1

2026-08-05 10:28:44 +08:00
commit 0bacf2e0a4
103 changed files with 9415 additions and 0 deletions
@@ -0,0 +1,97 @@
+package common
+
+import (
+	"archive/zip"
+	"os"
+	"path/filepath"
+	"strings"
+	"testing"
+)
+
+func TestParseTxt(t *testing.T) {
+	path := filepath.Join(t.TempDir(), "a.txt")
+	if err := os.WriteFile(path, []byte("第一行\n\n## 标题\n第二行"), 0o644); err != nil {
+		t.Fatal(err)
+	}
+	text, err := ParseFile(path)
+	if err != nil {
+		t.Fatal(err)
+	}
+	for _, part := range []string{"第一行", "## 标题", "第二行"} {
+		if !strings.Contains(text, part) {
+			t.Errorf("missing %q in %q", part, text)
+		}
+	}
+}
+
+func TestParseHtml(t *testing.T) {
+	path := filepath.Join(t.TempDir(), "b.html")
+	html := `<html><body><h1>文档标题</h1><p>正文第一段。</p><p>正文第二段。</p></body></html>`
+	if err := os.WriteFile(path, []byte(html), 0o644); err != nil {
+		t.Fatal(err)
+	}
+	text, err := ParseFile(path)
+	if err != nil {
+		t.Fatal(err)
+	}
+	for _, part := range []string{"文档标题", "正文第一段", "正文第二段"} {
+		if !strings.Contains(text, part) {
+			t.Errorf("missing %q in %q", part, text)
+		}
+	}
+}
+
+func TestParseDocx(t *testing.T) {
+	path := filepath.Join(t.TempDir(), "c.docx")
+	f, err := os.Create(path)
+	if err != nil {
+		t.Fatal(err)
+	}
+	zw := zip.NewWriter(f)
+	w, err := zw.Create("word/document.xml")
+	if err != nil {
+		t.Fatal(err)
+	}
+	xml := `<?xml version="1.0"?><w:document xmlns:w="urn:x"><w:body><w:p><w:r><w:t>第一段落</w:t></w:r></w:p><w:p><w:r><w:t>第二段落</w:t></w:r></w:p></w:body></w:document>`
+	if _, err := w.Write([]byte(xml)); err != nil {
+		t.Fatal(err)
+	}
+	if err := zw.Close(); err != nil {
+		t.Fatal(err)
+	}
+	f.Close()
+
+	text, err := ParseFile(path)
+	if err != nil {
+		t.Fatal(err)
+	}
+	for _, part := range []string{"第一段落", "第二段落"} {
+		if !strings.Contains(text, part) {
+			t.Errorf("missing %q in %q", part, text)
+		}
+	}
+}
+
+func TestParsePdf(t *testing.T) {
+	path := "/Users/zhangbin/go/pkg/mod/github.com/pdfcpu/pdfcpu@v0.14.0/pkg/testdata/testRot.pdf"
+	if _, err := os.Stat(path); err != nil {
+		t.Skip("pdfcpu testdata not found")
+	}
+	text, err := ParseFile(path)
+	if err != nil {
+		t.Fatal(err)
+	}
+	if strings.TrimSpace(text) == "" {
+		t.Fatal("pdf text is empty")
+	}
+}
+
+func TestParseUnsupported(t *testing.T) {
+	path := filepath.Join(t.TempDir(), "d.xyz")
+	if err := os.WriteFile(path, []byte("x"), 0o644); err != nil {
+		t.Fatal(err)
+	}
+	if _, err := ParseFile(path); err == nil {
+		t.Fatal("expected error for unsupported type")
+	}
+}