跳转至

DocGale 样例与回归测试归属

完整 PDF、Office 样例与对应原生解析、几何、语义、表格、渲染回归现由 DocGale 维护。MinerU 只保留 demo/pdfs/demo1.pdf 和 demo/pdfs/demo2.pdf,用于宿主路由及 Hybrid 集成测试。

两个仓库的普通测试都不读取相邻仓库,也不在运行时下载样例。Office 路由测试 现场生成最小输入;复杂 Office 内容与导出真值在 DocGale 中验证。

tests/fixtures/hybrid_native_script_inputs.json 保存 Hybrid 回填使用的 33 组 最小字符输入,来自 7 份原始 PDF。每组保留字体、原始字符索引及 source_indices、 loose bbox(位于 chars.bbox)、tight bbox 和 origin,源文件 SHA256 和提取版本 记录在同一文件中。原有文本、几何归属和上下标断言不变。

只有需要再生或审查这些输入时,才需准备完整 DocGale 语料,并使用记录的 PDFium 版本:

uv run --no-project python tests/fixtures/capture_hybrid_native_script_inputs.py \
  --source-root /path/to/docgale/demo/pdfs --check

省略 --check 会显式更新 fixture。普通测试不需要运行此命令。

两边统一使用 pydantic>=2.12.5,<3,共享依赖约束保持一致。DocGale 支持 Python 3.10–3.14;MinerU 当前 Python 范围维持 3.10–3.13。此次没有新增 Pydantic 兼容实现。使用新 DocGale wheel 和 Pydantic 2.12.5 的 MinerU 单元测试 结果为 3972 passed、4 skipped、4 个已记录基线失败单独排除;迁走的原生测试 由 DocGale 独立执行。

本页原文 Markdown:在 AtomGit 查看·内容源自开源项目 mi/MinerU