mod: Санитайзер для очистки от HTML (несколько режимов)

tests/test_sanitizer.py

@@ -0,0 +1,80 @@
+# tests/test_sanitizer.py
+# Тестирует модуль SanitizerProcessor.
+
+import pytest
+from bs4 import BeautifulSoup
+from etpgrf.sanitizer import SanitizerProcessor
+from etpgrf.config import SANITIZE_NONE, SANITIZE_ETPGRF, SANITIZE_ALL_HTML
+
+
+def test_sanitizer_mode_none():
+    """
+    Проверяет, что в режиме SANITIZE_NONE (по умолчанию) ничего не происходит.
+    """
+    html_input = '<p><span class="etp-laquo">«</span>Hello<span class="user-class"> world</span>.</p>'
+    soup = BeautifulSoup(html_input, 'html.parser')
+    
+    # Тестируем с mode=None и mode=False
+    processor_none = SanitizerProcessor(mode=SANITIZE_NONE)
+    processor_false = SanitizerProcessor(mode=False)
+
+    result_soup_none = processor_none.process(soup)
+    result_soup_false = processor_false.process(soup)
+
+    assert str(result_soup_none) == html_input
+    assert str(result_soup_false) == html_input
+
+
+def test_sanitizer_mode_all_html():
+    """
+    Проверяет, что в режиме SANITIZE_ALL_HTML удаляются все теги.
+    """
+    html_input = '<p>Hello <b>world</b>! <a href="#">Click me</a>.</p>'
+    soup = BeautifulSoup(html_input, 'html.parser')
+    processor = SanitizerProcessor(mode=SANITIZE_ALL_HTML)
+
+    result_text = processor.process(soup)
+
+    assert result_text == "Hello world! Click me."
+
+
+ETPGRF_SANITIZE_TEST_CASES = [
+    # ID, Описание, Входной HTML, Ожидаемый HTML
+    (
+        "simple_unwrap", "Простое разворачивание span'а с одним etp-классом",
+        '<p><span class="etp-laquo">«</span>Hello</p>',
+        '<p>«Hello</p>'
+    ),
+    (
+        "aggressive_unwrap", "Агрессивное разворачивание span'а со смешанными классами",
+        '<p>Hello<span class="user-class etp-raquo">»</span></p>',
+        '<p>Hello»</p>'
+    ),
+    (
+        "keep_user_span", "Не трогаем span'ы с пользовательскими классами",
+        '<p>Hello <span class="user-class">world</span></p>',
+        '<p>Hello <span class="user-class">world</span></p>'
+    ),
+    (
+        "keep_other_tags", "Не трогаем другие теги",
+        '<div><b>Bold</b> and <i>italic</i></div>',
+        '<div><b>Bold</b> and <i>italic</i></div>'
+    ),
+    (
+        "complex_case", "Сложный случай с несколькими разными span'ами",
+        '<h1><span class="etp-laquo">«</span>Title<span class="etp-raquo">»</span></h1><p>And <span class="note">note</span>.</p>',
+        '<h1>«Title»</h1><p>And <span class="note">note</span>.</p>'
+    ),
+]
+
+@pytest.mark.parametrize("case_id, description, html_input, expected_html", ETPGRF_SANITIZE_TEST_CASES)
+def test_sanitizer_mode_etpgrf(case_id, description, html_input, expected_html):
+    """
+    Проверяет, что в режиме SANITIZE_ETPGRF удаляется только разметка висячей пунктуации.
+    """
+    soup = BeautifulSoup(html_input, 'html.parser')
+    processor = SanitizerProcessor(mode=SANITIZE_ETPGRF)
+
+    result_soup = processor.process(soup)
+
+    assert str(result_soup) == expected_html