df2dfcc456
Живой репорт: проверка плагиата упала с "Не удалось открыть PDF: code=7: no objects found" — сырая внутренняя ошибка MuPDF. Разобрал файл из MinIO: это HTML-страница (веб-интерфейс роутера D-Link DAP-400P), сохранённая с расширением .pdf — 2049 байт, не PDF вообще. Система корректно отказалась парсить мусор (это не баг пайплайна — реальный битый/не-PDF файл юзера), но сообщение об ошибке было нечитаемым. extract_text_from_pdf теперь проверяет magic-байты (%PDF-) ДО попытки fitz.open() и даёт понятное "Файл повреждён или не является PDF-документом" для этого частого случая; для настоящих PDF с внутренней порчей — прежнее поведение (сырая ошибка MuPDF как detail, для диагностики). 4 юнит-теста (валидный PDF, HTML под видом PDF, пустые байты, битый заголовок PDF). Тестов всего: 122 (было 118). Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
10 lines
406 B
Plaintext
10 lines
406 B
Plaintext
# Зависимости для юнит-тестов worker-indexer (чистая логика L1/L2, без инфры).
|
||
# Redis намеренно НЕ ставим — тогда MinHash LSH детерминированно уходит
|
||
# в in-memory-фолбэк, что и нужно тестам.
|
||
pytest==8.2.0
|
||
xxhash==3.4.1
|
||
datasketch==1.6.5
|
||
numpy==1.26.4
|
||
pydantic-settings==2.2.1
|
||
PyMuPDF==1.24.0
|