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 +1,19 @@
+1
+00:00:00,000 --> 00:00:01,440
+---
+
+2
+00:00:01,440 --> 00:00:04,320
+SUB 001
+
+3
+00:00:05,760 --> 00:00:06,240
+---
+
+4
+00:00:06,240 --> 00:00:09,120
+SUB 002
+
+5
+00:00:09,600 --> 00:00:10,080
+---
@@ -0,0 +1,224 @@
+"""nodes/srt.py 的模块级测试（数据 → 测试过程 → 验证结果）。
+
+被测模块：`nodes/srt.py`（SRT 条目解析与序列化），是 `llm-translate`、
+`llm-filter` 等节点的公共依赖，可独立调用也可被组合调用，因此按规则
+拥有独立的模块测试目录 `tests/nodes/test_srt/`。
+
+结构约定：每个用例先准备输入数据，再调用真实生产代码 `parse_srt` /
+`serialize_srt`，最后断言输出结果；数据为测试代码内常量或本目录 `data/`
+下的真实字幕文件，不依赖全局 conftest 与其他测试的执行顺序。
+"""
+
+from __future__ import annotations
+
+from pathlib import Path
+
+import pytest
+
+from nodes.srt import Cue, parse_srt, serialize_srt
+
+# 模块专用数据目录：真实字幕文件放在测试代码所在目录内，与其他测试区分。
+DATA_DIR = Path(__file__).resolve().parent / "data"
+
+# 真实字幕参考文件（5 条，含 `---` 装饰正文与多条连续条目）。
+SAMPLE_REFERENCE_SRT = DATA_DIR / "sample.reference.srt"
+
+
+def test_parses_single_cue() -> None:
+    """最基本的合法 SRT：一条字幕解析出时间戳与正文。"""
+    # 数据：标准格式的单条字幕。
+    text = "1\n00:00:01,000 --> 00:00:02,000\n你好\n"
+
+    # 测试过程：调用真实解析函数。
+    cues = parse_srt(text)
+
+    # 验证结果：条目数量、时间戳与正文完全一致。
+    assert cues == [Cue("00:00:01,000", "00:00:02,000", "你好")]
+
+
+def test_accepts_bom_and_crlf() -> None:
+    """兼容 Windows BOM 与 CRLF 换行（真实字幕文件常见编码形态）。"""
+    # 数据：带 BOM 且行尾为 \r\n 的 SRT。
+    text = "\ufeff1\r\n00:00:01,000 --> 00:00:02,000\r\n你好\r\n"
+
+    # 测试过程
+    cues = parse_srt(text)
+
+    # 验证结果：BOM 与 \r 不残留到正文。
+    assert cues == [Cue("00:00:01,000", "00:00:02,000", "你好")]
+
+
+def test_keeps_multiline_body() -> None:
+    """多行正文（含逗号类标点）必须完整保留内部换行。"""
+    # 数据：第二条以正文结尾（文件末尾无空行）。
+    text = (
+        "1\n00:00:01,000 --> 00:00:02,000\n第一行\n第二行\n\n"
+        "2\n00:00:03,000 --> 00:00:04,000\n末尾无空行"
+    )
+
+    # 测试过程
+    cues = parse_srt(text)
+
+    # 验证结果：两条条目、正文分别保留内部换行。
+    assert [cue.text for cue in cues] == ["第一行\n第二行", "末尾无空行"]
+
+
+def test_keeps_empty_body_with_timeline() -> None:
+    """空正文条目保留时间轴（翻译节点需要空 cue 占位对齐）。"""
+    # 数据：第一条正文为空，第二条有正文。
+    text = (
+        "1\n00:00:01,000 --> 00:00:02,000\n\n"
+        "2\n00:00:03,000 --> 00:00:04,000\n有词\n"
+    )
+
+    # 测试过程
+    cues = parse_srt(text)
+
+    # 验证结果：空正文解析为空字符串，但时间轴不被丢弃。
+    assert cues[0] == Cue("00:00:01,000", "00:00:02,000", "")
+    assert len(cues) == 2
+
+
+def test_treats_whitespace_only_body_as_empty() -> None:
+    """仅含空白的正文视为空正文，不作为正文内容写入。"""
+    # 数据：第一条正文是三个空格。
+    text = (
+        "1\n00:00:01,000 --> 00:00:02,000\n   \n"
+        "2\n00:00:03,000 --> 00:00:04,000\nB\n"
+    )
+
+    # 测试过程
+    cues = parse_srt(text)
+
+    # 验证结果
+    assert [cue.text for cue in cues] == ["", "B"]
+
+
+def test_accepts_extra_spaces_around_arrow() -> None:
+    """时间戳箭头两侧多余空格不导致解析失败。"""
+    # 数据：箭头两侧各三个空格。
+    text = "1\n00:00:01,000   -->   00:00:02,000\nA\n"
+
+    # 测试过程与验证结果
+    assert parse_srt(text) == [Cue("00:00:01,000", "00:00:02,000", "A")]
+
+
+def test_accepts_arbitrary_index_numbers() -> None:
+    """序号只需是数字：真实字幕（如参考 SRT）序号可以不从 1 连续。"""
+    # 数据：序号为 7 与 16（真实参考字幕的形态）。
+    text = "7\n00:00:01,000 --> 00:00:02,000\nA\n\n16\n00:00:03,000 --> 00:00:04,000\nB\n"
+
+    # 测试过程
+    cues = parse_srt(text)
+
+    # 验证结果：序号不参与输出，只保留时间戳与正文。
+    assert cues == [Cue("00:00:01,000", "00:00:02,000", "A"), Cue("00:00:03,000", "00:00:04,000", "B")]
+
+
+def test_accepts_hours_over_99() -> None:
+    """超过两位的小时数（长视频）必须保留原样。"""
+    # 数据：小时为 100。
+    text = "1\n100:00:01,000 --> 100:00:02,000\nA\n"
+
+    # 测试过程与验证结果
+    assert parse_srt(text)[0].start == "100:00:01,000"
+
+
+def test_empty_and_blank_input_return_no_cues() -> None:
+    """空文件与仅含空行的文件都返回空列表，而不是报错。"""
+    # 数据：空字符串、纯空行两类输入。
+    # 测试过程与验证结果
+    assert parse_srt("") == []
+    assert parse_srt("\n\n\n") == []
+
+
+def test_rejects_dot_millisecond_separator() -> None:
+    """毫秒分隔符是逗号；点号（VTT 风格）必须明确报错而非静默错解析。"""
+    # 数据：时间戳使用点号。
+    text = "1\n00:00:01.000 --> 00:00:02.000\nA\n"
+
+    # 测试过程与验证结果：抛出 ValueError 并给出行号。
+    with pytest.raises(ValueError, match="timestamp"):
+        parse_srt(text)
+
+
+def test_rejects_missing_index() -> None:
+    """缺少序号行时明确报错（否则时间轴行会被当成序号）。"""
+    # 数据：直接以时间戳开头。
+    text = "00:00:01,000 --> 00:00:02,000\nA\n"
+
+    # 测试过程与验证结果
+    with pytest.raises(ValueError, match="index"):
+        parse_srt(text)
+
+
+def test_rejects_truncated_last_entry() -> None:
+    """末尾条目只有序号、没有时间戳时明确报错。"""
+    # 数据：最后一行是孤立的序号 2。
+    text = "1\n00:00:01,000 --> 00:00:02,000\nA\n\n2\n"
+
+    # 测试过程与验证结果
+    with pytest.raises(ValueError, match="index"):
+        parse_srt(text)
+
+
+def test_rejects_negative_timestamp() -> None:
+    """负时间戳非法，必须报错。"""
+    # 数据：起始时间为负数。
+    text = "1\n-00:00:01,000 --> 00:00:02,000\nA\n"
+
+    # 测试过程与验证结果
+    with pytest.raises(ValueError, match="timestamp"):
+        parse_srt(text)
+
+
+def test_no_blank_line_between_cues_keeps_timeline_in_body() -> None:
+    """缺少空行分隔时必须报错，而不是把下一条的时间轴吞进上一条正文。
+
+    真实形态：`...\\nA\\n2\\n00:00:03,000 --> 00:00:04,000\\nB\\n`。
+    当前实现会把 `2` 与时间轴行当作上一条正文，静默产出时间轴错位的字幕
+    （同 R05 类"静默错位"缺陷：解析不报错，但字幕时间与文本不对应）。
+    """
+    # 数据：两条条目之间没有空行分隔。
+    text = "1\n00:00:01,000 --> 00:00:02,000\nA\n2\n00:00:03,000 --> 00:00:04,000\nB\n"
+
+    # 测试过程与验证结果：应明确报错，不能静默吞并。
+    with pytest.raises(ValueError):
+        parse_srt(text)
+
+
+def test_serialize_renumbers_and_keeps_empty_cue() -> None:
+    """序列化按顺序重排序号，空正文条目仍保留时间轴行。"""
+    # 数据：两条条目，第二条正文为空。
+    cues = [Cue("00:00:01,000", "00:00:02,000", "A"), Cue("00:00:03,000", "00:00:04,000", "")]
+
+    # 测试过程
+    text = serialize_srt(cues)
+
+    # 验证结果：序号连续、空正文条目保留时间轴与尾随空行。
+    assert text == (
+        "1\n00:00:01,000 --> 00:00:02,000\nA\n\n"
+        "2\n00:00:03,000 --> 00:00:04,000\n\n"
+    )
+
+
+def test_serialize_empty_list_returns_empty_text() -> None:
+    """空列表序列化为空字符串（供节点写出空字幕）。"""
+    # 数据：空条目列表。
+    # 测试过程与验证结果
+    assert serialize_srt([]) == ""
+
+
+def test_round_trip_is_stable_on_real_reference_srt() -> None:
+    """真实参考字幕：解析 → 序列化 → 再解析结果完全一致（时间轴无损）。"""
+    # 数据：本模块 data/ 下的真实参考字幕（5 条，含 `---` 正文）。
+    raw = SAMPLE_REFERENCE_SRT.read_text(encoding="utf-8")
+
+    # 测试过程：解析后序列化，再解析一次。
+    first = parse_srt(raw)
+    second = parse_srt(serialize_srt(first))
+
+    # 验证结果：条目数与内容不变，且时间轴行数与源文件一致。
+    assert first == second
+    assert len(first) == sum(1 for line in raw.splitlines() if "-->" in line)
+    assert first[2].text == "---"