lanyuanxiaoyao
833018d451
## 功能特性 - 建立统一的项目结构，包含 core/、readers/、utils/、tests/ 模块 - 迁移 lyxy-reader-office 的所有解析器（docx、xlsx、pptx、pdf） - 迁移 lyxy-reader-html 的所有解析器（html、url 下载） - 统一 CLI 入口为 lyxy_document_reader.py - 统一 Markdown 后处理逻辑 - 按文件类型组织 readers，每个解析器独立文件 - 依赖分组按文件类型细分（docx、xlsx、pptx、pdf、html、http） - PDF OCR 解析器优先，无参数控制 - 使用 logging 模块替代简单 print - 设计完整的单元测试结构 - 重写项目文档 ## 新增目录/文件 - core/ - 核心模块（异常体系、Markdown 工具、解析调度器） - readers/ - 格式阅读器（base.py + docx/xlsx/pptx/pdf/html） - utils/ - 工具函数（文件类型检测） - tests/ - 测试（conftest.py + test_core/ + test_readers/ + test_utils/） - lyxy_document_reader.py - 统一 CLI 入口 ## 依赖分组 - docx - DOCX 文档解析支持 - xlsx - XLSX 文档解析支持 - pptx - PPTX 文档解析支持 - pdf - PDF 文档解析支持（含 OCR） - html - HTML/URL 解析支持 - http - HTTP/URL 下载支持 - office - Office 格式组合（docx/xlsx/pptx/pdf） - web - Web 格式组合（html/http） - full - 完整功能 - dev - 开发依赖
33 lines
772 B
Python
33 lines
772 B
Python
"""测试文件检测工具函数。"""
|
|
|
|
from utils import is_url, is_html_file
|
|
|
|
|
|
class TestIsUrl:
|
|
"""测试 is_url 函数。"""
|
|
|
|
def test_http_url(self):
|
|
assert is_url("http://example.com") is True
|
|
|
|
def test_https_url(self):
|
|
assert is_url("https://example.com") is True
|
|
|
|
def test_not_url(self):
|
|
assert is_url("file.txt") is False
|
|
|
|
|
|
class TestIsHtmlFile:
|
|
"""测试 is_html_file 函数。"""
|
|
|
|
def test_html_extension(self):
|
|
assert is_html_file("file.html") is True
|
|
|
|
def test_htm_extension(self):
|
|
assert is_html_file("file.htm") is True
|
|
|
|
def test_uppercase_extension(self):
|
|
assert is_html_file("FILE.HTML") is True
|
|
|
|
def test_not_html(self):
|
|
assert is_html_file("file.txt") is False
|