tests/test_html_annotations.py

   1 # -*- coding: utf-8
   2 from __future__ import unicode_literals
   3
   4 from StringIO import StringIO
   5 import tempfile
   6 from librarian.parser import WLDocument
   7 from librarian.html import extract_annotations
   8 from lxml import etree
   9 from nose.tools import eq_
  10
  11
  12 def _test_annotation(expected, got, name):
  13     assert got[0].startswith('anchor-'), "%s: Unexpected anchor: '%s', should begin with 'anchor-'" % (name, got[0])
  14     eq_(expected[0], got[1], "%s: Unexpected type, expected '%s', got '%s'" % (name, expected[0], got[1]))
  15     eq_(expected[1], got[2], "%s: Unexpected qualifier, expected '%s', got '%s'" % (name, expected[1], got[2]))
  16     eq_(expected[2], got[3], "%s: Unexpected text representation, expected '%s', got '%s'" % (name, expected[2], got[3]))
  17     exp_html = '<div class="fn-%s">%s</div>' % (expected[0], expected[3])
  18     eq_(exp_html, got[4], "%s: Unexpected html representation, expected '%s', got '%s'" % (name, exp_html, got[4]))
  19
  20
  21 def test_annotations():
  22     annotations = (
  23
  24         ('<pe/>', (
  25             'pe',
  26             [],
  27             '',
  28             '<p></p>'
  29             ),
  30             'Empty footnote'),
  31
  32         (
  33          '<pr>Definiendum --- definiens.</pr>', (
  34             'pr',
  35             [],
  36             'Definiendum \u2014 definiens.',
  37             '<p>Definiendum \u2014 definiens.</p>'
  38             ),
  39             'Plain footnote.'),
  40
  41         ('<pt><slowo_obce>Definiendum</slowo_obce> --- definiens.</pt>', (
  42             'pt',
  43             [],
  44             'Definiendum \u2014 definiens.',
  45             '<p><em class="foreign-word">Definiendum</em> \u2014 definiens.</p>'
  46             ),
  47             'Standard footnote.'),
  48
  49         ('<pr>Definiendum (łac.) --- definiens.</pr>', (
  50             'pr',
  51             ['łac.'],
  52             'Definiendum (łac.) \u2014 definiens.',
  53             '<p>Definiendum (łac.) \u2014 definiens.</p>'
  54             ),
  55             'Plain footnote with qualifier'),
  56
  57         ('<pe><slowo_obce>Definiendum</slowo_obce> (łac.) --- definiens.</pe>', (
  58             'pe',
  59             ['łac.'],
  60             'Definiendum (łac.) \u2014 definiens.',
  61             '<p><em class="foreign-word">Definiendum</em> (łac.) \u2014 definiens.</p>'
  62             ),
  63             'Standard footnote with qualifier.'),
  64
  65         ('<pt> <slowo_obce>Definiendum</slowo_obce> (daw.) --- definiens.</pt>', (
  66             'pt',
  67             ['daw.'],
  68             'Definiendum (daw.) \u2014 definiens.',
  69             '<p> <em class="foreign-word">Definiendum</em> (daw.) \u2014 definiens.</p>'
  70             ),
  71             'Standard footnote with leading whitespace and qualifier.'),
  72
  73         ('<pr>Definiendum (łac.) --- <slowo_obce>definiens</slowo_obce>.</pr>', (
  74             'pr',
  75             ['łac.'],
  76             'Definiendum (łac.) \u2014 definiens.',
  77             '<p>Definiendum (łac.) \u2014 <em class="foreign-word">definiens</em>.</p>'
  78             ),
  79             'Plain footnote with qualifier and some emphasis.'),
  80
  81         ('<pe><slowo_obce>Definiendum</slowo_obce> (łac.) --- <slowo_obce>definiens</slowo_obce>.</pe>', (
  82             'pe',
  83             ['łac.'],
  84             'Definiendum (łac.) \u2014 definiens.',
  85             '<p><em class="foreign-word">Definiendum</em> (łac.) \u2014 <em class="foreign-word">definiens</em>.</p>'
  86             ),
  87             'Standard footnote with qualifier and some emphasis.'),
  88
  89         ('<pe>Definiendum (łac.) --- definiens (some) --- more text.</pe>', (
  90             'pe',
  91             ['łac.'],
  92             'Definiendum (łac.) \u2014 definiens (some) \u2014 more text.',
  93             '<p>Definiendum (łac.) \u2014 definiens (some) \u2014 more text.</p>',
  94             ),
  95             'Footnote with a second parentheses and mdash.'),
  96
  97         ('<pe><slowo_obce>gemajna</slowo_obce> (daw., z niem. <slowo_obce>gemein</slowo_obce>: zwykły) --- częściej: gemajn, szeregowiec w wojsku polskim cudzoziemskiego autoramentu.</pe>', (
  98             'pe',
  99             ['daw.', 'niem.'],
 100             'gemajna (daw., z niem. gemein: zwykły) \u2014 częściej: gemajn, szeregowiec w wojsku polskim cudzoziemskiego autoramentu.',
 101             '<p><em class="foreign-word">gemajna</em> (daw., z niem. <em class="foreign-word">gemein</em>: zwykły) \u2014 częściej: gemajn, szeregowiec w wojsku polskim cudzoziemskiego autoramentu.</p>'
 102             ),
 103             'Footnote with multiple and qualifiers and emphasis.'),
 104
 105     )
 106
 107     xml_src = '''<utwor><akap> %s </akap></utwor>''' % "".join(
 108         t[0] for t in annotations)
 109     html = WLDocument.from_string(xml_src, parse_dublincore=False).as_html().get_file()
 110     res_annotations = list(extract_annotations(html))
 111
 112     for i, (src, expected, name) in enumerate(annotations):
 113         yield _test_annotation, expected, res_annotations[i], name