"""
class Response:
def __init__(self, status, body, url):
self.status, self.body, self.url = status, body.encode("utf-8"), url
class ParseTests(unittest.TestCase):
def setUp(self):
self.module = load_module()
def test_only_external_links_survive_the_profile_table(self):
"""站内链接是检索入口，不是这个人的链接。
不筛的话每位女优都会挂上「A型」「東京都」「長身」三条站内跳转，
资料页上的「相关链接」就变成了噪音。
"""
fields = self.module.profile_fields(PROFILE)
self.assertEqual(set(fields), {"ブログ", "公式サイト"})
self.assertEqual(fields["ブログ"], ["https://twitter.com/alice_710_"])
def test_the_agency_is_read_as_text_because_its_link_is_internal(self):
"""事务所名值得留下，但它的链接指向站内检索，不能当外链装进去。"""
self.assertEqual(self.module.profile_text(PROFILE, "所属事務所"),
"New Actor eXperience")
def test_a_blog_field_holding_twitter_is_classified_as_social(self):
"""minnano-av 把 Twitter 放在「ブログ」栏里。
按栏目名分类会把它归成博客；按 host 分类才对得上它实际是什么。
"""
self.assertEqual(self.module.classify("https://twitter.com/alice_710_"),
("social", "X @alice_710_"))
self.assertEqual(self.module.classify("https://x.com/foo"), ("social", "X @foo"))
self.assertEqual(self.module.classify("http://official.nax-pro.com/model/"),
("official", "官方网站"))
def test_an_agency_page_is_labelled_with_the_agency_name(self):
"""域名归属未知时才退回事务所名：那时它至少没有和已知事实矛盾。
退回通用的「官方网站」等于把取到的信息扔掉——资料页上一排链接全叫同一个名字，
点之前看不出哪个是事务所。
"""
self.assertEqual(
self.module.classify("http://www.t-powers.co.jp/official/talent/x", "T-POWERS"),
("official", "T-POWERS"))
def test_the_label_follows_the_domain_not_the_agency_field(self):
"""白石亚子的「所属事務所」是 T-POWERS，「公式サイト」却是 Prestige 的宣传页。
这是资料表里两行不同的事实。把事务所名贴到这条链接上，一个控件就同时替两家公司
说话：文字写着 T-POWERS，图标和落点都是 Prestige。
"""
# 归属表的键和 `host_of` 用同一条归一规则，都不带 `www.`。
owners = {"prestige-av.com": "Prestige"}
self.assertEqual(
self.module.classify("http://www.prestige-av.com/special/shiraishi_ako.php",
"T-POWERS", owners.get),
("official", "Prestige"))
# 域名确实归事务所时，两条规则给出同一个答案。
self.assertEqual(
self.module.classify("http://www.t-powers.co.jp/official/talent/x", "T-POWERS",
{"t-powers.co.jp": "T-POWERS"}.get),
("official", "T-POWERS"))
def test_a_personal_platform_account_is_not_an_agency_page(self):
"""Facebook 和 Linktree 此前不在平台表里，走了 official 分支、被贴上事务所名。"""
self.assertEqual(
self.module.classify("https://www.facebook.com/miho.tanaka.334491", "T-POWERS"),
("social", "Facebook @miho.tanaka.334491"))
self.assertEqual(
self.module.classify("http://linktr.ee/sawa_sasaki", "GG"),
("social", "Linktree @sawa_sasaki"))
self.assertEqual(
self.module.classify("http://kawakami-yuu.livedoor.biz/", "Ys Promotion"),
("social", "博客"))
def test_a_blog_is_social_not_an_official_site(self):
"""`blog.livedoor.jp/kaede_fuyutuki/` 是本人的博客，不是公式站。
实测冬月枫的「公式サイト」栏给的就是它；照栏目名当官网会让标签说谎。
"""
self.assertEqual(
self.module.classify("http://blog.livedoor.jp/kaede_fuyutuki/", "T-POWERS"),
("social", "博客"))
def test_a_lookalike_host_is_not_taken_for_the_real_platform(self):
"""`notx.com` 不是 x.com。后缀匹配必须落在点边界上。"""
kind, _ = self.module.classify("https://notx.com/foo")
self.assertEqual(kind, "official")
class NameChainTests(unittest.TestCase):
def setUp(self):
self.module = load_module()
def test_the_japanese_stage_name_is_tried_before_the_simplified_chinese_one(self):
"""账本里 performer 的规范名是简体中文，日文站按它一个都搜不到。
实测：拿 `凉森玲梦` 直接搜，12 位里只有 1 位命中；能用的写法 `涼森れむ`
就在别名里。名字链的次序不是风格问题，它决定了这个脚本有没有用。
"""
chain = self.module.name_chain("凉森玲梦", ["涼森れむ", "Remu Suzumori", "すずもりれむ"])
self.assertEqual(chain[0], "涼森れむ")
self.assertEqual(chain, ["涼森れむ", "すずもりれむ", "凉森玲梦"])
def test_romaji_never_enters_the_chain(self):
"""罗马字对日文站基本无效。
留着不只是白跑一次往返：它落空后混进未取得，看起来像「这个人查不到」，
而真相是「我们从没用她的日文名查过」。
"""
self.assertNotIn("Alice Shaku",
self.module.name_chain("释爱丽丝", ["Alice Shaku", "釈アリス"]))
def test_duplicates_collapse_and_a_kanji_only_name_still_qualifies(self):
"""`美谷朱音` 既是账本规范名也是有效日文写法，实测能直接命中。"""
self.assertEqual(self.module.name_chain("美谷朱音", ["美谷朱音", "美谷朱里"]),
["美谷朱音", "美谷朱里"])
def test_a_performer_with_only_latin_names_yields_an_empty_chain(self):
self.assertEqual(self.module.name_chain("Cola", ["Cola Sauce"]), [])
class RedirectTests(unittest.TestCase):
def setUp(self):
self.module = load_module()
def test_a_unique_match_is_taken_from_the_final_url(self):
page = f"{PROFILE}"
rows, found, agency, note = self.module.scan(
lambda *a: Response(200, page, "https://www.minnano-av.com/actress494354.html"), "釈アリス", 5)
self.assertEqual(found, "494354")
self.assertEqual(agency, "New Actor eXperience")
self.assertEqual({row["url"] for row in rows},
{"https://twitter.com/alice_710_", "http://official.nax-pro.com/model/"})
self.assertIn("actress494354", rows[0]["evidence"])
self.assertIn("2 条外链", note)
def test_a_search_result_page_is_refused_even_though_it_is_full_of_actress_links(self):
"""这是本脚本最危险的失败模式。
检索页正文里同样有一堆 `actressNNN.html`——那是「相关女优」。按正文解析会把
别人的社媒安到这个人头上，而且看起来完全正常。信号只在最终地址里，
所以停在 search_result.php 就必须判未取得，哪怕正文看起来很有料。
"""
body = ('