tobias/gwoe-antragspruefer
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases 1 Wiki Activity

Sub-B Ground-Truth: BW URL-Encoding + RP URL-Schema-Drift

Browse Source 
Live-Run von Sub-Issue B im Container hat zwei Test-False-Positives in
ground_truth.py aufgedeckt, die nichts mit Adapter-Bugs zu tun haben:

- BW: PDF-URL kodiert den Underscore als %5F (`17%5F10323.pdf`), nicht
  als nacktes `_`. pdf_url_substring auf `17%5f10323` aktualisiert.
- RP: PDFs werden von `dokumente.landtag.rlp.de` ausgeliefert (nicht
  von `opal.rlp.de` — das ist nur das Suchfrontend). Substring auf die
  Drucksachen-Nummer im Pfad (`11250-18`) umgestellt — robust gegen
  weiteren URL-Schema-Drift.

176 Unit-Tests bleiben grün.

Refs: #52, #59 (Sub-B Live-Verifikation)

Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>
This commit is contained in:
Dotty Dotter 2026-04-09 11:49:17 +02:00
parent b76c08d92e
commit 6ebd7aac7a
1 changed files with 8 additions and 2 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

10
tests/integration/ground_truth.py
View File

@ -87,13 +87,16 @@ GROUND_TRUTH: list[GroundTruth] = [
frontend_search_url="https://padoka.landtag.sachsen-anhalt.de/portal/",
),
# ─── BW (PARLIS / portala-Variante) ─────────────────────────────────
# BW kodiert den Underscore in der PDF-URL als %5F (z.B.
# "17%5F10323.pdf"), deshalb ist das URL-Substring-Pattern hier
# %5F-getrennt — `17_10323` würde nicht matchen.
GroundTruth(
bundesland="BW",
drucksache="17/10323",
title_substring="Arbeitsbedingungen",
expected_fraktionen={"GRÜNE"},
datum="2026-03-16",
pdf_url_substring="17_10323",
pdf_url_substring="17%5f10323",
frontend_search_url="https://parlis.landtag-bw.de/parlis/",
),
# ─── HH (ParlDok 8.x) ───────────────────────────────────────────────
@ -137,13 +140,16 @@ GROUND_TRUTH: list[GroundTruth] = [
frontend_search_url="https://www.parlamentsdokumentation.brandenburg.de/portal/",
),
# ─── RP (OPAL / portala) ────────────────────────────────────────────
# PDFs werden vom Landtag von `dokumente.landtag.rlp.de` ausgeliefert,
# nicht von `opal.rlp.de` (das ist nur das Suchfrontend). Substring auf
# die Drucksache-Nummer im Pfad — robust gegen weitere URL-Drift.
GroundTruth(
bundesland="RP",
drucksache="18/11250",
title_substring="Bildungschancen",
expected_fraktionen={"GRÜNE", "SPD", "FDP"},
datum="2025-01-23",
pdf_url_substring="opal.rlp.de",
pdf_url_substring="11250-18",
frontend_search_url="https://opal.rlp.de/portal/",
),
]