python - 从网站生成的单元测试 pdf

Question

我正在编写一个包，用于生成 pdf 文件，方法是将一些数据发布到网站并从数据中检索生成的 pdf。

我的问题是单元测试。因此，我尝试将已知数据集发布到网站上，检索 pdf 并将其与我知道很好的 ​​pdf 进行比较。这工作正常，但是 pdf 中有一个时间戳，这意味着第二天它就不起作用了。

正如我所见，我有三个选择。

• 一是去掉 pdf 中的时间戳。从我的谷歌搜索来看，这似乎相当困难。它可能类似于 pdf 到图像的转换，然后清空时间戳。然后与引用文件进行比较。

• 选项二是创建一个模拟网站，然后我可以用它来生成模拟 pdf。不过，这个选项对我来说似乎有点奇怪 - 因为我不会测试与网站的实际连接，如果我破坏了连接中的某些内容，我就不会捕获该错误。

• 第三个是检查我是否检索了一些看似 pdf 的数据，然后完成它。这样，如果网站更改了生成的 pdf 中的逗号，我也可以避开。

所以，我想我的问题有两个。 1:pdf 到图像到消隐方法有多困难，2:从单元测试的角度来看，制作一个模拟网站或只是测试我是否获得一些类似 pdf 的数据是否是更好的方法。

Answer 1

• 选项 4:找出时间戳在 pdf 中的位置，并比较前后的字节

例如，如果时间戳位于偏移量 11 且长度为两个字节:

with open('reference.pdf') as rf:
    reference_data = rf.read()
with open('pdf_from_website.pdf') as wf:
    website_data = wf.read()
self.assertEqual(reference_data[:11], website_data[:11])
self.assertEqual(reference_data[13:], website_data[13:])

我不熟悉 pdf 文件的内部结构，因此这可能不起作用。不过，您可以使用 diff 来查看差异所在并尝试。

对于你的第二个问题:最好能够测试返回的pdf是否有效并且具有应有的内容。