Files
lyxy-document/tests/test_readers/test_html/test_consistency.py
lanyuanxiaoyao 9daff73589 refactor: 调整模块导入路径,简化引用结构
- 更新 openspec/config.yaml 中 git 任务相关说明
- 将 scripts.core.* 改为 core.*,scripts.readers.* 改为 readers.*
- 优化 lyxy_document_reader.py 中 sys.path 设置方式
- 同步更新所有测试文件的导入路径
2026-03-09 15:44:51 +08:00

47 lines
1.5 KiB
Python

"""测试所有 HTML Readers 的一致性。"""
import pytest
from readers.html import (
html2text,
markitdown,
trafilatura,
domscribe,
)
class TestHtmlReadersConsistency:
"""验证所有 HTML Readers 解析同一文件时核心文字内容一致。"""
def test_all_readers_parse_same_content(self, temp_html):
"""测试所有 Readers 解析同一文件时核心内容一致。"""
file_path = temp_html(content="""
<html>
<head><title>测试页面</title></head>
<body>
<h1>测试标题</h1>
<p>这是测试段落内容。</p>
<p>第二段内容。</p>
</body>
</html>
""")
parsers = [
("html2text", html2text.parse),
("markitdown", markitdown.parse),
("trafilatura", trafilatura.parse),
("domscribe", domscribe.parse),
]
successful_results = []
for name, parser in parsers:
content, error = parser(file_path)
if content is not None and content.strip():
successful_results.append((name, content))
assert len(successful_results) > 0, "没有任何 reader 成功解析文件"
core_texts = ["测试标题", "测试段落", "内容", "第二段"]
for name, content in successful_results:
assert any(text in content for text in core_texts), \
f"{name} 解析结果不包含核心内容"