(Gênesis )" na resposta exibida ao usuário.
+    """
     for canonical, start, match in _iter_reference_matches(text):
         chapter = int(match.group(1))
         verse = int(match.group(2))
@@ -131,7 +140,7 @@ def _iter_references(text: str) -> Iterable[tuple[re.Match, str, str]]:
         reference = f"{canonical} {chapter}:{verse}"
         if end_verse:
             reference = f"{reference}-{end_verse}"
-        yield match, canonical, reference
+        yield (start, match.end()), canonical, reference
 
 
 def validate_citations(
@@ -148,18 +157,19 @@ def validate_citations(
     removals: list[tuple[int, int]] = []
     citations: list[str] = []
 
-    for match, canonical, reference in _iter_references(text):
+    for span, canonical, reference in _iter_references(text):
         base = reference.split("-")[0]
         if reference in allowed or base in allowed:
             citations.append(reference)
         else:
-            removals.append(match.span())
+            removals.append(span)
 
     cleaned = text
     for start, end in reversed(removals):
         cleaned = cleaned[:start] + cleaned[end:]
 
-    # Espaços duplos deixados pela remoção são normalizados.
+    # Resíduos da remoção: parênteses que ficaram vazios e espaços duplos.
+    cleaned = re.sub(r"\(\s*\)", "", cleaned)
     cleaned = re.sub(r"[ \t]{2,}", " ", cleaned)
     cleaned = re.sub(r"\s+([.,;:!?])", r"\1", cleaned)
 

backend/tests/test_chat.py

@@ -356,3 +356,110 @@ def test_source_shows_the_cited_verse_not_the_context_window(settings):
     assert source.reference == "Salmos 23:1"
     assert source.text == "O Senhor é o meu pastor."
     assert "Versículo anterior" in result.text, "o modelo recebe a janela completa"
+
+
+def test_unsupported_citation_is_removed_whole_not_just_the_numbers():
+    """Remover só o `1:1` deixa `(Gênesis )` pendurado na resposta do usuário.
+
+    Defeito observado na UI: a validação cortava o trecho `Capítulo:Versículo` e
+    preservava o nome do livro, que é justamente o que não tem sustentação.
+    """
+    from app.chat import validate_citations
+
+    cleaned, citations = validate_citations(
+        "O Senhor é o meu pastor (Salmos 23:1) e no princípio criou Deus (Gênesis 1:1).",
+        {"Salmos 23:1"},
+    )
+
+    assert citations == ["Salmos 23:1"]
+    assert "Gênesis" not in cleaned, "o nome do livro não sustentado tem de sair junto"
+    assert cleaned == "O Senhor é o meu pastor (Salmos 23:1) e no princípio criou Deus."
+
+
+def test_removal_does_not_leave_empty_parentheses():
+    from app.chat import validate_citations
+
+    cleaned, citations = validate_citations(
+        "Deus é amor (1 João 4:8) e o texto continua (Apocalipse 9:9).",
+        {"1 João 4:8"},
+    )
+
+    assert citations == ["1 João 4:8"]
+    assert "()" not in cleaned
+    assert "( )" not in cleaned
+    assert cleaned == "Deus é amor (1 João 4:8) e o texto continua."
+
+
+def test_removal_of_a_range_citation_takes_the_whole_range():
+    from app.chat import validate_citations
+
+    cleaned, citations = validate_citations(
+        "Conforme Salmos 23:1-3 e também Jó 1:2-3, há esperança.",
+        {"Salmos 23:1-3"},
+    )
+
+    assert citations == ["Salmos 23:1-3"]
+    assert "Jó" not in cleaned
+
+
+# --------------------------------------------------------------------------
+# Livros numerados (18 dos 66: 1/2/3 Samuel, Reis, Crônicas, Coríntios, ...)
+# --------------------------------------------------------------------------
+
+
+@pytest.mark.parametrize(
+    "text,expected",
+    [
+        ("1 João 4:8", ("1 João", 4, 8)),
+        ("2 Reis 5:14", ("2 Reis", 5, 14)),
+        ("1 Coríntios 13:4", ("1 Coríntios", 13, 4)),
+        ("3 João 1:4", ("3 João", 1, 4)),
+        ("I Samuel 17:4", ("1 Samuel", 17, 4)),
+        ("II Crônicas 7:14", ("2 Crônicas", 7, 14)),
+        ("1Sm 18:6", ("1 Samuel", 18, 6)),
+        ("João 3:16", ("João", 3, 16)),
+        ("Salmos 23:1", ("Salmos", 23, 1)),
+    ],
+)
+def test_extract_reference_keeps_the_book_number(text, expected):
+    """Perder o número devolve outro livro: '1 João 4:8' viraria João 4:8."""
+    from app.chat import extract_reference
+
+    assert extract_reference(text) == expected
+
+
+def test_extract_reference_inside_a_sentence_keeps_the_book_number():
+    from app.chat import extract_reference
+
+    assert extract_reference("Leia 2 Reis 5:14 com atenção") == ("2 Reis", 5, 14)
+
+
+def test_reference_after_another_reference_keeps_its_own_book():
+    """O dígito do livro não pode ser confundido com o versículo anterior."""
+    from app.chat import extract_reference
+
+    assert extract_reference("Salmos 23:1 e também 1 João 4:8") == ("Salmos", 23, 1)
+
+
+def test_supported_numbered_book_citation_is_kept():
+    """Uma citação correta de livro numerado não pode ser apagada da resposta."""
+    from app.chat import validate_citations
+
+    cleaned, citations = validate_citations(
+        "Deus é amor (1 João 4:8).", {"1 João 4:8"}
+    )
+
+    assert citations == ["1 João 4:8"]
+    assert cleaned == "Deus é amor (1 João 4:8)."
+
+
+def test_unsupported_numbered_book_citation_is_removed_whole():
+    from app.chat import validate_citations
+
+    cleaned, citations = validate_citations(
+        "Há esperança (2 Reis 5:14).", {"Salmos 23:1"}
+    )
+
+    assert citations == []
+    assert "Reis" not in cleaned
+    assert cleaned == "Há esperança."