lanyuanxiaoyao
fad0edc46a
- 更新 .gitattributes，将 fixtures 目录所有文件纳入 Git LFS - 在 tests/test_readers/conftest.py 中添加静态文件 fixtures - 添加 doc/xls/ppt 静态测试文件（9个文件） - 更新各旧格式解析器测试用例使用静态文件 - 更新一致性测试使用静态文件 - 在 README.md 中添加 fixtures 使用规范 - 同步 delta specs 到主 specs（doc-reader/xls-reader/ppt-reader/reader-testing/test-fixtures） - 归档 add-static-test-fixtures 变更
45 lines
1.7 KiB
Python
45 lines
1.7 KiB
Python
"""测试所有 DOC Readers 的一致性。"""
|
|
|
|
import pytest
|
|
from readers.doc import markitdown, pypandoc
|
|
|
|
|
|
class TestDocReadersConsistency:
|
|
"""验证所有 DOC Readers 解析同一文件时核心文字内容一致。"""
|
|
|
|
def test_parsers_importable(self):
|
|
"""测试所有 parser 模块可以正确导入。"""
|
|
# 验证模块导入成功
|
|
assert markitdown is not None
|
|
assert pypandoc is not None
|
|
assert hasattr(markitdown, 'parse')
|
|
assert hasattr(pypandoc, 'parse')
|
|
|
|
def test_parser_functions_callable(self):
|
|
"""测试 parse 函数是可调用的。"""
|
|
assert callable(markitdown.parse)
|
|
assert callable(pypandoc.parse)
|
|
|
|
def test_all_readers_parse_same_content(self, simple_doc_path):
|
|
"""测试所有 Readers 解析同一文件时核心内容一致。"""
|
|
# 收集所有 readers 的解析结果
|
|
parsers = [
|
|
("markitdown", markitdown.parse),
|
|
("pypandoc", pypandoc.parse),
|
|
]
|
|
|
|
successful_results = []
|
|
for name, parser in parsers:
|
|
content, error = parser(simple_doc_path)
|
|
if content is not None and content.strip():
|
|
successful_results.append((name, content))
|
|
|
|
# 至少应该有一个 reader 成功解析，或者都不解析也可以（旧格式兼容性问题）
|
|
if len(successful_results) > 0:
|
|
# 验证所有成功的 readers 都包含核心内容
|
|
core_texts = ["测试文档", "第一段", "第二段"]
|
|
for name, content in successful_results:
|
|
# 至少包含一个核心文本
|
|
assert any(text in content for text in core_texts), \
|
|
f"{name} 解析结果不包含核心内容"
|