以下为针对 summarize_text 函数的完整测试设计与实现，基于 pytest，覆盖正常流程、边界条件与异常场景，确保测试代码可读、可维护且可直接运行。
- 函数分析摘要
- 功能：从输入文本中按句末标点（. ! ? 。 ！ ？）切分句子，去重（忽略大小写与空白差异），按原始顺序选择前 max_sentences 个句子，必要时再受 max_chars 限制，输出结果用单空格连接。
- 参数与校验：
- text: 必须为 str，否则 TypeError
- max_sentences: 必须为 int 且 >= 1，否则 ValueError
- max_chars: None 或 int 且 >= 10，否则 ValueError
- 关键行为：
- 折叠空白为单空格并去除首尾空白
- 以中英文句末标点切分；连续标点会产生独立的标点句（如 Wow!! -> "Wow!" 和 "!"）
- 去重时忽略大小写与空白差异
- 当启用 max_chars 时，逐句尝试加入，确保不超过上限；若第一句已超过上限，返回空字符串
- 测试框架选择
- 选择 pytest：
- 简洁的断言与参数化能力，便于设计大量边界用例
- 更友好的失败信息与插件生态（如 pytest-cov 用于覆盖率）
- 适合本函数的多场景与多输入组合测试
- 测试用例详情
- 参数校验（异常）
- 非 str 的 text（None、数字、bytes）→ TypeError
- 非法的 max_sentences（非 int、0、负数）→ ValueError
- 非法的 max_chars（非 int、<10）→ ValueError
- 空文本与空白文本
- 基本功能与顺序保持
- 示例用例：'今天很冷！但是太阳很好。We still go hiking? 还是要出门。'
- max_sentences=2 → '今天很冷！ We still go hiking?'
- 默认（3）→ '今天很冷！ 但是太阳很好。 We still go hiking?'
- 末尾无标点句子
- 'No punctuation at end' → 'No punctuation at end'
- 空白规范化
- 'Hi \n\n there!\tHow are\tyou?\nGood.' → 'Hi there! How are you? Good.'
- 去重（忽略大小写与空白）
- 'Hello world! hello world! HELLO WORLD!' → 'Hello world!'
- 连续标点分句（边界）
- max_sentences 限制在去重后的序列上生效
- 'A. A. B. C.' 且 max_sentences=3 → 'A. B. C.'
- max_chars 行为
- 精确边界：'abcd. ef. ghi.' 且 max_chars=9 → 'abcd. ef.'
- 第一句已超过上限：'abcdefghij.' 且 max_chars=10 → ''
- 部分选择：'abcd. efghi. jk.'
- max_chars=12 → 'abcd. efghi.'
- max_chars=11 → 'abcd.'
- Unicode/Emoji 与中文标点
- '今天天气☀️很好！我们去🏖️吗？好呀' → '今天天气☀️很好！ 我们去🏖️吗？ 好呀'
- 单一标点句
- 完整测试代码
说明：为保证测试独立可运行，以下测试文件内直接包含被测函数实现。实际项目中建议从目标模块导入 summarize_text。
# test_summarize_text.py
import pytest
def summarize_text(text: str, max_sentences: int = 3, max_chars: int | None = None) -> str:
'''
概要: 从给定文本中提取若干关键句，保持原始顺序。
适用: 中英文与混合标点文本，保证输出可读性。
参数:
- text: 原文，支持包含换行、emoji与中文标点
- max_sentences: 最多包含的句子数，>=1
- max_chars: 可选，最终文本的最大字符数（不截断句中词）
行为:
1. 规范空白，将连续空白折叠为单一空格。
2. 以 . ! ? 。 ！ ？ 作为句末符进行切分，保留标点。
3. 去除重复句（大小写与空白差异视为同句）。
4. 按顺序选取不超过 max_sentences 的句子；若设置 max_chars，
在不破坏已加入句子的前提下尽量满足限制。
例子:
输入: '今天很冷！但是太阳很好。We still go hiking? 还是要出门。'
输出(2句): '今天很冷！ We still go hiking?'
'''
if not isinstance(text, str):
raise TypeError('text must be str')
if not isinstance(max_sentences, int) or max_sentences < 1:
raise ValueError('max_sentences must be >= 1')
if max_chars is not None:
if not isinstance(max_chars, int) or max_chars < 10:
raise ValueError('max_chars must be None or >= 10')
import re
norm = re.sub(r'\s+', ' ', text.strip())
if not norm:
return ''
endings = set('。！？.!?')
sentences = []
buf = []
for ch in norm:
buf.append(ch)
if ch in endings:
s = ''.join(buf).strip()
if s:
sentences.append(s)
buf = []
if buf:
tail = ''.join(buf).strip()
if tail:
sentences.append(tail)
seen = set()
unique = []
for s in sentences:
key = re.sub(r'\s+', ' ', s).casefold()
if key not in seen:
seen.add(key)
unique.append(s)
selected = unique[:max_sentences]
if max_chars is not None:
out = []
curr = 0
for s in selected:
candidate = ((' ' if out else '') + s)
if curr + len(candidate) <= max_chars:
out.append(s)
curr += len(candidate)
else:
break
return ' '.join(out)
return ' '.join(selected)
# ----------------- Parameter validation tests -----------------
@pytest.mark.parametrize("bad_text", [None, 123, 3.14, b"bytes"])
def test_invalid_text_type_raises_typeerror(bad_text):
with pytest.raises(TypeError):
summarize_text(bad_text)
@pytest.mark.parametrize("bad_ms", [0, -1, 1.5, "2"])
def test_invalid_max_sentences_raises_valueerror(bad_ms):
with pytest.raises(ValueError):
summarize_text("ok.", max_sentences=bad_ms)
@pytest.mark.parametrize("bad_mc", [9, "100", 0, -5, 3.14])
def test_invalid_max_chars_raises_valueerror(bad_mc):
with pytest.raises(ValueError):
summarize_text("ok.", max_chars=bad_mc)
def test_max_chars_none_is_ok():
assert summarize_text("a.") == "a."
assert summarize_text("a.", max_chars=None) == "a."
# ----------------- Empty and whitespace-only input -----------------
@pytest.mark.parametrize("txt", ["", " ", "\n\t \n"])
def test_empty_or_whitespace_only_returns_empty(txt):
assert summarize_text(txt) == ""
# ----------------- Core behavior and ordering -----------------
def test_spec_example_two_sentences():
text = "今天很冷！但是太阳很好。We still go hiking? 还是要出门。"
out = summarize_text(text, max_sentences=2)
assert out == "今天很冷！ We still go hiking?"
def test_default_max_sentences_three():
text = "今天很冷！但是太阳很好。We still go hiking? 还是要出门。"
out = summarize_text(text) # default 3
assert out == "今天很冷！ 但是太阳很好。 We still go hiking?"
def test_tail_without_terminal_punctuation_is_included():
assert summarize_text("No punctuation at end") == "No punctuation at end"
# ----------------- Whitespace normalization -----------------
def test_whitespace_normalization_across_spaces_tabs_newlines():
text = "Hi \n\n there!\tHow are\tyou?\nGood."
out = summarize_text(text)
assert out == "Hi there! How are you? Good."
# ----------------- Deduplication (case/whitespace-insensitive) -----------------
def test_deduplication_case_and_whitespace_insensitive():
text = "Hello world! hello world! HELLO WORLD!"
out = summarize_text(text, max_sentences=5)
assert out == "Hello world!"
# ----------------- Edge: consecutive punctuations -----------------
def test_consecutive_punctuations_create_standalone_punct_sentence():
text = "Wow!! Wow!"
out = summarize_text(text, max_sentences=5)
# Splits into ["Wow!", "!", "Wow!"] then dedup -> ["Wow!", "!"]
assert out == "Wow! !"
# ----------------- max_sentences with duplicates -----------------
def test_max_sentences_respects_unique_sentences():
text = "A. A. B. C."
out = summarize_text(text, max_sentences=3)
assert out == "A. B. C."
# ----------------- max_chars behavior -----------------
def test_max_chars_exact_boundary_and_not_exceed():
text = "abcd. ef. ghi."
# lengths: "abcd."=5, " ef."=4, " ghi."=5
out = summarize_text(text, max_sentences=5, max_chars=9)
assert out == "abcd. ef."
out2 = summarize_text(text, max_sentences=5, max_chars=8)
assert out2 == "abcd."
def test_max_chars_first_sentence_too_long_returns_empty():
# "abcdefghij." length = 11 (> 10), with max_chars=10, nothing fits
text = "abcdefghij."
out = summarize_text(text, max_sentences=3, max_chars=10)
assert out == ""
def test_max_chars_partial_selection_two_vs_one():
text = "abcd. efghi. jk."
# "abcd."=5, " efghi."=7 -> 12 total fits, so two sentences if max_chars=12
out = summarize_text(text, max_sentences=3, max_chars=12)
assert out == "abcd. efghi."
# With max_chars=11, only the first fits
out2 = summarize_text(text, max_sentences=3, max_chars=11)
assert out2 == "abcd."
# ----------------- Unicode/Emoji and Chinese punctuation -----------------
def test_unicode_emoji_and_chinese_punctuation():
text = "今天天气☀️很好！我们去🏖️吗？好呀"
out = summarize_text(text, max_sentences=3)
assert out == "今天天气☀️很好！ 我们去🏖️吗？ 好呀"
# ----------------- Single punctuation as sentence -----------------
def test_single_punctuation_sentence():
assert summarize_text(".") == "."
- 测试说明
- 关于连续标点：该实现会把连续的句末标点切分为多个句子，例如 "Wow!!" 被解析为 "Wow!" 和 "!"，这与常规自然语言处理的“多个感叹号视为同一句”不同。测试中明确验证了此行为（test_consecutive_punctuations_create_standalone_punct_sentence），以与实现保持一致。
- max_chars 的计算包含句子间的空格：当加入第二句时，候选长度会在句首额外计算一个空格，这一点在边界测试中被覆盖（test_max_chars_exact_boundary_and_not_exceed、test_max_chars_partial_selection_two_vs_one）。
- 覆盖率建议：运行 pytest --maxfail=1 -q；如需覆盖率报告，安装 pytest-cov 并运行 pytest --cov=. --cov-report=term-missing。建议重点关注分句、去重和 max_chars 分支路径的覆盖。
- Python 版本：函数签名使用了 PEP 604（int | None）语法，需 Python 3.10+。在低版本下请将类型提示改为 Optional[int] 或移除类型联合操作符以运行测试。
