Files
templates/tools/pdf-scan-to-vector/verification.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

85 lines
14 KiB
Python

from pathlib import Path # Храним отчёт и изображения проверки в явно указанной папке.
import json # Машиночитаемый отчёт позволяет проверить также EXE без консольного вывода.
import time # Ограничиваем длительность проверки рабочего процесса и обрабатываем события GUI.
import traceback # Сохраняем причину провала самопроверки в отдельном отчёте.
import pymupdf as fitz # Проверяем структуру PDF, поиск текста и отсутствие растровых объектов.
from sample import create_sample # Генерируем тестовый PDF, который содержит только сканы.
from engine import Options, convert # Проверяем перенос готового текста также внутри собранного автономного приложения.
def verify_native_text(directory): # Воспроизводим ошибку поиска «Авария» на векторном чертеже со старой кодировкой ГОСТ.
source, destination = directory / "legacy_drawing.pdf", directory / "legacy_searchable.pdf" # Сохраняем вход и результат проверки отдельно от растрового примера.
with fitz.open() as document: # Формируем небольшой настоящий PDF без растровых изображений.
page = document.new_page(width=300, height=200) # Размеры в пунктах PDF ограничивают время встроенной самопроверки.
page.insert_text((40, 60), "Àâàðèÿ VH1", fontsize=12) # Воспроизводим Latin-1-коды, ошибочно использованные вместо русских байтов Windows-1251.
document.xref_set_key(page.get_fonts()[0][0], "BaseFont", "/GOSTtypeA") # Указываем имя старого технического шрифта для проверки восстановления кодировки.
page.set_rotation(90) # Пользовательский чертёж также содержит исходный поворот страницы на 90 градусов.
document.save(source) # Проверяем обработку сохранённого документа вместо временного объекта в памяти.
initial = source.read_bytes() # Контрольные байты подтверждают, что исправление не меняет оригинал.
report = convert(source, destination, Options(dpi=150)) # Запускаем настоящий движок со штатным векторным поисковым слоем.
with fitz.open(destination) as result: # Проверяем итоговый документ после сохранения и сокращения встроенного шрифта.
assert result[0].search_for("Авария") and result[0].search_for("VH1") # Русское слово и латинская метка должны находиться по координатам страницы.
assert not result[0].get_images() and len(result[0].get_fonts()) == 1 # Слой должен оставаться векторным и использовать единственный ресурс поискового шрифта.
assert "Авария" in report["text"][0] and source.read_bytes() == initial # Отчёт содержит исправленный Unicode, а оригинал сохраняется побайтно.
def self_test(directory): # Выполняем полный сценарий GUI и обработки в отдельном процессе для исходников и EXE.
from gui import MainWindow, application, W, C # Подключаем настоящий интерфейс, Qt и настройки без подмены рабочего процесса.
directory = Path(directory).resolve() # Отчёт всегда привязан к однозначному абсолютному пути.
directory.mkdir(parents=True, exist_ok=True) # Позволяем первому запуску создать собственную папку проверки.
window = None # Гарантируем закрытие окна также при ошибке в середине сценария.
try: # Любое исключение превращаем в проверяемый JSON-отчёт.
source = directory / "sample_scan.pdf" # Сохраняем исходный пример для визуального сравнения.
create_sample(source) # Создаём два листа без готового OCR и векторной графики.
with fitz.open(source) as scan: # Проверяем, что тест действительно начинает со сканового PDF.
assert all(not page.get_text().strip() and page.get_images() for page in scan) # OCR должен распознать текст, а не извлечь уже готовые символы.
app = application() # Используем те же стиль, шрифты и графический движок, что и обычный запуск.
window = MainWindow() # Создаём полноценный интерфейс вместе с очередью обработки и таймерами.
window.settings = C.QSettings(str(directory / "test.ini"), C.QSettings.Format.IniFormat) # Изолируем записи тестового профиля от обычных настроек пользователя.
window.resize(1440, 920) # Фиксируем размер контрольного изображения интерфейса.
window.show() # Обеспечиваем настоящую раскладку виджетов перед снимком окна.
assert window.load_pdf(source) # Проверяем открытие, миниатюры и первый предпросмотр.
window.mode.setCurrentIndex(window.mode.findData("vector_text")) # Самопроверка EXE должна запускать новый режим с видимым шрифтом и реальным OCR.
window.recognition.setCurrentIndex(window.recognition.findData("enhanced")) # Фиксируем улучшенную подготовку независимо от сохранённых настроек пользователя.
window.language.setCurrentIndex(window.language.findData("rus+eng")) # Проверяем обе включённые языковые модели.
window.dpi.setCurrentIndex(window.dpi.findData(300)) # Фиксируем разрешение независимо от сохранённого пользовательского профиля.
window.rotate.setCurrentIndex(0) # Тестовый пример уже имеет правильную ориентацию листов.
window.threshold.setValue(0) # Используем автоматическую бинаризацию скана.
window.noise.setValue(2) # Воспроизводим штатную фильтрацию мелкой пыли.
window.simplify.setValue(0.45) # Воспроизводим штатную точность аппроксимации.
window.start_conversion() # Проверяем именно кнопку запуска и межпроцессный протокол GUI.
deadline = time.monotonic() + 180 # Самопроверка не должна бесконечно ждать зависший OCR.
while window.process is not None and time.monotonic() < deadline: # Ждём завершения реального рабочего процесса с ограничением времени.
app.processEvents() # Прогресс, миниатюры и отрисовка должны продолжать работать во время OCR.
time.sleep(0.02) # Уменьшаем загрузку процессора в цикле автоматической проверки.
assert window.process is None, "Превышено время ожидания рабочего процесса" # Проверяем корректное завершение дочернего процесса.
assert window.report and window.result, window.log.toPlainText() # Отчёт и PDF должны появиться через настоящий интерфейс.
destination = directory / "sample_vector_text.pdf" # Оставляем результат нового режима рядом с исходным сканом для визуального сравнения.
destination.write_bytes(Path(window.report["path"]).read_bytes()) # Копируем проверяемый результат до очистки внутренней временной папки.
with fitz.open(destination) as result: # Проверяем содержимое повторно открытого PDF после записи.
assert len(result) == 2 # Все страницы должны сохраниться в исходном порядке.
assert all(not page.get_images(full=True) for page in result) # Векторный PDF не должен содержать спрятанный исходный растр.
assert all(page.get_drawings() for page in result) # Проверяем наличие настоящих команд векторного рисования.
assert all(any(span["type"] == 0 for span in page.get_texttrace()) for page in result) # Каждый лист должен содержать видимые шрифтовые буквы вместо одного невидимого OCR-слоя.
assert all(page["text_replacements"] > 0 for page in window.report["pages"]) # Подтверждаем фактическую замену распознанных контурных слов обычным текстом.
text = "\n".join(page.get_text() for page in result) # Извлекаем Unicode из фактически сохранённого поискового слоя.
assert "Напряжение" in text and "VECTOR" in text, text # Подтверждаем русское и английское распознавание.
assert result[0].search_for("Напряжение") # Проверяем, что текст не только извлекается, но и находится по координатам страницы.
result[0].get_pixmap(dpi=110).save(directory / "result_page.png") # Рендер результата используется для независимой визуальной проверки.
window.tabs.setCurrentIndex(1) # Контрольный снимок показывает готовый векторный результат в рабочем окне.
for _ in range(12): # Даём Qt завершить отложенную раскладку и отрисовку миниатюр.
app.processEvents() # Снимок должен отражать окончательное состояние виджетов.
time.sleep(0.02) # Короткий интервал позволяет Windows обновить поверхности окна.
window.grab().save(str(directory / "interface.png")) # Сохраняем реальное изображение GUI для проверки компоновки.
(directory / "recognized.txt").write_text(text, encoding="utf-8") # Подтверждаем корректную запись кириллицы в текстовый файл.
verify_native_text(directory) # Проверяем новую ветвь переноса текста как при запуске исходников, так и внутри EXE.
report = {"ok": True, "pages": window.report["pages"], "searchable_russian": True, "searchable_english": True, "searchable_legacy_gost": True, "raster_images": 0, "pdf_bytes": destination.stat().st_size} # Отчёт содержит проверенные свойства растрового примера и чертежа с ошибочной кодировкой.
(directory / "verification.json").write_text(json.dumps(report, ensure_ascii=False, indent=2), encoding="utf-8") # Машиночитаемый отчёт не зависит от наличия консоли у EXE.
return 0 # Нулевой код означает прохождение полного сценария.
except Exception: # Любой сбой сохраняем вместе с подробным стеком для диагностики сборки.
(directory / "verification.json").write_text(json.dumps({"ok": False, "error": traceback.format_exc()}, ensure_ascii=False, indent=2), encoding="utf-8") # Записываем причину без потери Unicode-текста ошибки.
return 1 # Ненулевой код позволяет сборочному сценарию остановить публикацию неисправного EXE.
finally: # Завершаем рабочий процесс и закрываем файлы также при провале проверки.
if window is not None: # Окно могло не создаться из-за ошибки импорта или инициализации.
window.close() # Общий обработчик освобождает Qt, процессы и внутренние временные файлы.