tests/test_citations.py

from types import SimpleNamespace

from core.citations import (
    build_missing_citations_block,
    extract_citations_from_context,
    is_smalltalk_message,
    resposta_indica_sem_informacao,
)


def test_extracts_pdf_citations_from_context_headers_and_deduplicates():
    chunks = [
        "[CABE\u00c7ALHO FONTE: redes.pdf:2]\nConteudo A",
        "[CABE\u00c7ALHO FONTE: redes.pdf:2]\nConteudo repetido",
        "[CABE\u00c7ALHO FONTE: storage.pdf:7]\nConteudo B",
    ]

    citations = extract_citations_from_context(chunks)

    assert [citation.token for citation in citations] == [
        "[redes.pdf:2]",
        "[storage.pdf:7]",
    ]


def test_extracts_pdf_citations_from_document_metadata():
    doc = SimpleNamespace(
        page_content="Sem cabecalho",
        metadata={"source": "/tmp/material.pdf", "page_number": 3, "chunk_id": "abc"},
    )

    citations = extract_citations_from_context([doc])

    assert len(citations) == 1
    assert citations[0].filename == "material.pdf"
    assert citations[0].page == 3
    assert citations[0].chunk_id == "abc"


def test_build_missing_citations_block_ignores_already_present_tokens():
    citations = extract_citations_from_context([
        "[CABE\u00c7ALHO FONTE: redes.pdf:2]\nConteudo A",
        "[CABE\u00c7ALHO FONTE: storage.pdf:7]\nConteudo B",
    ])

    block = build_missing_citations_block("Resposta com [redes.pdf:2]", citations)

    assert block == "\n\nFontes:\n[storage.pdf:7]"


def test_smalltalk_is_detected_without_matching_real_questions():
    assert is_smalltalk_message("Ol\u00e1!")
    assert is_smalltalk_message("tudo bem?")
    assert is_smalltalk_message("obrigado")
    assert not is_smalltalk_message("Ola, quais sao as quotas no storage?")
    assert not is_smalltalk_message("Explica o plano de storage do TUTS")


def test_detects_lack_of_information():
    assert resposta_indica_sem_informacao("Não há informações disponíveis nos materiais sobre X")
    assert resposta_indica_sem_informacao("Não encontrei nos materiais")
    assert resposta_indica_sem_informacao("Não foi encontrado")
    assert resposta_indica_sem_informacao("Não existe informação suficiente")
    assert resposta_indica_sem_informacao("Os materiais não indicam isso.")
    assert not resposta_indica_sem_informacao("O plano de storage do TUTS oferece 10GB de cota.")