Unstructured-IO / Unstructured-IO/unstructured-python-client
bug: pdf splitting modifies returned csv elements
还没有人认领这个 Issue。
- 主要语言
- Python
- 星标
- 119
- 派生
- 22
- 平均合并
- 1 天 21 小时
- 30 天内合并 PR
- 1
描述
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.
贡献指南
从这里开始
- 先读完整个 Issue，再读项目的贡献指南。
- 在 Issue 下留言说明你要接手 —— 这能避免两个人做同样的事。
- Fork 仓库，在一个分支上完成修改。
- 提交 Pull Request，并在描述里引用这个 Issue 编号。
调研方向
从 test_unstructured_client/integration/test_decorators.py::test_integration_split_csv_response 开始，将其中缩短的断言替换为一个比较，以暴露额外的 text_as_html 字段和不同的元素 id。跟踪 split_pdf_page=True 和 False 时的 CSV 响应处理；当两个响应完全一致且集成测试检查完整结果时，即表示完成。
由索引模型根据 Issue 内容生成。
评估
- 技术栈
- python
- 领域
- api
- Issue 类型
- 缺陷
- 难度
- 2/5
- 预计耗时
- 1-3 小时
- 活跃度
- 停滞
- 描述清晰度
- 描述清楚
- 新手友好度
- 62/100