vrsub/tests/nodes/test_proper_nouns/test_rule.py

"""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")