anonymisation/tests/unit/test_q1_quarantine.py

"""
Tests squelette pour Q-1 — Quarantaine différentielle sur rédaction PDF.

État : SQUELETTE en mode xfail/skip — attend le pseudo-code final de Qwen
       (`docs/coordination/inbox/for-dom/2026-05-28_qwen_pseudocode-Q1-quarantaine.md`)
       et l'implémentation Dom pour devenir des tests verts.

Convention :
- @pytest.mark.xfail(strict=True) tant que l'API n'existe pas
- Une fois l'impl en place, retirer xfail et le test doit passer
- Test = spec exécutable du comportement attendu

Chaque test correspond à un comportement défini dans D-6 / D-10.
"""
from __future__ import annotations

import json
from pathlib import Path
from typing import Any

import pytest


# === Fixtures ====================================================

@pytest.fixture
def tmp_output_dir(tmp_path: Path) -> Path:
    """Dossier de sortie temporaire pour un batch."""
    out = tmp_path / "output"
    out.mkdir()
    return out


@pytest.fixture
def sample_pdf_ok(tmp_path: Path) -> Path:
    """PDF qui s'extrait et se rédige normalement.
    À remplacer par un vrai PDF fixture du corpus tests/data/."""
    p = tmp_path / "doc_ok.pdf"
    p.write_bytes(b"%PDF-1.4\n%fake\n")  # placeholder
    return p


@pytest.fixture
def sample_pdf_empty_text(tmp_path: Path) -> Path:
    """PDF dont l'extraction de texte retourne (quasi)-rien.
    Doit déclencher le pré-flight B-3."""
    p = tmp_path / "doc_empty.pdf"
    p.write_bytes(b"%PDF-1.4\n%empty\n")
    return p


@pytest.fixture
def sample_pdf_redaction_fails(tmp_path: Path) -> Path:
    """PDF dont le texte est extractible mais où la rédaction PyMuPDF échoue.
    Cas typique : PDF avec annotations corrompues."""
    p = tmp_path / "doc_redact_fail.pdf"
    p.write_bytes(b"%PDF-1.4\n%redact_fails\n")
    return p


# === Tests B-3 : pré-flight texte vide ===========================

@pytest.mark.xfail(strict=True, reason="Q-1 pas encore implémenté")
def test_preflight_empty_text_goes_to_quarantine(sample_pdf_empty_text: Path, tmp_output_dir: Path) -> None:
    """B-3 — Un document dont l'extraction retourne moins de N caractères
    doit être placé en quarantaine sans tentative de rédaction."""
    from anonymizer_core_refactored_onnx import process_pdf  # noqa: F401

    # process_pdf(sample_pdf_empty_text, output_dir=tmp_output_dir, ...)

    quarantine_dir = tmp_output_dir / "quarantaine"
    assert quarantine_dir.exists(), "Le dossier quarantaine doit être créé"
    assert (quarantine_dir / "doc_empty.reason.txt").exists()
    assert not (tmp_output_dir / "doc_empty.pseudonymise.txt").exists()
    assert not (tmp_output_dir / "doc_empty.redacted.pdf").exists()


@pytest.mark.xfail(strict=True, reason="Q-1 pas encore implémenté")
def test_preflight_reason_format(sample_pdf_empty_text: Path, tmp_output_dir: Path) -> None:
    """Le fichier .reason.txt doit contenir : type de problème, horodatage,
    longueur du texte extrait, suggestions opérateur."""
    from anonymizer_core_refactored_onnx import process_pdf  # noqa: F401

    # process_pdf(sample_pdf_empty_text, output_dir=tmp_output_dir, ...)

    reason = (tmp_output_dir / "quarantaine" / "doc_empty.reason.txt").read_text()
    assert "preflight_text_too_short" in reason
    assert "extracted_chars" in reason
    assert "processed_at" in reason


# === Tests Q-1 : quarantaine différentielle =====================

@pytest.mark.xfail(strict=True, reason="Q-1 pas encore implémenté")
def test_redaction_failure_text_still_outputs(sample_pdf_redaction_fails: Path, tmp_output_dir: Path) -> None:
    """Q-1 cas Q-PDF — Si la rédaction PDF échoue mais que l'anonymisation texte
    réussit, alors :
    - le .pseudonymise.txt sort normalement dans output_dir
    - le PDF original (ou partiellement rédigé) va en quarantaine
    - un flag pdf_redaction_failed est enregistré
    """
    from anonymizer_core_refactored_onnx import process_pdf  # noqa: F401

    # process_pdf(sample_pdf_redaction_fails, output_dir=tmp_output_dir, ...)

    assert (tmp_output_dir / "doc_redact_fail.pseudonymise.txt").exists()
    assert (tmp_output_dir / "doc_redact_fail.audit.jsonl").exists()
    assert not (tmp_output_dir / "doc_redact_fail.redacted.pdf").exists()
    assert (tmp_output_dir / "quarantaine" / "doc_redact_fail.reason.txt").exists()

    reason = (tmp_output_dir / "quarantaine" / "doc_redact_fail.reason.txt").read_text()
    assert "pdf_redaction_failed" in reason


@pytest.mark.xfail(strict=True, reason="Q-1 pas encore implémenté")
def test_no_silent_failure_on_redaction(sample_pdf_redaction_fails: Path, tmp_output_dir: Path, caplog) -> None:
    """Q-1 — Toute exception sur la rédaction PDF DOIT être logguée (warning au minimum).
    Pas de `except Exception: pass` silencieux."""
    from anonymizer_core_refactored_onnx import process_pdf  # noqa: F401

    # process_pdf(sample_pdf_redaction_fails, output_dir=tmp_output_dir, ...)

    warnings = [r for r in caplog.records if r.levelname == "WARNING"]
    assert any("redaction" in r.message.lower() for r in warnings), \
        "Une rédaction PDF qui échoue doit produire un log.warning"


@pytest.mark.xfail(strict=True, reason="Q-1 pas encore implémenté")
def test_rescan_detects_residual_pii_triggers_quarantine(tmp_output_dir: Path) -> None:
    """Q-1 cas Q-DOC — Si le rescan post-anonymisation détecte des PII résiduelles
    au-dessus d'un seuil, le document complet va en quarantaine."""
    # Construire un cas où le rescan détecte un nom oublié
    # process_pdf(...)
    quarantine_dir = tmp_output_dir / "quarantaine"
    assert quarantine_dir.exists()
    # Le doc n'est pas dans la sortie normale
    assert len(list(tmp_output_dir.glob("*.pseudonymise.txt"))) == 0


# === Tests B-1 : métadonnées de sortie ==========================

@pytest.mark.xfail(strict=True, reason="B-1 pas encore implémenté")
def test_audit_jsonl_contains_metadata(sample_pdf_ok: Path, tmp_output_dir: Path) -> None:
    """B-1 — Le .audit.jsonl doit contenir une entrée de métadonnées avec :
    app_version, commit_sha, processed_at, profile_applied."""
    from anonymizer_core_refactored_onnx import process_pdf  # noqa: F401

    # process_pdf(sample_pdf_ok, output_dir=tmp_output_dir, ...)

    audit_path = tmp_output_dir / "doc_ok.audit.jsonl"
    assert audit_path.exists()

    lines = audit_path.read_text().splitlines()
    metadata_entry = None
    for line in lines:
        entry = json.loads(line)
        if entry.get("type") == "metadata":
            metadata_entry = entry
            break

    assert metadata_entry is not None, "Le .audit.jsonl doit contenir une entrée type=metadata"
    assert "app_version" in metadata_entry
    assert "commit_sha" in metadata_entry
    assert "processed_at" in metadata_entry
    assert "profile_applied" in metadata_entry


@pytest.mark.xfail(strict=True, reason="B-1 pas encore implémenté")
def test_pdf_output_has_xmp_metadata(sample_pdf_ok: Path, tmp_output_dir: Path) -> None:
    """B-1 — Le PDF rédigé doit contenir des métadonnées XMP avec :
    /CreatorTool = "Pseudonymisation vX.Y", /Producer contenant le commit."""
    import fitz  # noqa: F401
    from anonymizer_core_refactored_onnx import process_pdf  # noqa: F401

    # process_pdf(sample_pdf_ok, output_dir=tmp_output_dir, ...)

    pdf_path = tmp_output_dir / "doc_ok.redacted.pdf"
    doc = fitz.open(pdf_path)
    metadata: dict[str, Any] = doc.metadata or {}
    doc.close()

    assert "Pseudonymisation" in metadata.get("creator", "")
    assert metadata.get("producer", "") != ""


# === Tests B-2 : logs exportables ===============================

@pytest.mark.xfail(strict=True, reason="B-2 pas encore implémenté")
def test_per_document_log_file_created(sample_pdf_ok: Path, tmp_output_dir: Path) -> None:
    """B-2 — Chaque document traité doit produire un fichier <docname>.log
    à côté du .audit.jsonl."""
    from anonymizer_core_refactored_onnx import process_pdf  # noqa: F401

    # process_pdf(sample_pdf_ok, output_dir=tmp_output_dir, ...)

    log_path = tmp_output_dir / "doc_ok.log"
    assert log_path.exists()
    content = log_path.read_text()
    assert "extraction" in content.lower() or "process" in content.lower()


@pytest.mark.xfail(strict=True, reason="B-2 pas encore implémenté")
def test_errors_log_cumulative(tmp_output_dir: Path) -> None:
    """B-2 — Un fichier errors.log cumulatif doit être maintenu dans output_dir
    pendant un batch."""
    # batch_process([sample_pdf_ok, sample_pdf_redaction_fails], output_dir=tmp_output_dir)
    errors_log = tmp_output_dir / "errors.log"
    assert errors_log.exists()


# === Tests Q-1 : autonomie quarantaine (no UI) =================

@pytest.mark.xfail(strict=True, reason="Q-1 pas encore implémenté")
def test_quarantine_index_file_generated(tmp_output_dir: Path) -> None:
    """Q-1 (no-UI) — Un INDEX.md doit lister tous les docs en quarantaine
    avec leur raison. Permet au bêta-testeur de comprendre sans GUI."""
    # batch_process([sample_pdf_empty_text, sample_pdf_redaction_fails], output_dir=tmp_output_dir)
    index = tmp_output_dir / "quarantaine" / "INDEX.md"
    assert index.exists()
    content = index.read_text()
    assert "doc_empty" in content
    assert "doc_redact_fail" in content


# === Tests de non-régression ====================================

def test_happy_path_no_quarantine_created_if_no_failure(sample_pdf_ok: Path, tmp_output_dir: Path) -> None:
    """Non-régression — Sur un document qui se traite normalement,
    aucun dossier `quarantaine/` ne doit être créé (économise du bruit)."""
    from anonymizer_core_refactored_onnx import process_pdf  # noqa: F401

    # process_pdf(sample_pdf_ok, output_dir=tmp_output_dir, ...)

    assert not (tmp_output_dir / "quarantaine").exists() or \
           len(list((tmp_output_dir / "quarantaine").iterdir())) == 0