test: 按模块重写测试代码，删除旧平铺结构

按"测试规则"重写 tests/：一个模块一个目录、用例按数据→过程→验证三段书写、不保留全局 conftest.py、测试过程只调用真实生产代码。结构（73 个文件、30 个模块目录、477 用例）： - tests/nodes/ 15 个模块目录（srt/whisper/ass/ffmpeg/frame_extract/vlm/ subtitle_ocr/llm/llm_filter/subtitle_cleanup/subtitle_correction/ proper_nouns/adaptive_pool/vad_profiler/echo）； - tests/app/ 11 个模块目录（db/scheduler/batch/maintenance/registry/seed/ storage/config/logging/main/routers 三组 API）； - tests/sdk/test_models、tests/web/test_crop、tests/shared（公共设施）。测试数据随模块目录入库（tests/**/data/），删除根级 testdata/；.gitignore 的 data/ 改为 /data/，否则会连带忽略 tests/**/data/ 导致测试数据无法入库。顺带发现并修复三个真实缺陷： - nodes/srt.py：相邻条目缺少空行时把下一条时间轴吞进正文（静默错位），改为正文行遇时间戳行即报错； - src/wov_app/scheduler.py：_file_size 只捕获 OSError，含 \x00 的产物 URI 抛 ValueError 导致任务误判失败，改为同时捕获； - nodes/subtitle_correction.py：生产代码依赖测试包解析 SRT，改用生产模块 nodes/srt.py。真实模型/服务集成测试按外部状态跳过：新增 tests/shared/gpu_memory.py （运行时探测显存、CUDA OOM 转跳过）与 tests/shared/llm_service.py （无 Key / 余额 / 限流转跳过）。全量 477 passed。
2026-09-13 15:40:56 +08:00
parent 966f3e6b4b
commit 8a715a8064
139 changed files with 20810 additions and 10733 deletions
@@ -0,0 +1,179 @@
+"""nodes/proper_nouns.py 的模块级测试（数据 → 测试过程 → 验证结果）。
+
+被测模块：`nodes/proper_nouns.py`（专名/拟声/成人隐语提示词规则），供
+llm-translate 注入系统提示词，纯函数可独立调用。
+
+覆盖：未命中不注入、三类规则（专名/拟声/隐语）各自命中、批量文本输入、
+规则文本包含可执行的翻译指令。
+"""
+
+from __future__ import annotations
+
+import pytest
+
+from nodes.proper_nouns import (
+    ADULT_EUPHEMISMS,
+    ONOMATOPOEIA,
+    PROPER_NOUNS,
+    build_proper_noun_rule,
+)
+
+
+def test_returns_none_when_nothing_matches() -> None:
+    """普通文本未命中任何规则表时不注入（避免干扰正常翻译）。"""
+    # 数据：不含规则表词条的普通句子。
+    text = "今天天气真好。\n我们一起去散步吧。"
+
+    # 测试过程
+    rule = build_proper_noun_rule(text)
+
+    # 验证结果
+    assert rule is None
+
+
+def test_empty_input_returns_none() -> None:
+    """空文本与空列表都不注入规则。"""
+    # 数据：空字符串与空列表。
+    # 测试过程与验证结果
+    assert build_proper_noun_rule("") is None
+    assert build_proper_noun_rule([]) is None
+
+
+def test_injects_proper_noun_rule_with_advice() -> None:
+    """命中专名表时注入该词的处置建议（禁止硬译）。"""
+    # 数据：真实字幕片段，含角色专名 ジンゴ。
+    text = "クモ穴にパンパンになって ジンゴがここで味わいませんか"
+
+    # 测试过程
+    rule = build_proper_noun_rule(text)
+
+    # 验证结果：规则非空，含原词与处置说明。
+    assert rule is not None
+    assert "ジンゴ" in rule
+    assert "芒果" in rule  # 说明文本中包含"禁止译作芒果"的约束
+
+
+def test_injects_person_name_rule() -> None:
+    """人名类专名命中时给出音译建议（不保留日文写法）。"""
+    # 数据：含人名 カンタくん。
+    text = "カンタくん、そこにいたの"
+
+    # 测试过程
+    rule = build_proper_noun_rule(text)
+
+    # 验证结果
+    assert rule is not None
+    assert "カンタくん" in rule
+    assert "音译" in rule
+
+
+def test_injects_onomatopoeia_rule() -> None:
+    """拟声/拟态词命中时给出按语境翻译的建议。"""
+    # 数据：含拟态词 ビクビク。
+    text = "体がビクビク震えてる"
+
+    # 测试过程
+    rule = build_proper_noun_rule(text)
+
+    # 验证结果
+    assert rule is not None
+    assert "ビクビク" in rule
+
+
+def test_injects_adult_euphemism_with_actual_meaning() -> None:
+    """成人语境隐语命中时注入"实际含义 + 应译词 + 禁止字面直译"。"""
+    # 数据：含隐语 マンゴー（实际指女性性器官）。
+    text = "そろそろマンゴーが濡れてきました"
+
+    # 测试过程
+    rule = build_proper_noun_rule(text)
+
+    # 验证结果：规则提示这是隐语并禁止字面直译。
+    assert rule is not None
+    assert "マンゴー" in rule
+    assert "隐语" in rule
+    assert "切勿按字面直译" in rule
+
+
+def test_accepts_batch_line_list() -> None:
+    """接受原文行列表（按批翻译时传入多行），跨行命中同样注入。"""
+    # 数据：命中词分散在不同行。
+    lines = ["普通的一句话", "相手がバナナをしゃぶってくれて"]
+
+    # 测试过程
+    rule = build_proper_noun_rule(lines)
+
+    # 验证结果
+    assert rule is not None
+    assert "バナナ" in rule
+
+
+def test_rule_text_covers_all_injected_tokens() -> None:
+    """多词同时命中时每条都出现在规则文本中（不丢词）。"""
+    # 数据：同时含专名、拟声、隐语各一个。
+    text = "ジンゴとビクビクとマンゴーの話"
+
+    # 测试过程
+    rule = build_proper_noun_rule(text)
+
+    # 验证结果：三个词都在规则里。
+    assert rule is not None
+    for token in ("ジンゴ", "ビクビク", "マンゴー"):
+        assert token in rule
+
+
+def test_each_rule_table_entry_is_self_consistent() -> None:
+    """规则表结构自检：每张表的每条记录字段完整，避免维护时漏字段。
+
+    这不重复业务逻辑，而是保证数据资产（表）本身可用——新增词条时若写错
+    结构，此处会立刻失败。
+    """
+    # 数据：三张规则表。
+    tables = (PROPER_NOUNS, ONOMATOPOEIA, ADULT_EUPHEMISMS)
+
+    # 测试过程与验证结果
+    for table in tables:
+        assert table, "规则表不应为空"
+        for token, payload in table.items():
+            assert token.strip(), "词条不能为空白"
+            assert all(str(part).strip() for part in payload), f"{token} 的说明字段不完整"
+
+
+@pytest.mark.integration
+def test_rule_matches_real_transcript_data() -> None:
+    """真实数据校准：真实日文 transcript 中含专名的片段应命中并注入规则。
+
+    数据来源：`data/` 下真实任务的 transcript.srt（gitignored，缺失即跳过）。
+    """
+    # 数据：仓库 data/ 下真实产物的 transcript 文件。
+    import json
+    from pathlib import Path
+
+    from tests.shared.srt_entries import parse_srt_entries
+
+    workspace = Path(__file__).resolve().parents[3]
+    # 真实产物里的字幕（ASR 转录或过滤后字幕都可能含专名，两者都扫）。
+    candidates = sorted(
+        p for pattern in ("steps/asr/transcript.srt", "steps/filter/*.srt", "steps/ocr/subtitle.srt")
+        for p in (workspace / "data" / "storage").glob(f"runs/*/{pattern}")
+        if p.is_file()
+    )
+    if not candidates:
+        pytest.skip("缺少真实字幕后端产物（data/ 未保留运行产物），跳过")
+
+    # 测试过程：在真实字幕里找**实际出现的**专名（不写死某个词，
+    # 数据内容随影片变化），用它的上下文构造规则。
+    for path in candidates:
+        entries = parse_srt_entries(path.read_text(encoding="utf-8"))
+        for token in PROPER_NOUNS:
+            batch = [e["text"] for e in entries if token in e["text"]]
+            if not batch:
+                continue
+            rule = build_proper_noun_rule(batch)
+
+            # 验证结果：命中专名即注入规则，且规则可安全序列化进提示词。
+            assert rule is not None, f"真实数据含专名 {token}，应注入规则"
+            assert token in rule, f"规则应包含命中的专名 {token}"
+            assert json.dumps(rule, ensure_ascii=False)
+            return
+    pytest.skip("真实字幕中未出现规则表内的专名，跳过")