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
57 lines
1.5 KiB
Python
57 lines
1.5 KiB
Python
"""测试 Markdown 工具函数。"""
|
|
|
|
from core import (
|
|
get_heading_level,
|
|
extract_titles,
|
|
normalize_markdown_whitespace,
|
|
remove_markdown_images,
|
|
)
|
|
|
|
|
|
class TestGetHeadingLevel:
|
|
"""测试 get_heading_level 函数。"""
|
|
|
|
def test_h1(self):
|
|
assert get_heading_level("# 标题") == 1
|
|
|
|
def test_h2(self):
|
|
assert get_heading_level("## 子标题") == 2
|
|
|
|
def test_h6(self):
|
|
assert get_heading_level("###### 六级标题") == 6
|
|
|
|
def test_no_heading(self):
|
|
assert get_heading_level("普通文本") == 0
|
|
|
|
def test_no_space(self):
|
|
assert get_heading_level("#标题") == 0
|
|
|
|
|
|
class TestExtractTitles:
|
|
"""测试 extract_titles 函数。"""
|
|
|
|
def test_extract_multiple_titles(self, sample_markdown):
|
|
titles = extract_titles(sample_markdown)
|
|
assert len(titles) == 3
|
|
assert "# 标题" in titles
|
|
assert "## 子标题" in titles
|
|
assert "### 另一个标题" in titles
|
|
|
|
|
|
class TestNormalizeMarkdownWhitespace:
|
|
"""测试 normalize_markdown_whitespace 函数。"""
|
|
|
|
def test_multiple_blank_lines(self):
|
|
content = "line1\n\n\n\nline2"
|
|
result = normalize_markdown_whitespace(content)
|
|
assert result == "line1\n\nline2"
|
|
|
|
|
|
class TestRemoveMarkdownImages:
|
|
"""测试 remove_markdown_images 函数。"""
|
|
|
|
def test_remove_image(self):
|
|
content = "Text  more text"
|
|
result = remove_markdown_images(content)
|
|
assert "" not in result
|