Files
templates/tools/pdf-scan-to-vector/tests/test_engine.py
T
Andrey afdf62cfa4 Добавить проверку Flash SCI, системные диалоги и векторизацию PDF
Расширить протокол SCI проверкой содержимого Flash и комплектом RAM-ядер.
Добавить утилиту векторизации PDF с OCR, общие диалоги DSView и проверки.
2026-11-18 16:03:53 +03:00

113 lines
16 KiB
Python

from dataclasses import replace # Создаём варианты одного профиля без дублирования всех параметров.
from pathlib import Path # Проверяем существование и содержимое выходных файлов.
from threading import Event # Для синхронных тестов достаточно события с тем же интерфейсом, что у multiprocessing.
import numpy as np # Сравниваем растровые представления исходной и восстановленной геометрии.
import pymupdf as fitz # Проверяем реальные команды PDF, Unicode-текст и структуру изображений.
import pytest # Организуем независимые сценарии и параметризованные проверки диапазонов.
from engine import Cancelled, Options, convert, parse_pages # Тестируем публичные границы движка без имитации алгоритмов.
from sample import create_sample # Создаём настоящий скан, требующий OCR и геометрической трассировки.
@pytest.fixture(scope="module") # Генерация двухстраничного примера требуется один раз на группу проверок.
def scan(tmp_path_factory): # Возвращаем входной документ с русскими и английскими надписями.
path = tmp_path_factory.mktemp("сканы") / "Тестовый скан.pdf" # Кириллический каталог проверяет пути Windows и UTF-8.
create_sample(path) # Входной PDF содержит изображения, а не готовую распознанную строку.
return path # Каждый тест создаёт собственный выходной файл, сохраняя общий вход неизменным.
@pytest.mark.parametrize("value, expected", [("", [0, 1, 2, 3, 4]), ("1-3, 5", [0, 1, 2, 4]), ("3,1,3", [0, 2]), (" 2 - 4 ", [1, 2, 3])]) # Проверяем весь документ, включительные диапазоны, повторы и пробелы.
def test_page_ranges(value, expected): # Пользовательские номера должны однозначно соответствовать исходным страницам.
assert parse_pages(value, 5) == expected # Сверяем ожидаемые индексы, начиная с нуля.
@pytest.mark.parametrize("value", ["0", "6", "3-2", "1,", "abc", "1-3-5", "-2"]) # Некорректные диапазоны нельзя частично принимать или молча обрезать.
def test_bad_ranges(value): # Ошибки выбора страниц должны выявляться до дорогостоящего распознавания.
with pytest.raises(ValueError): # Проверяем явную ошибку вместо неожиданного выбора страниц.
parse_pages(value, 5) # Документ из пяти листов задаёт известные границы проверки.
@pytest.mark.parametrize("mode", ["vector_ocr", "vector", "ocr"]) # Каждый режим имеет собственный проверяемый состав результата.
def test_real_conversion(scan, tmp_path, mode): # Проверяем весь путь от растрового скана до сохранённого PDF.
output = tmp_path / f"{mode}.pdf" # Режимы не перезаписывают результаты друг друга.
events = [] # Собираем реальный прогресс обработки для проверки его завершённости.
report = convert(scan, output, Options(mode=mode), events.append) # Запускаем OCR и OpenCV без заглушек.
assert len(report["pages"]) == 2 and report["path"] == str(output.resolve()) # Отчёт должен описывать фактически записанный документ целиком.
assert events[-1]["value"] == 100 # Последнее обновление прогресса означает завершение всех выбранных листов.
with fitz.open(output) as document: # Проверяем повторно открытый PDF, а не только объекты до сохранения.
assert len(document) == 2 # Сохраняем количество и порядок исходных страниц.
for page in document: # Проверяем ожидаемые свойства каждого листа результата.
assert abs(page.rect.width - 595) < 1 and abs(page.rect.height - 842) < 1 # Геометрия A4 сохраняется с погрешностью округления до пикселя.
if mode != "ocr": # Два векторных режима должны полностью удалить растровые изображения.
assert not page.get_images(full=True) and page.get_drawings() # Контуры должны присутствовать именно как геометрические объекты PDF.
else: # Режим сохранения скана обязан оставить исходный вид изображения.
assert page.get_images(full=True) # Проверяем наличие изображения в сохранённом PDF.
if mode != "vector": # OCR должен создавать доступный для поиска Unicode, а не только видимые контуры букв.
assert page.search_for("Напряжение") and page.search_for("VECTOR") # Проверяем поиск русского слова и английской метки непосредственно по координатам PDF.
else: # Только векторизация не должна выдавать фиктивный распознанный текст.
assert not page.get_text().strip() # Геометрические буквы остаются графикой без текстового слоя.
def test_white_holes_and_visual_fidelity(scan, tmp_path): # Вложенные контуры букв и окружностей должны сохранять белую внутреннюю область.
output = tmp_path / "geometry.pdf" # Отделяем проверку геометрии от распознавания текста.
convert(scan, output, Options(mode="vector", pages="1", noise=0, simplify=0.25)) # Минимально упрощаем один лист для объективного сравнения.
with fitz.open(scan) as source, fitz.open(output) as result: # Рендерим одинаковую страницу обоих документов.
before_pix = source[0].get_pixmap(dpi=144, colorspace=fitz.csGRAY) # Масштаб два пикселя на пункт упрощает проверку известной геометрии.
after_pix = result[0].get_pixmap(dpi=144, colorspace=fitz.csGRAY) # Сравниваем фактический результат команд PDF, включая правило заполнения.
before = np.frombuffer(before_pix.samples, np.uint8).reshape(before_pix.height, before_pix.width) # Представляем входное изображение матрицей яркостей.
after = np.frombuffer(after_pix.samples, np.uint8).reshape(after_pix.height, after_pix.width) # То же представление используем для восстановленного вектора.
height, width = min(before.shape[0], after.shape[0]), min(before.shape[1], after.shape[1]) # Учитываем округление физического размера до целого пикселя.
mismatch = np.mean((before[:height, :width] < 128) != (after[:height, :width] < 128)) # Измеряем долю пикселей, в которых изменилась чёрно-белая геометрия.
assert mismatch < 0.025 # Допускаем до 2,5 процента различий из-за бинаризации и сглаживания границ скана.
assert after[812, 236] > 245 # Центр первой окружности на схеме обязан остаться белым, а не заполниться чёрным.
assert np.min(after[810:815, 190:202]) < 100 # Левая граница окружности находится у x = (118 − 20) × 2 = 196 пикселей при 144 DPI.
def test_selected_page_and_rotation(scan, tmp_path): # Обработка диапазона должна сохранять связь с исходным номером и физический поворот.
output = tmp_path / "rotated.pdf" # Создаём отдельный результат для выбранного второго листа.
report = convert(scan, output, Options(mode="vector", pages="2", rotate=90)) # Обрабатываем только второй лист и поворачиваем его по часовой стрелке.
assert [item["source_page"] for item in report["pages"]] == [2] # Отчёт не должен перенумеровывать выбранный исходный лист как первый.
with fitz.open(output) as document: # Проверяем реальный размер сохранённой страницы.
assert len(document) == 1 and document[0].rect.width > document[0].rect.height # После поворота лист A4 становится горизонтальным.
def test_cancel_preserves_existing_file(scan, tmp_path): # Поздняя отмена должна оставлять существующее назначение целиком неизменным.
output = tmp_path / "existing.pdf" # Используем заранее существующий путь для проверки атомарности публикации.
output.write_bytes(b"previous-result") # Специальная строка позволяет обнаружить любую частичную перезапись.
cancel = Event() # Событие предоставляет тот же контракт проверки отмены, что и рабочий процесс GUI.
def notify(message): # Устанавливаем отмену после фактического выполнения последнего листа.
if message["kind"] == "progress" and message["value"] == 100: # Проверяем самую позднюю границу перед записью результата.
cancel.set() # Следующий контроль должен прервать операцию до публикации PDF.
with pytest.raises(Cancelled): # Отмена должна отличаться от ошибки распознавания или файловой системы.
convert(scan, output, Options(mode="vector", pages="1"), notify, cancel) # Движок успевает построить вектор, но не должен заменить назначение.
assert output.read_bytes() == b"previous-result" # Проверяем побайтную сохранность прежнего файла.
assert not list(tmp_path.glob(".pdf-vector-*")) # Не оставляем промежуточные PDF после отменённой операции.
def test_original_cannot_be_overwritten(scan): # Защита исходного документа действует также вне графического интерфейса.
initial = scan.read_bytes() # Сохраняем контрольные байты общего входного примера.
with pytest.raises(ValueError, match="отличающееся"): # Движок обязан отвергнуть совпавшие пути до любой записи.
convert(scan, scan, Options(mode="vector")) # Имитируем ошибочный прямой вызов с одинаковыми путями.
assert scan.read_bytes() == initial # Убеждаемся, что исходный скан не изменился.
def test_blank_page(tmp_path): # Полностью белый скан не должен вызывать ошибку пустого векторного содержимого.
source, target = tmp_path / "blank.pdf", tmp_path / "blank_vector.pdf" # Разделяем пустой вход и ожидаемый пустой результат.
with fitz.open() as document: # Создаём корректный PDF с одним чистым листом.
document.new_page() # Пустая страница является допустимым содержимым документа.
document.save(source) # Сохраняем настоящий PDF, а не имитацию байтов заголовка.
convert(source, target, Options(mode="vector")) # Трассировка должна корректно завершиться с нулём контуров.
with fitz.open(target) as document: # Проверяем пригодность повторно открытого результата.
assert len(document) == 1 and not document[0].get_images() # Белый лист сохраняется без добавления ненужного растра.
def test_encrypted_pdf(scan, tmp_path): # Защищённые документы должны поддерживать явный пароль без его сохранения в результате.
source, target = tmp_path / "locked.pdf", tmp_path / "unlocked_vector.pdf" # Используем отдельный зашифрованный входной пример.
with fitz.open(scan) as document: # Шифруем копию исходного скана, не меняя общий тестовый файл.
document.save(source, encryption=fitz.PDF_ENCRYPT_AES_256, owner_pw="owner", user_pw="test-pass") # Проверяем стандартную защиту PDF AES-256 с пользовательским паролем.
with pytest.raises(ValueError, match="паролем"): # Без пароля движок должен явно отказать до обработки содержимого.
convert(source, target, Options(mode="vector", pages="1")) # Ошибочный запуск не должен создавать готовый выходной файл.
assert not target.exists() # Не оставляем пустой результат после неудачной аутентификации.
convert(source, target, Options(mode="vector", pages="1"), password="test-pass") # Правильный пароль позволяет преобразовать выбранный лист.
with fitz.open(target) as document: # Сохранённый вектор должен быть доступен как самостоятельный PDF.
assert len(document) == 1 and document[0].get_drawings() # Проверяем фактическую графику после расшифровки и трассировки.