Domi31tls
e0b526b2c7
Trois fixes qui font passer 009_multi_etablissements en vert et ferment la liste des fuites identifiées par la couche 2. #3 — `Centre Hospitalier Universitaire de Bordeaux` coupé sur deux lignes Nouveau pattern `RE_ETAB_LINEBREAK` (strict) en pré-passe sur la page entière, juste avant le découpage en lignes. Match `<TYPE>\n<suite>` avec : - TYPE limité (Centre Hospitalier, Hôpital, Clinique, Polyclinique, CHU, CHRU, CHS) ; - un seul `\n` autorisé entre TYPE et suite ; - la suite démarre obligatoirement par un connecteur typique (Universitaire, de, d', du, des, la, le, les) puis UN nom propre. Évite le FP `CENTRE HOSPITALIER COTE BASQUE\nService d'anesthésie` (le `\n` n'est pas immédiat après le type, donc pas de match). #4 — `CHCB` en fin de phrase suivi de ` ;` `_kv_value_only_mask` splittait `transféré au CHCB pour la rééducation ;` sur le `;` du `SPLITTER` (`\s*[:|;\t]\s*`), produisant une value vide. La key contenait CHCB mais n'était passée qu'à `_mask_critical_in_key` qui ne couvre pas les force_terms admin_rules. Fix : fallback sur `_mask_line_by_regex(line)` (qui appelle `_apply_overrides` → force_terms) si la value est vide ou la key dépasse 5 mots (heuristique narrative). #5 — `Biarritz` non masqué après `[ETABLISSEMENT] à Biarritz` `_mask_ville_gazetteers` skippait par sécurité toute ville détectée juste après un placeholder établissement précédé de `de/du/d'/à`. Le `à` était inclus pour éviter les FP, mais c'est la préposition de LOCALISATION par excellence : `Clinique Aguilera à Biarritz` perd Biarritz à tort. Restreint le skip à `de/du/d'` (qui sont des parties de nom d'établissement type `CHU de Bordeaux`). `à` reste actif. Couche 2 entièrement verte : 73 passed, 0 xfailed (avant : 72 + 1 xfailed). KNOWN_FAILURES vidé. La gate pytest est désormais le contrat de non-régression sur 10 documents complets. Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
71 lines
2.1 KiB
Python
71 lines
2.1 KiB
Python
#!/usr/bin/env python3
|
|
"""
|
|
Gate pytest sur le corpus synthétique de revue humaine (couche 2).
|
|
|
|
Chaque cas dans tests/synthetic_review/cases/ doit produire un texte
|
|
identique à expected.txt, satisfaire ses expectations.json et ne révéler
|
|
aucune fuite via le LeakScanner.
|
|
|
|
Les cas listés dans KNOWN_FAILURES sont marqués xfail(strict=True) :
|
|
ils sont attendus en échec aujourd'hui car ils révèlent des bugs réels
|
|
du moteur. Quand un bug est fixé, le cas correspondant passe → pytest
|
|
signale le xpass strict, ce qui force à retirer son entrée de
|
|
KNOWN_FAILURES.
|
|
"""
|
|
from __future__ import annotations
|
|
|
|
import sys
|
|
from pathlib import Path
|
|
|
|
import pytest
|
|
|
|
ROOT = Path(__file__).resolve().parents[2]
|
|
if str(ROOT) not in sys.path:
|
|
sys.path.insert(0, str(ROOT))
|
|
|
|
from tools.run_synthetic_review_corpus import ( # noqa: E402
|
|
CASES_DIR,
|
|
run_case,
|
|
)
|
|
|
|
|
|
KNOWN_FAILURES: dict[str, str] = {}
|
|
|
|
|
|
def _case_dirs() -> list[Path]:
|
|
if not CASES_DIR.exists():
|
|
return []
|
|
return sorted(path for path in CASES_DIR.iterdir() if path.is_dir())
|
|
|
|
|
|
def _make_param(case_dir: Path) -> "pytest.ParameterSet":
|
|
if case_dir.name in KNOWN_FAILURES:
|
|
return pytest.param(
|
|
case_dir,
|
|
id=case_dir.name,
|
|
marks=pytest.mark.xfail(
|
|
strict=True,
|
|
reason=KNOWN_FAILURES[case_dir.name],
|
|
),
|
|
)
|
|
return pytest.param(case_dir, id=case_dir.name)
|
|
|
|
|
|
def test_synthetic_review_inventory():
|
|
"""Le corpus doit contenir 10 cas (cible de cadrage produit)."""
|
|
assert CASES_DIR.exists(), f"Dossier corpus introuvable : {CASES_DIR}"
|
|
case_dirs = _case_dirs()
|
|
assert len(case_dirs) == 10, (
|
|
f"Attendu 10 cas dans synthetic_review/cases, trouvé {len(case_dirs)} : "
|
|
f"{[c.name for c in case_dirs]}"
|
|
)
|
|
|
|
|
|
@pytest.mark.parametrize("case_dir", [_make_param(c) for c in _case_dirs()])
|
|
def test_synthetic_review_case(case_dir: Path):
|
|
result = run_case(case_dir)
|
|
assert not result["failures"], (
|
|
f"{case_dir.name} : {', '.join(result['failures'])}\n"
|
|
f"Diff disponible dans {result['output_dir']}/diff.txt"
|
|
)
|