Markdown TOC MCP Server

#!/usr/bin/env python3 # -*- coding: utf-8 -*- """ 章节提取功能测试 测试章节提取功能，特别是处理包含代码块的文档时的章节识别能力 """ import os import sys import unittest # 添加 src 目录到 Python 路径 sys.path.insert(0, os.path.join(os.path.dirname(__file__), '..', '..', 'src')) from markdown_toc.extractor import MarkdownTOCExtractor class TestChapterExtraction(unittest.TestCase): """章节提取功能测试类""" def setUp(self): """测试前准备""" self.extractor = MarkdownTOCExtractor() # Apache Spark 文档路径 self.spark_doc_path = os.path.join( os.path.dirname(os.path.dirname(__file__)), 'fixtures', 'Apache Spark 设计与实现.md' ) # 确保文档存在 self.assertTrue(os.path.exists(self.spark_doc_path), "Apache Spark 文档不存在") # 读取文档内容 with open(self.spark_doc_path, 'r', encoding='utf-8') as f: self.spark_content = f.read() def test_extract_all_chapters(self): """测试提取所有章节标题""" # 提取所有标题 headers = self.extractor.extract_toc(self.spark_content) # 过滤出章节标题（以"第X章"开头） import re chapter_headers = [ h for h in headers if re.match(r'第\s*[一二三四五六七八九十\d]+\s*章', h['title']) ] # 验证找到4个章节 self.assertEqual(len(chapter_headers), 4, f"应该找到4个章节，但实际找到 {len(chapter_headers)} 个") # 验证章节内容 expected_chapters = [ "第 1 章 Spark 概览与核心概念", "第 2 章 Spark 集群架构与执行机制", "第 3 章 RDD：弹性分布式数据集", "第 4 章 Spark 作业执行机制" ] actual_chapters = [h['title'] for h in chapter_headers] for expected in expected_chapters: self.assertIn(expected, actual_chapters, f"章节 '{expected}' 未找到") def test_chapter_line_numbers(self): """测试章节行号正确性""" # 提取所有标题 headers = self.extractor.extract_toc(self.spark_content) # 过滤出章节标题 import re chapter_headers = [ h for h in headers if re.match(r'第\s*[一二三四五六七八九十\d]+\s*章', h['title']) ] # 验证章节行号（这些应该是大致的位置） # 注意：行号可能因文档编辑而略有变化 chapter_line_numbers = [h['line_number'] for h in chapter_headers] # 行号应该是有序的 self.assertEqual(chapter_line_numbers, sorted(chapter_line_numbers), "章节行号应该是有序的") # 行号应该在合理范围内 for line_num in chapter_line_numbers: self.assertGreater(line_num, 0, "行号应该大于0") self.assertLess(line_num, 5000, "行号应该在合理范围内") def test_chapter_levels(self): """测试章节级别正确性""" # 提取所有标题 headers = self.extractor.extract_toc(self.spark_content) # 过滤出章节标题 import re chapter_headers = [ h for h in headers if re.match(r'第\s*[一二三四五六七八九十\d]+\s*章', h['title']) ] # 所有章节应该是二级标题 for chapter in chapter_headers: self.assertEqual(chapter['level'], 2, f"章节 '{chapter['title']}' 应该是二级标题") def test_no_false_positives(self): """测试不会误识别章节小结为章节""" # 提取所有标题 headers = self.extractor.extract_toc(self.spark_content) # 过滤出章节标题（以"第X章"开头） import re chapter_headers = [ h for h in headers if re.match(r'第\s*[一二三四五六七八九十\d]+\s*章', h['title']) ] # 检查章节标题中不应该包含"小结" false_chapters = [ h['title'] for h in chapter_headers if re.search(r'小结', h['title']) ] # 应该没有误识别的章节小结 self.assertEqual(len(false_chapters), 0, f"发现误识别的章节小结: {false_chapters}") def test_chapter_extraction_with_code_blocks(): """ 测试包含代码块的文档章节提取 这个测试专门验证修复的问题：代码块内的章节标题应该被正确识别 """ extractor = MarkdownTOCExtractor() # 创建一个包含代码块的测试文档 test_content = """ # 第 1 章 介绍 这是第一章的内容 ``` ## 第 2 章 代码中的章节（不应该被误识别） 这是代码块中的内容，不应该被提取为章节 ``` ## 第 2 章 实际章节 这是真正的第二章 ```java // 另一个代码块 ## 第 3 章 另一个代码中的章节 不应该被识别 ``` ## 第 3 章 真正的第三章 内容 """ # 提取标题 headers = extractor.extract_toc(test_content) # 过滤出章节标题 import re chapter_headers = [ h for h in headers if re.match(r'第\s*[一二三四五六七八九十\d]+\s*章', h['title']) ] # 应该只找到3个真正的章节，而不是代码块中的假章节 assert len(chapter_headers) == 3, f"应该找到3个章节，但找到 {len(chapter_headers)} 个" # 验证章节标题 expected_titles = ["第 1 章 介绍", "第 2 章 实际章节", "第 3 章 真正的第三章"] actual_titles = [h['title'] for h in chapter_headers] for expected in expected_titles: assert expected in actual_titles, f"章节 '{expected}' 未找到" print("✅ 代码块章节提取测试通过") if __name__ == '__main__': # 运行单元测试 unittest.main(verbosity=2) # 运行额外的功能测试 print("\n运行额外功能测试...") test_chapter_extraction_with_code_blocks() print("所有测试通过! 🎉")