Base de connaissances : corpus relu (FAQ, manuel, savoir métier) et instructions communes

Découpage : page précédée de U+2060, titres coupés sur plusieurs lignes,
saut de page dans la table des matières (trois tests).

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
This commit is contained in:
maximeandClaude Opus 5.5 committed 2026-11-11 14:10:35 +01:00
1 parent d7c9ceccd1
commit 4d75fb6172
123 files changed
+2016 -11

No files matched your search

+14
View File
@@ -20,6 +20,20 @@ class TestDecouperPdf(unittest.TestCase):
x = decouper_pdf(TOC + CORPS, PARASITES)
self.assertEqual(x[0].contenu, "Check power.\nCheck fuse.")
def test_page_precedee_d_un_joint_invisible(self): # pdftotext rend « . . . ⁠1 » (U+2060) dans les vrais PDF
x = decouper_pdf(TOC.replace(" 1\n", " ⁠1\n") + CORPS, PARASITES)
self.assertEqual(x[0].titre, "Does it start?")
def test_titre_du_corps_sur_deux_lignes(self): # pdftotext coupe les longues questions dans le corps
corps = CORPS.replace("How long does the battery last?\n", "How long does the battery\nlast?\n")
x = decouper_pdf(TOC + corps, PARASITES)
self.assertEqual([e.titre for e in x], ["Does it start?", "How long does the battery last?", "Which formats?"])
self.assertEqual(x[0].contenu, "Check power.\nCheck fuse.")
def test_saut_de_page_dans_la_table(self): # « Revision 1.5 / 1 / AIMsight FAQ » entre deux entrées de la table
toc = TOC.replace("Data . . . . 3 ", "Data . . . . 3\nRevision 1.5\n1\nAIMsight FAQ\n")
self.assertIn("Which formats?", [e.titre for e in decouper_pdf(toc + CORPS, PARASITES)])
def test_puces(self):
self.assertIn("\n- sun;\n- mains.", decouper_pdf(TOC + CORPS, [])[1].contenu)