"""Testet die Ausgabetreue des Quellenverzeichnisses. Hintergrund ist der Vergleich zweier Berichte zur selben Lage am 01.08.2026 (Ceuta). Beide Fassungen verwiesen im Text auf Quellennummern, die im gedruckten Verzeichnis nicht auftauchten. Ursache war nicht die Analyse, in der Datenbank passten Text und Liste zusammen, sondern die Ausgabe: Das Template druckte die laufende Zeilennummer statt der Quellennummer aus dem Lagebild. Sobald die Nummern Luecken haben, verschiebt sich damit jeder Beleg. Laeuft ohne Netzzugriff, ohne Kosten und ohne Datenbank. Aufruf aus dem Projektstamm: venv/bin/python tests/test_quellenausgabe.py """ import json import os import sys sys.path.insert(0, os.path.join(os.path.dirname(os.path.abspath(__file__)), "..", "src")) from jinja2 import Environment, FileSystemLoader # noqa: E402 import report_generator as rg # noqa: E402 from services import media_registry as mr # noqa: E402 ok = 0 fail = 0 def pruefe(name, bedingung, extra=""): global ok, fail if bedingung: ok += 1 print(" OK " + name) else: fail += 1 print(" FEHL " + name + " " + str(extra)) # --------------------------------------------------------------------------- # A. Domain-Erkennung # --------------------------------------------------------------------------- print("\nA. Registrierbare Domain") pruefe("A1 www wird abgeschnitten", mr.registrable_domain("https://www.theguardian.com/world/x") == "theguardian.com", mr.registrable_domain("https://www.theguardian.com/world/x")) pruefe("A2 mehrteilige Endung bleibt erhalten", mr.registrable_domain("https://www.bbc.co.uk/news/articles/y") == "bbc.co.uk", mr.registrable_domain("https://www.bbc.co.uk/news/articles/y")) pruefe("A3 Sprachsubdomain zaehlt zur selben Domain", mr.registrable_domain("https://english.elpais.com/spain/a.html") == "elpais.com", mr.registrable_domain("https://english.elpais.com/spain/a.html")) pruefe("A4 leere Eingabe bleibt leer", mr.registrable_domain("") == "") pruefe("A5 Weiterleitungsportal wird erkannt", mr.ist_aggregator("https://news.google.com/rss/articles/CBMi123?oc=5")) pruefe("A6 echtes Medium ist kein Aggregator", not mr.ist_aggregator("https://www.tagesschau.de/ausland/europa/x-100.html")) # --------------------------------------------------------------------------- # B. Ein Verlag, ein Name # --------------------------------------------------------------------------- print("\nB. Namensvereinheitlichung") eintraege = [ ("https://www.theguardian.com/world/a", "Guardian World"), ("https://www.theguardian.com/world/b", "Guardian UK"), ("https://www.theguardian.com/live/c", "The Guardian"), ("https://www.theguardian.com/live/d", "The Guardian"), ("https://www.france24.com/en/x", "www.france24.com"), ] namen = mr.namen_je_domain(eintraege) pruefe("B1 drei Guardian-Varianten ergeben einen Namen", namen.get("theguardian.com") == "The Guardian", namen.get("theguardian.com")) pruefe("B2 Hostname als Name faellt auf die Tabelle zurueck", namen.get("france24.com") == "France24", namen.get("france24.com")) pruefe("B3 unbekannte Domain bekommt einen lesbaren Namen", mr.name_aus_domain("beispielzeitung.de") == "Beispielzeitung", mr.name_aus_domain("beispielzeitung.de")) # Der Feed-Name darf den Mediennamen nicht verdraengen: im Bericht vom # 01.08.2026 stand "Guardian World", "NYT Top Stories" und "BBC Europe". feednamen = mr.namen_je_domain([ ("https://www.theguardian.com/world/a", "Guardian World"), ("https://www.theguardian.com/world/b", "Guardian World"), ("https://www.nytimes.com/2026/08/01/x.html", "NYT Top Stories"), ("https://www.bbc.co.uk/news/y", "BBC Europe"), ]) pruefe("B4 Medienname schlaegt Feed-Name (Guardian)", feednamen.get("theguardian.com") == "The Guardian", feednamen.get("theguardian.com")) pruefe("B5 Medienname schlaegt Feed-Name (NYT)", feednamen.get("nytimes.com") == "New York Times", feednamen.get("nytimes.com")) pruefe("B6 Medienname schlaegt Feed-Name (BBC)", feednamen.get("bbc.co.uk") == "BBC", feednamen.get("bbc.co.uk")) # --------------------------------------------------------------------------- # C. Quellenverzeichnis behaelt die Nummern aus dem Lagebild # --------------------------------------------------------------------------- print("\nC. Quellenaufbereitung") # Nachgebaut nach Lage 53 (EU-Fassung): 25 Eintraege, aber Nummern bis 28. quellen_roh = [{"nr": n, "name": f"Medium {n}", "url": f"https://medium{n}.de/artikel"} for n in [1, 2, 3, 20, 22, 24, 26, 27, 28]] incident = {"sources_json": json.dumps(quellen_roh, ensure_ascii=False)} sources = rg._prepare_sources(incident) nummern = [s["nr"] for s in sources] pruefe("C1 Luecken in der Nummerierung bleiben erhalten", nummern == [1, 2, 3, 20, 22, 24, 26, 27, 28], nummern) pruefe("C2 hoechste Nummer ueberlebt die Aufbereitung", max(nummern) == 28, max(nummern)) # Buchstaben-Suffixe und kaputte Nummern duerfen nichts umwerfen gemischt = {"sources_json": json.dumps([ {"nr": "7a", "name": "A", "url": "https://a.de/1"}, {"nr": None, "name": "B", "url": "https://b.de/1"}, {"nr": 3, "name": "C", "url": "https://c.de/1"}, ], ensure_ascii=False)} gemischte_nrn = [s["nr"] for s in rg._prepare_sources(gemischt)] pruefe("C3 Suffix wird zur Zahl, fehlende Nummer bekommt die Position", all(isinstance(n, int) for n in gemischte_nrn) and 7 in gemischte_nrn, gemischte_nrn) # Namen im Verzeichnis vereinheitlicht mehrfach = {"sources_json": json.dumps([ {"nr": 1, "name": "Guardian World", "url": "https://www.theguardian.com/a"}, {"nr": 2, "name": "The Guardian", "url": "https://www.theguardian.com/b"}, {"nr": 3, "name": "The Guardian", "url": "https://www.theguardian.com/c"}, ], ensure_ascii=False)} namen_liste = {s["name"] for s in rg._prepare_sources(mehrfach)} pruefe("C4 Verzeichnis fuehrt den Verlag unter einem Namen", namen_liste == {"The Guardian"}, namen_liste) # --------------------------------------------------------------------------- # C2. Lueckenlose Nummerierung fuer die Ausgabe # --------------------------------------------------------------------------- print("\nC2. Umnummerierung im Bericht") neu, abbildung = rg._renumber_sources(sources) pruefe("C5 Ausgabe zaehlt lueckenlos ab 1", [s["nr"] for s in neu] == list(range(1, len(sources) + 1)), [s["nr"] for s in neu]) pruefe("C6 Abbildung fuehrt die hoechste alte Nummer auf die letzte Zeile", abbildung.get(28) == len(sources), abbildung.get(28)) text_alt = "Erstens [1], zweitens [22] und drittens [28]." text_neu = rg._apply_citation_map(text_alt, abbildung) pruefe("C7 Verweise im Text folgen der neuen Zaehlung", text_neu == f"Erstens [1], zweitens [{abbildung[22]}] und drittens [{abbildung[28]}].", text_neu) verwaist = rg._apply_citation_map("Beleg [21] existiert nicht, [1] schon.", abbildung) pruefe("C8 Verweis ohne Verzeichniseintrag wird entfernt, nicht verschoben", "[21]" not in verwaist and "[1]" in verwaist and "[2]" not in verwaist, verwaist) pruefe("C9 leere Abbildung laesst den Text unveraendert", rg._apply_citation_map(text_alt, {}) == text_alt) # --------------------------------------------------------------------------- # C3. Doppelte Adressen # --------------------------------------------------------------------------- print("\nC3. Doppelte Adressen im Verzeichnis") # Nachgebaut nach Lage 56: 30 Eintraege, aber nur 28 verschiedene Adressen. # Zweimal dieselbe tagesschau-Meldung stuetzte dort die strittigste Behauptung. doppelt = rg._prepare_sources({"sources_json": json.dumps([ {"nr": 22, "name": "tagesschau", "url": "https://www.tagesschau.de/ausland/a-100.html"}, {"nr": 23, "name": "tagesschau", "url": "https://www.tagesschau.de/ausland/a-100.html"}, {"nr": 24, "name": "tagesschau", "url": "https://www.tagesschau.de/ausland/b-104.html"}, {"nr": 25, "name": "tagesschau", "url": "http://tagesschau.de/ausland/b-104.html/"}, {"nr": 26, "name": "ZDF heute", "url": "https://www.zdfheute.de/c.html"}, ], ensure_ascii=False)}) pruefe("C10 gleiche Adresse ergibt einen Eintrag", len(doppelt) == 3, len(doppelt)) pruefe("C11 die kleinere Nummer bleibt bestehen", [s["nr"] for s in doppelt] == [22, 24, 26], [s["nr"] for s in doppelt]) pruefe("C12 Schema, www und Endschraegstrich zaehlen nicht als Unterschied", rg._url_schluessel("https://www.x.de/a/") == rg._url_schluessel("http://x.de/a")) neu_d, abb_d = rg._renumber_sources(doppelt) pruefe("C13 Ausgabe zaehlt wieder lueckenlos", [s["nr"] for s in neu_d] == [1, 2, 3], [s["nr"] for s in neu_d]) pruefe("C14 Verweis auf die entfernte Nummer zeigt auf den behaltenen Eintrag", abb_d.get(23) == abb_d.get(22) == 1 and abb_d.get(25) == abb_d.get(24) == 2, abb_d) pruefe("C15 Text mit beiden Nummern bleibt aufloesbar", rg._apply_citation_map("Beleg [22] und [23].", abb_d) == "Beleg [1] und [1].", rg._apply_citation_map("Beleg [22] und [23].", abb_d)) # --------------------------------------------------------------------------- # C4. Zeitliche Sortierung der Neuesten Entwicklungen # --------------------------------------------------------------------------- print("\nC4. Neueste Entwicklungen") # Nachgebaut nach Lage 56: der letzte Eintrag sprang von 12:44 zurueck auf 17:47. roh = "\n".join([ "- [01.08. 23:23] Barriere installiert. {A|https://a.de/1}", "- [01.08. 12:44] Italien setzt Schengen aus. {B|https://b.de/1}", "- [01.08. 17:47] Todeszahl steigt. {C|https://c.de/1}", "- [02.08. 00:05] Neuer Tag. {D|https://d.de/1}", ]) paare = rg._parse_developments_for_export(roh) pruefe("C16 Eintraege stehen absteigend nach Zeit", [p[0][:14] for p in paare] == ["02.08.26, 00:0", "01.08.26, 23:2", "01.08.26, 17:4", "01.08.26, 12:4"], [p[0] for p in paare]) pruefe("C17 kein Eintrag geht verloren", len(paare) == 4, len(paare)) # --------------------------------------------------------------------------- # D. Statistik und Verzeichnis widersprechen sich nicht mehr # --------------------------------------------------------------------------- print("\nD. Quellenstatistik") artikel = [ {"source": "France24", "source_url": "https://www.france24.com/en/1", "language": "en"}, {"source": "France24", "source_url": "https://www.france24.com/en/2", "language": "en"}, {"source": "El País", "source_url": "https://english.elpais.com/spain/1.html", "language": "de"}, {"source": "tagesschau", "source_url": "https://www.tagesschau.de/1.html", "language": "de"}, {"source": "n-tv", "source_url": "https://www.n-tv.de/1.html", "language": "de"}, ] zitiert = rg._prepare_sources({"sources_json": json.dumps([ {"nr": 1, "name": "France24", "url": "https://www.france24.com/en/1"}, {"nr": 2, "name": "France24", "url": "https://www.france24.com/en/2"}, {"nr": 3, "name": "El País", "url": "https://english.elpais.com/spain/1.html"}, {"nr": 4, "name": "tagesschau", "url": "https://www.tagesschau.de/1.html"}, ], ensure_ascii=False)}) stats = rg._prepare_source_stats(zitiert, artikel) summe = sum(s["count"] for s in stats) pruefe("D1 Summe der Belege entspricht dem Verzeichnis", summe == len(zitiert), (summe, len(zitiert))) pruefe("D2 zwei France24-Belege ergeben eine Zeile", [s for s in stats if s["name"] == "France24"][0]["count"] == 2, stats) elpais = [s for s in stats if "Pa" in s["name"] or "País" in s["name"]] pruefe("D3 englische Ausgabe wird nicht als DE gefuehrt", elpais and elpais[0]["languages"] == "EN", elpais) # Weiterleitungen: vier Zeitungen liegen alle unter news.google.com. Sie # duerfen nicht zu einer Zeile verschmelzen und nicht den Namen tauschen. redirects = rg._prepare_sources({"sources_json": json.dumps([ {"nr": 1, "name": "SZ.de", "url": "https://news.google.com/rss/articles/AAA?oc=5"}, {"nr": 2, "name": "Kurier", "url": "https://news.google.com/rss/articles/BBB?oc=5"}, {"nr": 3, "name": "Deutschlandfunk", "url": "https://news.google.com/rss/articles/CCC?oc=5"}, ], ensure_ascii=False)}) pruefe("D6 Weiterleitungen behalten ihren eigenen Namen", [s["name"] for s in redirects] == ["SZ.de", "Kurier", "Deutschlandfunk"], [s["name"] for s in redirects]) redirect_stats = rg._prepare_source_stats(redirects, []) pruefe("D7 drei Zeitungen bleiben drei Zeilen", len(redirect_stats) == 3, redirect_stats) pruefe("D8 Weiterleitung wird ausgewiesen", all("(Weiterleitung)" in s["name"] for s in redirect_stats), redirect_stats) notiz = rg._source_stats_note(zitiert, artikel) pruefe("D4 Hinweis nennt zitierte Belege und ausgewertete Meldungen", "4 im Lagebild zitierten Belege" in notiz and "5 Meldungen" in notiz, notiz) pruefe("D5 Hinweis nutzt echte Umlaute", "zaehlt" not in notiz and "zählt" in notiz, notiz) # --------------------------------------------------------------------------- # E. Das Template druckt die Quellennummer, nicht die Zeilennummer # --------------------------------------------------------------------------- print("\nE. Ausgabe im Bericht") env = Environment(loader=FileSystemLoader(str(rg.TEMPLATE_DIR))) template = env.get_template("report.html") html = template.render( incident={"title": "Testlage", "type": "adhoc"}, incident_type_label="Live-Monitoring", report_date="01.08.2026, 20:39 Uhr", creator="test@aegis-sight.de", logo_base64="", executive_summary="", zusammenfassung_title="Neueste Entwicklungen", sections={"quellen"}, scope="report", lagebild_html="", lagebild_timestamp="", sources=sources, fact_checks=[], source_stats=[{"name": "Medium 28", "count": 1, "languages": "DE"}], source_stats_note="Hinweistext zur Prüfung", timeline=[], articles=[], meta={}, include_branding=True, ) zeilen = [z for z in html.splitlines() if "medium28.de" in z] pruefe("E1 letzter Eintrag wird als 28 gedruckt, nicht als 9", zeilen and ">28<" in zeilen[0] and ">9<" not in zeilen[0], zeilen[:1]) pruefe("E2 Statistikspalte heisst Belege", "Belege" in html) pruefe("E3 Hinweis unter der Statistik erscheint", "Hinweistext zur Prüfung" in html) pruefe("E4 alle Eintraege erscheinen, nichts wird gekappt", all(f"medium{n}.de" in html for n in [1, 2, 3, 20, 22, 24, 26, 27, 28])) print("\nErgebnis: " + str(ok) + " bestanden, " + str(fail) + " fehlgeschlagen") sys.exit(1 if fail else 0)