.

tests/test_html_word_export.py

@@ -0,0 +1,132 @@
+"""HTML от Word/LibreOffice „Save as…“: относителни картинки + multi-section split."""
+from pathlib import Path
+
+from help_processor import (
+    merge_preamble_sections,
+    merge_short_sections,
+    parse_html,
+)
+
+
+def _mini_png(w: int = 64, h: int = 64) -> bytes:
+    try:
+        from io import BytesIO
+        from PIL import Image
+
+        buf = BytesIO()
+        Image.new("RGB", (w, h), color=(40, 120, 200)).save(buf, format="PNG")
+        return buf.getvalue()
+    except Exception:
+        return (
+            b"\x89PNG\r\n\x1a\n\x00\x00\x00\rIHDR\x00\x00\x00\x01"
+            b"\x00\x00\x00\x01\x08\x02\x00\x00\x00\x90wS\xde\x00\x00\x00"
+            b"\x0cIDATx\x9cc\xf8\x0f\x00\x00\x01\x01\x00\x05\x18\xd8N"
+            b"\x00\x00\x00\x00IEND\xaeB`\x82"
+        )
+
+
+def test_html_relative_img_url_encoded(tmp_path: Path):
+    """../ + %20 в src се резолвират спрямо HTML папката (без UNC)."""
+    media = tmp_path / "___Proekti" / "2025 ATRA96" / "otchitane"
+    media.mkdir(parents=True)
+    png = _mini_png()
+    (media / "123.png").write_bytes(png)
+
+    html_dir = tmp_path / "docs"
+    html_dir.mkdir()
+    html = html_dir / "manual.html"
+    html.write_text(
+        """<!DOCTYPE html><html><body>
+        <h1>1. Преглед</h1>
+        <p class="MsoNormal" style="background:#fafafa">
+        <img src="../___Proekti/2025%20ATRA96/otchitane/123.png"
+             name="Picture 1" align="bottom" width="1045" height="523" border="0"/>
+        </p>
+        <p>Фигура 1: екран с достатъчно текст за тяло на секцията тук.</p>
+        </body></html>""",
+        encoding="utf-8",
+    )
+
+    sections = merge_preamble_sections(merge_short_sections(parse_html(html)))
+    assert len(sections) >= 1
+    body = sections[0]
+    assert body.images, "relative URL-encoded img must load from disk"
+    assert "[IMG:" in (body.text or "")
+    assert "[IMG:" in (body.html_text or "")
+
+
+def test_html_missing_img_logs_warning(tmp_path: Path, caplog):
+    html = tmp_path / "gone.html"
+    html.write_text(
+        """<!DOCTYPE html><html><body>
+        <h1>1. Alone</h1>
+        <p><img src="../missing%20dir/nope.png" name="Picture 1"/></p>
+        <p>Тяло без картинка, но с достатъчно думи за секция едно две три.</p>
+        </body></html>""",
+        encoding="utf-8",
+    )
+    import logging
+
+    with caplog.at_level(logging.WARNING, logger="help_processor"):
+        sections = parse_html(html)
+    assert sections
+    assert not sections[0].images
+    assert any("HTML image not found" in r.message for r in caplog.records)
+
+
+def test_html_word_softbreak_h2_chapters_split(tmp_path: Path):
+    """CR/LF вътре в H2 (типично Save-as HTML) не трябва да остави 1 мега-секция."""
+    html = tmp_path / "softbreak.html"
+    # Имитира atra-manual.html: H1 корица, Съдържание, H2 с пренос на ред в заглавието
+    html.write_text(
+        "<!DOCTYPE html><html><body>\n"
+        '<h1 class="western">NESPERTCAM Launcher - Пълно\r\n'
+        "ръководство на потребителя</h1>\n"
+        '<h3 class="western">Съдържание</h3>\n'
+        "<ul>\n"
+        "<li><p>1. Преглед на приложението</p></li>\n"
+        "<li><p>2. Инсталация и настройка</p></li>\n"
+        "</ul>\n"
+        '<h2 class="western">1. Преглед на\r\nприложението</h2>\n'
+        "<p>Какво е NESPERTCAM Launcher с достатъчно думи в тялото на главата едно.</p>\n"
+        '<h2 class="western">2. Инсталация\r\nи настройка</h2>\n'
+        "<p>Системни изисквания Windows 10 и още текст за втората глава тук.</p>\n"
+        "</body></html>",
+        encoding="utf-8",
+    )
+
+    sections = merge_preamble_sections(merge_short_sections(parse_html(html)))
+    assert len(sections) >= 3, f"expected preamble+chapters, got {_titles(sections)}"
+    assert "NESPERTCAM" in sections[0].title
+    assert "Съдържание" in sections[0].text
+    assert sections[1].title == "1. Преглед на приложението"
+    assert sections[2].title == "2. Инсталация и настройка"
+    assert "\r" not in sections[1].title and "\n" not in sections[1].title
+
+
+def test_html_mso_normal_numbered_chapters(tmp_path: Path):
+    """Word MsoNormal / bold глави 1. / 2. режат секции след TOC."""
+    html = tmp_path / "mso.html"
+    html.write_text(
+        """<!DOCTYPE html><html><body>
+        <p class=MsoTitle><b>Ръководство X</b></p>
+        <p class=MsoNormal><b>Съдържание</b></p>
+        <p class=MsoNormal>1. Увод</p>
+        <p class=MsoNormal>2. Край</p>
+        <p class=MsoNormal><b>1. Увод</b></p>
+        <p class=MsoNormal>Текст на увода с няколко думи повече от минимум.</p>
+        <p class=MsoNormal><b>2. Край</b></p>
+        <p class=MsoNormal>Текст на края с няколко думи повече от минимум.</p>
+        </body></html>""",
+        encoding="utf-8",
+    )
+    sections = merge_preamble_sections(merge_short_sections(parse_html(html)))
+    assert len(sections) >= 3
+    assert sections[0].title == "Ръководство X"
+    assert "Съдържание" in sections[0].text
+    assert sections[1].title == "1. Увод"
+    assert sections[2].title == "2. Край"
+
+
+def _titles(sections):
+    return [s.title for s in sections]