84 lines
2.9 KiB
Python
84 lines
2.9 KiB
Python
"""Test industry and keyword extraction in RSS processing."""
|
||
from datetime import datetime, timezone
|
||
|
||
from app.ingest.rss import RssItem
|
||
|
||
def test_industry_extraction():
|
||
"""Test industry keyword extraction."""
|
||
# 创建测试新闻并跳过数据库初始化
|
||
class TestRssItem(RssItem):
|
||
_skip_db_init = True
|
||
|
||
item = TestRssItem(
|
||
id="test_news",
|
||
title="某半导体公司推出新一代芯片",
|
||
link="http://example.com",
|
||
published=datetime.now(timezone.utc),
|
||
summary="该公司在集成电路领域取得重大突破，新产品将用于5G通信",
|
||
source="test"
|
||
)
|
||
|
||
# 提取行业关键词
|
||
item.extract_industries()
|
||
|
||
# 验证结果
|
||
assert "半导体" in item.industries
|
||
assert len(item.industries) >= 1
|
||
|
||
def test_important_keyword_extraction():
|
||
"""Test important keyword extraction."""
|
||
# 创建测试新闻（包含积极、消极和事件关键词）并跳过数据库初始化
|
||
class TestRssItem(RssItem):
|
||
_skip_db_init = True
|
||
|
||
item = TestRssItem(
|
||
id="test_news",
|
||
title="某公司业绩超预期，同时宣布重大收购计划",
|
||
link="http://example.com",
|
||
published=datetime.now(timezone.utc),
|
||
summary="营收增长显著，但部分业务亏损，将通过并购扩张",
|
||
source="test"
|
||
)
|
||
|
||
# 提取重要关键词
|
||
item.extract_important_keywords()
|
||
|
||
# 验证结果：应该包含积极、消极和事件关键词
|
||
keywords = set(item.important_keywords)
|
||
|
||
# 检查是否包含至少一个积极关键词（前缀为+）
|
||
assert any(k.startswith('+') for k in keywords)
|
||
|
||
# 检查是否包含至少一个消极关键词（前缀为-）
|
||
assert any(k.startswith('-') for k in keywords)
|
||
|
||
# 检查是否包含至少一个事件关键词（前缀为#）
|
||
assert any(k.startswith('#') for k in keywords)
|
||
|
||
def test_rss_item_full_extraction():
|
||
"""Test full entity, industry and keyword extraction."""
|
||
# 创建一个包含多种信息的测试新闻并跳过数据库初始化
|
||
class TestRssItem(RssItem):
|
||
_skip_db_init = True
|
||
|
||
item = TestRssItem(
|
||
id="test_news",
|
||
title="半导体行业利好：某公司重大突破",
|
||
link="http://example.com",
|
||
published=datetime.now(timezone.utc),
|
||
summary="集成电路领域取得重大进展，业绩超预期，宣布增持计划",
|
||
source="test"
|
||
)
|
||
|
||
# 提取所有信息
|
||
item.extract_entities() # 这将自动调用行业和关键词提取
|
||
|
||
# 验证结果的完整性
|
||
assert item.industries # 应该至少识别出半导体行业
|
||
assert item.important_keywords # 应该找到关键词
|
||
|
||
# 验证关键词类型的完整性
|
||
keywords = set(item.important_keywords)
|
||
assert any(k.startswith('+') for k in keywords) # 积极关键词
|
||
assert any(k.startswith('#') for k in keywords) # 事件关键词
|