Расширить протокол SCI проверкой содержимого Flash и комплектом RAM-ядер. Добавить утилиту векторизации PDF с OCR, общие диалоги DSView и проверки.
73 lines
12 KiB
Python
73 lines
12 KiB
Python
from dataclasses import replace # Проверяем варианты режима и поворота без дублирования полного профиля обработки.
|
|
import numpy as np # Сравниваем внешний вид результата с вариантом без текстового слоя.
|
|
import pymupdf as fitz # Создаём настоящие PDF с готовыми надписями и проверяем поиск после сохранения.
|
|
import pytest # Перебираем независимые сочетания исходного и пользовательского поворотов.
|
|
from engine import Options, convert, native_text_spans # Проверяем перенос исходного текста и выбор между ним и OCR.
|
|
|
|
|
|
@pytest.fixture() # Каждый тест получает собственный небольшой чертёж с ошибочной кодировкой шрифта ГОСТ.
|
|
def legacy_drawing(tmp_path): # Воспроизводим ошибку Latin-1 вместо Windows-1251 без зависимости от пользовательского документа.
|
|
path = tmp_path / "чертёж.pdf" # Русское имя одновременно проверяет поддержку Unicode-путей.
|
|
with fitz.open() as document: # Формируем векторный вход без растровых изображений и готового OCR.
|
|
page = document.new_page(width=300, height=200) # Небольшие размеры в пунктах PDF ускоряют полный цикл трассировки.
|
|
page.insert_text((40, 60), "Àâàðèÿ VH1", fontsize=12) # Байты слова «Авария» в Windows-1251 ошибочно представлены латинскими Unicode-кодами.
|
|
page.insert_text((160, 160), "Ïàíåëü", fontsize=12, rotate=90) # Вертикальная подпись проверяет собственное направление текста независимо от поворота листа.
|
|
font_xref = page.get_fonts()[0][0] # Находим фактический ресурс шрифта, использованный обеими надписями.
|
|
document.xref_set_key(font_xref, "BaseFont", "/GOSTtypeA") # Имитируем имя старого технического шрифта, для которого применяется восстановление кодировки.
|
|
page.draw_line((20, 100), (280, 100)) # Линия схемы должна сохраниться под невидимым текстом.
|
|
document.save(path) # Проверяем повторное чтение сохранённого входа вместо объектов в памяти.
|
|
return path # Каждый сценарий создаёт отдельный результат и сохраняет общий оригинал.
|
|
|
|
|
|
@pytest.mark.parametrize("mode", ["vector_ocr", "ocr"]) # Проверяем поиск как поверх контуров, так и поверх сохранённого изображения.
|
|
@pytest.mark.parametrize("rotation", [0, 90, 180, 270]) # Все разрешённые повороты должны одинаково сохранять Unicode и координаты.
|
|
@pytest.mark.parametrize("source_rotation", [0, 90]) # Исходный /Rotate должен учитываться вместе с дополнительным пользовательским поворотом.
|
|
def test_legacy_search_and_coordinates(legacy_drawing, tmp_path, mode, rotation, source_rotation): # Поиск должен находить исправленное слово непосредственно над исходной подписью.
|
|
with fitz.open(legacy_drawing) as document: # Меняем только ориентацию отдельного тестового входа.
|
|
document[0].set_rotation(source_rotation) # Имитируем повёрнутые страницы чертежей из CAD-экспортера.
|
|
document.saveIncr() # Сохраняем поворот без изменения текста и его шрифта.
|
|
initial = legacy_drawing.read_bytes() # Контрольные байты доказывают сохранность входа при исправлении кодировки.
|
|
output = tmp_path / "готовый.pdf" # Выход не перезаписывает входной чертёж.
|
|
report = convert(legacy_drawing, output, Options(mode=mode, rotate=rotation, dpi=150)) # Используем настоящий движок, чтобы проверить сохранение ресурсов и текстовых матриц.
|
|
assert legacy_drawing.read_bytes() == initial # Исправление должно действовать лишь на выходной поисковый слой.
|
|
with fitz.open(legacy_drawing) as source, fitz.open(output) as result: # Поиск проверяем в повторно открытом результате после сжатия и сокращения шрифтов.
|
|
page = result[0] # В результате выбран единственный тестовый лист.
|
|
matches = page.search_for("Авария") # Именно это слово не находилось на пользовательском скриншоте.
|
|
assert len(matches) == 1 and page.search_for("Панель") and page.search_for("VH1") # Исправляем обе ориентации кириллицы и сохраняем латинские обозначения.
|
|
assert "Авария" in report["text"][0] and "Àâàðèÿ" not in page.get_text() # TXT и PDF должны содержать одинаковый исправленный Unicode.
|
|
rotation_matrix = fitz.Matrix(rotation) # Формируем ожидаемую геометрию без обращения к внутреннему помощнику переноса текста.
|
|
bounds = source[0].rect * rotation_matrix # Поворот определяет смещение начала страницы к нулевым координатам.
|
|
expected = source[0].search_for("Àâàðèÿ")[0] * source[0].rotation_matrix * rotation_matrix * fitz.Matrix(1, 0, 0, 1, -bounds.x0, -bounds.y0) # Преобразуем исходный прямоугольник надписи независимо от заменяющего шрифта.
|
|
expected = expected * fitz.Matrix(page.rect.width / bounds.width, page.rect.height / bounds.height) # Учитываем округление размеров результата до пикселя при 150 DPI.
|
|
assert (matches[0] & expected).get_area() / expected.get_area() > 0.65 # Область найденного слова должна перекрывать не менее 65 процентов исходной надписи несмотря на различие метрик шрифтов.
|
|
assert bool(page.get_images()) == (mode == "ocr") # Совмещённый векторный режим не должен оставлять растровое изображение.
|
|
assert len(page.get_fonts()) == 1 # Все надписи должны разделять единственный ресурс шрифта, чтобы читатели PDF не разбирали таблицу Unicode многократно.
|
|
|
|
|
|
def test_native_unicode_and_latin_are_preserved(tmp_path): # Корректный русский Unicode и французские акценты нельзя перекодировать как старый ГОСТ.
|
|
source, output = tmp_path / "unicode.pdf", tmp_path / "unicode_result.pdf" # Вход и выход независимы для проверки сохранения исходных букв.
|
|
with fitz.open() as document: # Создаём страницу с двумя разными языками в обычном Unicode-шрифте.
|
|
page = document.new_page(width=250, height=140) # Размер в пунктах PDF достаточен для двух коротких надписей.
|
|
writer = fitz.TextWriter(page.rect) # Универсальный встроенный шрифт позволяет записать кириллицу без системных зависимостей.
|
|
writer.append((30, 45), "Авария №1 Ёж", font=fitz.Font("cjk"), fontsize=12) # Проверяем дополнительные символы, которые не сводятся к основному русскому алфавиту.
|
|
writer.append((30, 80), "déjà français", font=fitz.Font("cjk"), fontsize=12) # Латинские диакритические знаки должны сохранить исходный смысл.
|
|
writer.write_text(page) # Записываем видимые исходные надписи перед трассировкой.
|
|
document.save(source) # Сохраняем полноценный входной документ.
|
|
options = Options(dpi=150) # Умеренное разрешение достаточно для проверки невидимости поискового слоя.
|
|
convert(source, output, options) # Переносим правильный Unicode поверх векторных контуров.
|
|
geometry = tmp_path / "geometry.pdf" # Контрольный вариант содержит те же контуры без поискового слоя.
|
|
convert(source, geometry, replace(options, mode="vector")) # Изолируем влияние добавленного текста на видимые пиксели.
|
|
with fitz.open(output) as result, fitz.open(geometry) as vector: # Проверяем действительные сохранённые ресурсы и видимый результат.
|
|
assert result[0].search_for("Авария №1 Ёж") and result[0].search_for("déjà français") # Поиск должен работать для кириллицы, номера, Ё и латинских акцентов.
|
|
assert np.array_equal(np.frombuffer(result[0].get_pixmap().samples, np.uint8), np.frombuffer(vector[0].get_pixmap().samples, np.uint8)) # Невидимый текст не должен изменять ни одного пикселя отрисованной геометрии.
|
|
|
|
|
|
def test_mixed_page_still_requires_ocr(): # Готовая подпись рядом со сканом не должна выключать распознавание текста внутри изображения.
|
|
with fitz.open() as document: # Создаём в памяти страницу со смешанным растровым и текстовым содержимым.
|
|
page = document.new_page(width=250, height=140) # Небольшая страница подходит для проверки выбора источника текста.
|
|
page.insert_text((20, 25), "VH1") # Один готовый номер не описывает остальные надписи растровой схемы.
|
|
image = fitz.Pixmap(fitz.csRGB, fitz.IRect(0, 0, 20, 20), False) # Создаём RGB-изображение размером 20 на 20 пикселей без альфа-канала.
|
|
image.clear_with(255) # Белое изображение достаточно для проверки наличия реального растрового объекта.
|
|
page.insert_image(fitz.Rect(20, 40, 100, 120), pixmap=image) # Размещаем растр в видимой части страницы, чтобы он был обнаружен через get_image_info.
|
|
assert not native_text_spans(page) # Смешанный лист должен проходить OCR вместо переноса одной готовой подписи.
|