v5.1.0: тесты builder(20), extractor(15), scanner(20), replacer(10) — 65 тестов, 0 ошибок

tests/test_builder.py

@@ -0,0 +1,133 @@
+"""
+Тесты builder.py — создание ZIP и mapping.csv.
+
+Запуск: python3 tests/test_builder.py
+"""
+
+import io
+import zipfile
+import sys
+import os
+
+sys.path.insert(0, os.path.dirname(os.path.dirname(os.path.abspath(__file__))))
+
+from drhider.builder import build_zip, build_mapping_csv
+
+passed = 0
+failed = 0
+
+def check(name, condition):
+    global passed, failed
+    if condition:
+        passed += 1
+        print(f"  ✅ {name}")
+    else:
+        failed += 1
+        print(f"  ❌ {name}")
+
+
+# ═══════════════════════════════════════════════════════════════
+# Test build_zip
+# ═══════════════════════════════════════════════════════════════
+print("\n=== build_zip ===")
+
+# 1. Базовый ZIP с одним файлом
+zip_data = build_zip([("test.md", b"content")])
+with zipfile.ZipFile(io.BytesIO(zip_data)) as zf:
+    names = zf.namelist()
+    check("один файл в ZIP", len(names) == 1)
+    check("имя test.md", "test.md" in names)
+    check("контент верный", zf.read("test.md") == b"content")
+
+# 2. ZIP с несколькими файлами
+zip_data = build_zip([
+    ("договор_obfuscated.md", "# Договор\nТекст".encode("utf-8")),
+    ("спецификация_obfuscated.md", "| Услуга | Цена |".encode("utf-8")),
+])
+with zipfile.ZipFile(io.BytesIO(zip_data)) as zf:
+    names = zf.namelist()
+    check("два файла", len(names) == 2)
+    check("mapping.csv нет", "mapping.csv" not in names)
+    check("договор читается", "Договор" in zf.read("договор_obfuscated.md").decode("utf-8"))
+
+# 3. ZIP с mapping.csv
+zip_data = build_zip(
+    [("file.md", b"data")],
+    mapping_csv="тип,оригинал,замена\nperson,Иванов,Иванов_0001\n"
+)
+with zipfile.ZipFile(io.BytesIO(zip_data)) as zf:
+    names = zf.namelist()
+    check("mapping.csv есть", "mapping.csv" in names)
+    csv_content = zf.read("mapping.csv").decode("utf-8")
+    check("mapping с BOM", csv_content.startswith('\ufeff'))
+    check("данные в mapping", "Иванов_0001" in csv_content)
+
+# 4. ZIP с кириллицей в именах
+zip_data = build_zip([("договор_№123.md", "текст".encode("utf-8"))])
+with zipfile.ZipFile(io.BytesIO(zip_data)) as zf:
+    check("кириллическое имя читается", "договор_№123.md" in zf.namelist())
+
+# 5. ZIP с бинарными данными
+binary = bytes(range(256))
+zip_data = build_zip([("binary.bin", binary)])
+with zipfile.ZipFile(io.BytesIO(zip_data)) as zf:
+    check("бинарный файл сохранён", zf.read("binary.bin") == binary)
+
+# 6. Пустой mapping
+zip_data = build_zip([("f.md", b"x")], mapping_csv="")
+with zipfile.ZipFile(io.BytesIO(zip_data)) as zf:
+    check("пустой mapping не добавляется", "mapping.csv" not in zf.namelist())
+
+
+# ═══════════════════════════════════════════════════════════════
+# Test build_mapping_csv
+# ═══════════════════════════════════════════════════════════════
+print("\n=== build_mapping_csv ===")
+
+# 1. Простой mapping
+mapping = {"Иванов И.И.": "Иванов_0001"}
+csv_str = build_mapping_csv(mapping)
+check("заголовок есть", csv_str.startswith("тип_данных,оригинал,замена"))
+check("данные есть", "Иванов_0001" in csv_str)
+
+# 2. Пустой mapping
+csv_str = build_mapping_csv({})
+lines = csv_str.strip().split("\n")
+check("пустой — только заголовок", len(lines) == 1)
+
+# 3. Сортировка
+mapping = {"Б": "Б_0001", "А": "А_0001"}
+csv_str = build_mapping_csv(mapping)
+check("сортировка А перед Б", csv_str.index("А_0001") < csv_str.index("Б_0001"))
+
+# 4. Кавычки в значениях
+mapping = {'ООО "Ромашка"': "ООО_Технология_0001"}
+csv_str = build_mapping_csv(mapping)
+check("кавычки экранированы", 'ООО "Ромашка"' in csv_str or 'ООО ""Ромашка""' in csv_str)
+
+
+# ═══════════════════════════════════════════════════════════════
+# Test: интеграция build_zip + build_mapping_csv
+# ═══════════════════════════════════════════════════════════════
+print("\n=== build_zip + build_mapping_csv ===")
+
+mapping = {"Иванов И.И.": "Иванов_0001", "ООО Ромашка": "ООО_Технология_0001"}
+csv = build_mapping_csv(mapping)
+zip_data = build_zip([("doc.md", "# Договор с Иванов_0001".encode("utf-8"))], mapping_csv=csv)
+
+with zipfile.ZipFile(io.BytesIO(zip_data)) as zf:
+    check("два файла в ZIP", len(zf.namelist()) == 2)
+    doc = zf.read("doc.md").decode("utf-8")
+    check("doc с заменой", "Иванов_0001" in doc)
+    csv_content = zf.read("mapping.csv").decode("utf-8")
+    check("CSV с обеими заменами", "Иванов_0001" in csv_content and "ООО_Технология_0001" in csv_content)
+
+
+# ═══════════════════════════════════════════════════════════════
+print(f"\n{'='*50}")
+print(f"Результат: {passed} OK, {failed} FAIL из {passed + failed}")
+if failed > 0:
+    print("❌ ТЕСТЫ ПРОВАЛЕНЫ")
+    sys.exit(1)
+else:
+    print("✅ ВСЕ ТЕСТЫ ПРОЙДЕНЫ")

tests/test_extractor.py

@@ -0,0 +1,137 @@
+"""
+Тесты extractor.py — извлечение текста, ZIP-распаковка.
+
+Запуск: python3 tests/test_extractor.py
+"""
+
+import io
+import zipfile
+import sys
+import os
+
+sys.path.insert(0, os.path.dirname(os.path.dirname(os.path.abspath(__file__))))
+
+from drhider.extractor import extract_text, expand_zips, docx_to_markdown, pdf_to_markdown
+
+passed = 0
+failed = 0
+
+def check(name, condition):
+    global passed, failed
+    if condition:
+        passed += 1
+        print(f"  ✅ {name}")
+    else:
+        failed += 1
+        print(f"  ❌ {name}")
+
+
+# ═══════════════════════════════════════════════════════════════
+# extract_text
+# ═══════════════════════════════════════════════════════════════
+print("\n=== extract_text ===")
+
+# 1. .txt
+text = extract_text("test.txt", "Просто текст".encode("utf-8"))
+check(".txt — текст извлечён", text == "Просто текст")
+
+# 2. .txt с кириллицей
+text = extract_text("документ.txt", "Привет мир".encode("utf-8"))
+check(".txt — кириллица", "Привет" in text)
+
+# 3. .doc (бинарный — пропускается)
+text = extract_text("старый.doc", b"\xD0\xCF\x11\xE0\x00" * 10)
+check(".doc — заглушка", "not supported" in text.lower() or "binary" in text.lower())
+
+# 4. Неизвестное расширение → UTF-8
+text = extract_text("file.xyz", "hello".encode("utf-8"))
+check(".xyz — как текст", text == "hello")
+
+
+# ═══════════════════════════════════════════════════════════════
+# expand_zips
+# ═══════════════════════════════════════════════════════════════
+print("\n=== expand_zips ===")
+
+# 1. Не-ZIP файлы проходят без изменений
+files = [("test.txt", b"content", "text/plain")]
+result = expand_zips(files)
+check("не-ZIP — без изменений", len(result) == 1 and result[0][0] == "test.txt")
+
+# 2. ZIP распаковывается
+buf = io.BytesIO()
+with zipfile.ZipFile(buf, 'w') as zf:
+    zf.writestr("inner.txt", b"hello")
+result = expand_zips([("archive.zip", buf.getvalue(), "application/zip")])
+check("ZIP — распакован", len(result) == 1 and result[0][0] == "inner.txt")
+check("ZIP — контент верный", result[0][1] == b"hello")
+
+# 3. ZIP с несколькими файлами
+buf = io.BytesIO()
+with zipfile.ZipFile(buf, 'w') as zf:
+    zf.writestr("a.txt", b"aaa")
+    zf.writestr("b.txt", b"bbb")
+result = expand_zips([("multi.zip", buf.getvalue(), "")])
+check("ZIP — два файла", len(result) == 2)
+
+# 4. Path traversal защита
+buf = io.BytesIO()
+with zipfile.ZipFile(buf, 'w') as zf:
+    zf.writestr("../../etc/passwd", b"bad")
+result = expand_zips([("evil.zip", buf.getvalue(), "")])
+check("path traversal — заблокирован", all("/" not in r[0] and ".." not in r[0] for r in result))
+
+# 5. Директории пропускаются
+buf = io.BytesIO()
+with zipfile.ZipFile(buf, 'w') as zf:
+    zf.writestr("dir/", b"")
+    zf.writestr("dir/file.txt", b"ok")
+result = expand_zips([("dirs.zip", buf.getvalue(), "")])
+check("директории — пропущены", len(result) == 1)
+
+
+# ═══════════════════════════════════════════════════════════════
+# docx_to_markdown
+# ═══════════════════════════════════════════════════════════════
+print("\n=== docx_to_markdown ===")
+
+try:
+    from docx import Document
+    # Создаём тестовый DOCX
+    doc = Document()
+    doc.add_heading("Заголовок", level=1)
+    p = doc.add_paragraph("Обычный текст")
+    p.add_run(" жирный").bold = True
+    doc.add_paragraph("")
+
+    # Таблица
+    table = doc.add_table(rows=2, cols=2)
+    table.rows[0].cells[0].text = "A"
+    table.rows[0].cells[1].text = "B"
+    table.rows[1].cells[0].text = "1"
+    table.rows[1].cells[1].text = "2"
+
+    buf = io.BytesIO()
+    doc.save(buf)
+    md = docx_to_markdown(buf.getvalue())
+
+    check("DOCX — заголовок #", "# Заголовок" in md)
+    check("DOCX — жирный **", "жирный**" in md and "**" in md)
+    check("DOCX — таблица", "| A | B |" in md)
+    check("DOCX — разделитель таблицы", "---|---|" in md)
+    check("DOCX — данные таблицы", "| 1 | 2 |" in md)
+
+except ImportError:
+    print("  ⚠️ python-docx не установлен — тесты DOCX пропущены")
+
+
+# ═══════════════════════════════════════════════════════════════
+# Итог
+# ═══════════════════════════════════════════════════════════════
+print(f"\n{'='*50}")
+print(f"Результат: {passed} OK, {failed} FAIL из {passed + failed}")
+if failed > 0:
+    print("❌ ТЕСТЫ ПРОВАЛЕНЫ")
+    sys.exit(1)
+else:
+    print("✅ ВСЕ ТЕСТЫ ПРОЙДЕНЫ")

tests/test_replacer.py

@@ -0,0 +1,102 @@
+"""
+Тесты replacer.py — apply_replacements.
+
+Запуск: python3 tests/test_replacer.py
+"""
+
+import sys
+import os
+
+sys.path.insert(0, os.path.dirname(os.path.dirname(os.path.abspath(__file__))))
+
+from drhider.replacer import apply_replacements
+
+passed = 0
+failed = 0
+
+def check(name, condition):
+    global passed, failed
+    if condition:
+        passed += 1
+        print(f"  ✅ {name}")
+    else:
+        failed += 1
+        print(f"  ❌ {name}")
+
+
+# ═══════════════════════════════════════════════════════════════
+# apply_replacements
+# ═══════════════════════════════════════════════════════════════
+print("\n=== apply_replacements ===")
+
+# 1. Простая замена
+text = "Директор Иванов И.И. подписал"
+mapping = {"Иванов И.И.": "Иванов_0001"}
+keys = sorted(mapping.keys(), key=len, reverse=True)
+result = apply_replacements(text, mapping, keys)
+check("простая замена", result == "Директор Иванов_0001 подписал")
+
+# 2. Длинное before короткого
+text = "ИНН 123456789012 и ИНН 1234567890"
+mapping = {"ИНН 123456789012": "ИНН_0001", "ИНН 1234567890": "ИНН_0002"}
+keys = sorted(mapping.keys(), key=len, reverse=True)
+result = apply_replacements(text, mapping, keys)
+check("длинное раньше короткого", "ИНН_0001" in result and "ИНН_0002" in result)
+check("12-значный не задет 10-значным", result == "ИНН_0001 и ИНН_0002")
+
+# 3. Границы слова
+text = "Email: test@mail.ru написать"
+mapping = {"test@mail.ru": "email_0001@fake"}
+keys = sorted(mapping.keys(), key=len, reverse=True)
+result = apply_replacements(text, mapping, keys)
+check("email заменён", "email_0001@fake" in result)
+
+# 4. Множественные замены
+text = "Иванов И.И. и Петров А.С. подписали"
+mapping = {"Иванов И.И.": "Иванов_0001", "Петров А.С.": "Петров_0002"}
+keys = sorted(mapping.keys(), key=len, reverse=True)
+result = apply_replacements(text, mapping, keys)
+check("две замены", "Иванов_0001" in result and "Петров_0002" in result)
+
+# 5. Спецсимволы в ключе
+text = 'ООО "Ромашка" заключила'
+mapping = {'ООО "Ромашка"': "ООО_Технология_0001"}
+keys = sorted(mapping.keys(), key=len, reverse=True)
+result = apply_replacements(text, mapping, keys)
+check("кавычки в ключе", "ООО_Технология_0001" in result)
+
+# 6. Кириллица
+text = "Москва, ул. Ленина, д. 42"
+mapping = {"Москва": "Москва_0001", "Ленина": "Ленина_0015"}
+keys = sorted(mapping.keys(), key=len, reverse=True)
+result = apply_replacements(text, mapping, keys)
+check("кириллица заменена", "Москва_0001" in result and "Ленина_0015" in result)
+
+# 7. Частичное совпадение не заменяется
+text = "Ивановский проспект"
+mapping = {"Иванов": "Иванов_0001"}
+keys = sorted(mapping.keys(), key=len, reverse=True)
+result = apply_replacements(text, mapping, keys)
+check("частичное совпадение — не заменено", result == "Ивановский проспект")
+
+# 8. Пустой mapping
+text = "ничего не меняется"
+result = apply_replacements(text, {}, [])
+check("пустой mapping", result == text)
+
+# 9. Markdown текст
+text = "**ООО Ромашка** заключила с **Иванов И.И.**"
+mapping = {"ООО Ромашка": "ООО_Технология_0001", "Иванов И.И.": "Иванов_0002"}
+keys = sorted(mapping.keys(), key=len, reverse=True)
+result = apply_replacements(text, mapping, keys)
+check("Markdown bold сохранён", "**ООО_Технология_0001**" in result)
+
+
+# ═══════════════════════════════════════════════════════════════
+print(f"\n{'='*50}")
+print(f"Результат: {passed} OK, {failed} FAIL из {passed + failed}")
+if failed > 0:
+    print("❌ ТЕСТЫ ПРОВАЛЕНЫ")
+    sys.exit(1)
+else:
+    print("✅ ВСЕ ТЕСТЫ ПРОЙДЕНЫ")

tests/test_scanner.py

@@ -0,0 +1,131 @@
+"""
+Тесты scanner.py — scan_regex, _next_token.
+
+Запуск: python3 tests/test_scanner.py
+"""
+
+import sys
+import os
+
+sys.path.insert(0, os.path.dirname(os.path.dirname(os.path.abspath(__file__))))
+
+from drhider.scanner import scan_regex, _next_token
+
+passed = 0
+failed = 0
+
+def check(name, condition):
+    global passed, failed
+    if condition:
+        passed += 1
+        print(f"  ✅ {name}")
+    else:
+        failed += 1
+        print(f"  ❌ {name}")
+
+
+# ═══════════════════════════════════════════════════════════════
+# _next_token
+# ═══════════════════════════════════════════════════════════════
+print("\n=== _next_token ===")
+
+counters = {}
+
+# 1. Базовый токен
+token = _next_token("person_name", counters)
+check("person → Иванов/Петров/etc", token.endswith("_0001"))
+check("счётчик увеличился", counters.get("person_Иванов", 0) == 1 or any(v == 1 for v in counters.values()))
+
+# 2. Второй токен того же типа — новый номер
+token2 = _next_token("person_name", counters)
+check("второй person — новый счётчик", any(v >= 1 for v in counters.values()))
+
+# 3. Разные типы — разные счётчики
+token3 = _next_token("company", counters)
+check("company ≠ person", token3 != token)
+
+# 4. Неизвестный тип → fallback
+counters2 = {}
+token4 = _next_token("unknown_xyz", counters2)
+check("неизвестный тип — Данные_0001", token4.startswith("Данные_") and "_0001" in token4)
+
+# 5. phone
+counters3 = {}
+token5 = _next_token("phone", counters3)
+check("phone — +7_000_000_0001", token5 == "+7_000_000_0001")
+
+# 6. address
+counters4 = {}
+token6 = _next_token("address", counters4)
+check("address — город_0001", token6.endswith("_0001") and len(token6) > 5)
+
+
+# ═══════════════════════════════════════════════════════════════
+# scan_regex
+# ═══════════════════════════════════════════════════════════════
+print("\n=== scan_regex ===")
+
+# 1. Телефон
+mapping = {}
+counters = {}
+scan_regex("Звоните +7 (495) 789-41-35", mapping, counters)
+check("телефон найден", len(mapping) == 1)
+check("телефон — токен", list(mapping.values())[0].startswith("+7_000_000_"))
+
+# 2. Email
+mapping = {}
+counters = {}
+scan_regex("Пишите на info@nubes.ru", mapping, counters)
+check("email найден", len(mapping) == 1)
+check("email — токен", list(mapping.values())[0].startswith("email_"))
+
+# 3. ИНН
+mapping = {}
+counters = {}
+scan_regex("ИНН 9706005293", mapping, counters)
+check("ИНН найден", len(mapping) == 1)
+check("ИНН — токен", list(mapping.values())[0].startswith("ИНН_"))
+
+# 4. Компания
+mapping = {}
+counters = {}
+scan_regex('ООО "Ромашка" заключила договор', mapping, counters)
+check("компания найдена", len(mapping) == 1)
+check("компания — токен", "_" in list(mapping.values())[0])
+
+# 5. ФИО
+mapping = {}
+counters = {}
+scan_regex("Директор Иванов И.И. подписал", mapping, counters)
+check("ФИО найдено", len(mapping) == 1)
+check("ФИО — токен", "_" in list(mapping.values())[0])
+
+# 6. Множественные сущности
+mapping = {}
+counters = {}
+scan_regex("ИНН 9706005293, КПП 772401001, ОГРН 1207700098759", mapping, counters)
+check("три сущности", len(mapping) == 3)
+
+# 7. Дубликаты не перезаписываются
+mapping = {}
+counters = {}
+scan_regex("+7 (495) 789-41-35 и ещё +7 (495) 789-41-35", mapping, counters)
+check("дубликат — одна запись", len(mapping) == 1)
+
+# 8. Согласованность: один счётчик
+mapping = {}
+counters = {}
+scan_regex("ИНН 9706005293 и КПП 772401001", mapping, counters)
+inn_val = mapping["ИНН 9706005293"]
+kpp_val = mapping["КПП 772401001"]
+check("ИНН и КПП разные токены", inn_val != kpp_val)
+
+
+# ═══════════════════════════════════════════════════════════════
+print(f"\n{'='*50}")
+print(f"Результат: {passed} OK, {failed} FAIL из {passed + failed}")
+if failed > 0:
+    print("❌ ТЕСТЫ ПРОВАЛЕНЫ")
+    sys.exit(1)
+else:
+    print("✅ ВСЕ ТЕСТЫ ПРОЙДЕНЫ")