Unstructured-IO / Unstructured-IO/unstructured-python-client
bug: pdf splitting modifies returned csv elements
Dieses Issue hat noch niemand übernommen.
- Vorherrschende Sprache
- Python
- Sterne
- 119
- Forks
- 22
- Ø Merge
- 1 T. 21 Std.
- Gemergte PRs (30 T.)
- 1
Beschreibung
Describe the bug
When specifying output_format as csv, the response from the api is different when split_pdf_page is True or False. When False, the elements contain an extra metadata field: text_as_html. This also means the element id does not match.
To Reproduce
_test_unstructured_client/integration/test_decorators.py::test_integration_split_csv_response illustrates this, but is passing because it asserts on a shortened string.
Expected behavior
The response to be identical whether or not split_pdf_page is True or False.
Beitragsleitfaden
Erste Schritte
- Lies das ganze Issue und danach den Beitragsleitfaden des Projekts.
- Schreib ins Issue, dass du es übernimmst — das erspart doppelte Arbeit.
- Forke das Repository und arbeite in einem Branch.
- Öffne einen Pull Request, der die Issue-Nummer nennt.
Rechercherichtung
Beginne mit test_unstructured_client/integration/test_decorators.py::test_integration_split_csv_response und ersetze seine verkürzte Assertion durch einen Vergleich, der das zusätzliche Feld text_as_html und die abweichende Element-ID sichtbar macht. Verfolge die Verarbeitung der CSV-Antwort für split_pdf_page=True und False; fertig ist es, wenn beide Antworten identisch sind und der Integrationstest das vollständige Ergebnis prüft.
Vom Indexierungsmodell aus dem Issue-Text verfasst.
Bewertung
- Tech-Stack
- python
- Bereich
- api
- Issue-Typ
- Bug
- Schwierigkeit
- 2/5
- Geschätzter Aufwand
- 1-3 Stunden
- Aktivitätsstatus
- Veraltet
- Klarheit
- Klar beschrieben
- Anfängerfreundlichkeit
- 62/100