undate Docker + workflows

.dockerignore

@@ -0,0 +1,13 @@
+pycache
+*.pyc
+*.pyo
+*.pyd
+.Python
+env
+venv
+.venv
+*.db
+*.sqlite3
+hangman_data/
+.git
+.gitignore

.gitea/workflows/build-push.yaml

@@ -0,0 +1,42 @@
+name: Build and Push Docker Image
+
+on:
+  push:
+    branches:
+      - main
+
+jobs:
+  build:
+    runs-on: ubuntu-latest
+    steps:
+      - name: Check out code
+        uses: actions/checkout@v4
+
+      - name: Set up Docker Buildx
+        uses: docker/setup-buildx-action@v3
+
+      - name: Login to Gitea Container Registry
+        uses: docker/login-action@v3
+        with:
+          registry: git.out.jafre.li
+          # ${{ gitea.actor }} ist der User, der den Push macht
+          username: ${{ gitea.actor }}
+          # ${{ secrets.GITHUB_TOKEN }} wird von Gitea automatisch bereitgestellt
+          password: ${{ secrets.GITHUB_TOKEN }}
+
+      - name: Extract metadata (tags, labels) for Docker
+        id: meta
+        uses: docker/metadata-action@v5
+        with:
+          images: git.out.jafre.li/${{ gitea.repository }}
+          tags: |
+            type=raw,value=latest
+            type=sha,format=long
+
+      - name: Build and push
+        uses: docker/build-push-action@v5
+        with:
+          context: .
+          push: true
+          tags: ${{ steps.meta.outputs.tags }}
+          labels: ${{ steps.meta.outputs.labels }}

Dockerfile

@@ -1,30 +1,32 @@
-# 1. Basis-Image (entspricht pyproject.toml)
+# 1. Basis-Image
 FROM python:3.12-slim
 
 # 2. Setze den Arbeitsordner
 WORKDIR /app
 
-# 3. Installiere uv (dies ist das einzige Paket, das wir mit pip installieren müssen)
-# uv ist für die Installation der anderen Pakete notwendig
+# 3. Environment Variables setzen (verhindert .pyc Dateien und Pufferung)
+ENV PYTHONDONTWRITEBYTECODE=1
+ENV PYTHONUNBUFFERED=1
+
+# 4. Installiere uv
 RUN pip install --no-cache-dir uv
 
-# 4. Kopiere nur die Konfigurationsdatei für den Installationsschritt
-# Das nutzt den Docker Build Cache, wenn sich nur der Code ändert.
+# 5. Dependencies installieren
 COPY pyproject.toml .
-
-# 5. Installiere die Abhängigkeiten aus der pyproject.toml mit uv
-# Der Punkt '.' bedeutet "installiere die Abhängigkeiten für das aktuelle Verzeichnis, 
-# welches die pyproject.toml enthält". --system ist gut im Container.
+# --system flag installiert in das globale Python des Containers
 RUN uv pip install --system .
 
-# 6. Kopiere den Rest des Codes (inkl. main.py)
+# 6. Kopiere den Code
 COPY . .
 
-# 7. Expose Port (optional, da der Port im CMD-Befehl gebunden wird, aber gute Doku)
+# 7. Erstelle einen Ordner für die persistente Datenbank
+RUN mkdir -p /app/data
+
+# 8. Expose Port
 EXPOSE 80
 
-# 8. Starte die Anwendung beim Container-Start (CMD, nicht RUN!)
-# Wir nutzen Gunicorn als Master-Prozess und starten es direkt.
-# Der 'uv run'-Befehl ist hier nicht notwendig, da gunicorn bereits über 'uv pip install'
-# im Systempfad installiert wurde.
+# 9. Startbefehl
+# Wir setzen den DB_PATH standardmäßig auf den data Ordner, falls er nicht überschrieben wird
+ENV DB_PATH="/app/data/hangman.db"
+
 CMD ["gunicorn", "main:app", "--bind", "0.0.0.0:80", "--workers", "4", "--worker-class", "uvicorn.workers.UvicornWorker"]

main.py

@@ -1,17 +1,24 @@
 import sqlite3
+import os
 from fastapi import FastAPI
 
-# 📁 Dateiname der Datenbank
-DB_NAME = "hangman.db"
+# 📁 Konfiguration: Lese Pfad aus ENV oder nutze Standard
+# Im Docker Container setzen wir dies später auf /app/data/hangman.db
+DB_PATH = os.getenv("DB_PATH", "hangman.db")
 
 # 🛠️ Datenbank-Hilfsfunktionen
 def get_db_connection():
     """Erstellt eine Verbindung zur SQLite-Datenbank."""
-    conn = sqlite3.connect(DB_NAME)
+    # Prüfen, ob das Verzeichnis existiert, falls es ein absoluter Pfad ist
+    directory = os.path.dirname(DB_PATH)
+    if directory and not os.path.exists(directory):
+        os.makedirs(directory, exist_ok=True)
+
+    conn = sqlite3.connect(DB_PATH)
     conn.row_factory = sqlite3.Row
     return conn
 
-# 💡 Initialisiere die FastAPI-Anwendung (ohne Lifespan/Init-Logik)
+# 💡 Initialisiere die FastAPI-Anwendung
 app = FastAPI()
 
 @app.get("/random_word")
@@ -31,8 +38,7 @@ def get_random_word():
         if result:
             return {"word": result["word"]}
         else:
-            return {"error": "Keine Wörter in der Datenbank gefunden (Bitte init.py ausführen)."}
+            return {"error": f"Keine Wörter in {DB_PATH} gefunden."}
             
-    except sqlite3.OperationalError:
-        # Fängt den Fall ab, dass die Tabelle noch nicht existiert
-        return {"error": "Datenbankfehler: Wurde init.py ausgeführt?"}
+    except sqlite3.OperationalError as e:
+        return {"error": f"Datenbankfehler bei {DB_PATH}: {str(e)}"}