from app.text_extract import html_to_text, markdown_to_text def test_html_to_text_strips_tags(): html = """

架构设计

DocHub 是一个基于 MinIO 的文档管理系统。

""" result = html_to_text(html) assert "架构设计" in result assert "DocHub 是一个基于 MinIO 的文档管理系统。" in result assert "浏览文档" in result assert "

" not in result assert "" not in result def test_html_to_text_collapses_whitespace(): html = "
第一段
\n\n\n
第二段
" result = html_to_text(html) assert result == "第一段第二段" def test_markdown_to_text_strips_headers_and_emphasis(): markdown = """# 架构设计 ## 背景 DocHub 是一个基于 MinIO 的 _文档管理系统_，支持全文检索。 """ result = markdown_to_text(markdown) assert "#" not in result assert "**" not in result assert "_" not in result assert "架构设计" in result assert "背景" in result assert "基于 MinIO" in result assert "文档管理系统" in result def test_markdown_to_text_strips_links_and_list_markers(): markdown = """## 功能列表 - 浏览 [MinIO](https://min.io) 中存储的文档 - 支持 [Meilisearch](https://www.meilisearch.com) 全文检索 1. 在线编辑并保存 """ result = markdown_to_text(markdown) assert "[" not in result assert "](" not in result assert "浏览 MinIO 中存储的文档" in result assert "支持 Meilisearch 全文检索" in result assert "在线编辑并保存" in result def test_markdown_to_text_strips_code_fences_and_inline_code(): markdown = """使用 `pip install -r requirements.txt` 安装依赖。 ```python def hello(): return "world" ``` 安装完成后启动服务。 """ result = markdown_to_text(markdown) assert "```" not in result assert "def hello" not in result assert "使用 pip install -r requirements.txt 安装依赖。" in result assert "安装完成后启动服务。" in result