Parser le texte du PLF 2027 au dépôt #35
No reviewers
Labels
No milestone
No project
No assignees
1 participant
Notifications
Due date
No due date set.
Dependencies
No dependencies set
Reference
logiciels/tricoteuses-assemblee!35
Loading…
Reference in a new issue
No description provided.
Delete branch "fix/plf-2027-parser"
Deleting a branch is permanent. Although the deleted branch may continue to exist for a short time before it actually gets removed, it CANNOT be undone in most cases. Continue?
Contexte
Ajout du texte du PLF 2027 au dépôt (n° 3210) aux tests des parseurs PLF (
src/parsers/plf/). Les fixtures sont des extraits du HTML source (dyn-opendata.html) ; chaque fixture indique en commentaire les lignes du source dont elle est tirée.Toutes les valeurs attendues des tests viennent du HTML source (sommaire, corps du texte, lignes des tableaux), et non de la sortie du parseur. Pour chaque défaut, les tests ont été écrits d'abord, et on a vérifié qu'ils échouaient pour la bonne raison avant de corriger.
parsePlfDepot: défauts corrigésCorps des articles perdu : en 2027, le corps est en
<p class="assnatFPFprojetloiartexte">, alors qu'il était en<li>jusqu'en 2026. Les deux sont maintenant capturés, et les paragraphes d'espacement vides sont ignorés.En-têtes de page répétés (« Projet de loi de finances | 1 », tableaux avec
p.assnatFARTT08Bleu) : ils étaient pris pour du contenu. Le défaut touchait aussi 2025 et 2026.Tableaux d'encadrement à une seule cellule :
Ils sont maintenant ignorés. Les tableaux de données imbriqués (cas de l'article 37) restent capturés.
Puces d'exposé (
li.assnatFPFexpogentexte) : 33 étaient perdues dans l'exposé général, et 68 ne survivaient qu'à travers le texte brut des encadrements. Elles sont maintenant capturées : les 101 du PLF 2027 le sont toutes.Paragraphes d'exposé vides : ils sont ignorés.
Espaces insécables dans le texte des tableaux :
extractTableText, partagée avectextes_loisetlater_stage, les remplace maintenant par des espaces ordinaires, comme le fait déjàcleanText.Deux tests 2026 validaient l'en-tête de page et le tableau d'encadrement comme du contenu. Leurs valeurs attendues ont été corrigées à partir du source.
parsePlfCreditsLes États B, C et D complets du PLF 2027 sont ajoutés en fixtures. Ils sont vérifiés contre un relevé du source qui n'utilise pas le parseur : sections, missions avec leur nombre de programmes, totaux AE/CP, lignes « dont titre 2 » et montants nuls. Le parseur était déjà correct sur ces États : 285 lignes, aucun écart.
Résultat sur le PLF 2027 complet
Tests d'intégration (
PLF_DATA_DIR)Le PLF 2027 au dépôt (
PRJLANR5L17B3210) est ajouté aux testsintegration.test.tsetvariant_detection.test.ts. Les valeurs attendues ont été relevées dans le document complet, sans passer par le parseur :Les résultats attendus pour les documents 2024, 2025 et 2026 n'ont pas eu besoin d'être modifiés.
Remarque, non traitée dans cette PR : le corps des articles 2027 contient 14 numéros d'alinéa convertis en image (« (23) », 38×32 px). Ces images restent incluses en base64 dans le HTML de l'alinéa concerné.
Vérifications
npm run type-check: OK.npm run lint: 0 erreur (73 avertissements, déjà présents avant).npm test: 356 tests passent ; les tests d'intégration sont ignorés sansPLF_DATA_DIR.PLF_DATA_DIR=<données> npm test: 413 tests passent, aucun n'est ignoré.🤖 Generated with Claude Code
Add PLF 2027 dépôt fixtures extracted from the source document and fix the parser defects they revealed, with expectations taken from the source HTML: - capture article bodies written as p.assnatFPFprojetloiartexte (PLF 2027) in addition to li (PLF ≤ 2026), skipping empty spacers - ignore running page headers ("Projet de loi de finances | 1") - ignore one-cell framing tables around article headings and exposés, which duplicated their content or leaked the next article heading into the previous exposé; nested data tables are kept - capture bullet items (li.assnatFPFexpogentexte) in exposés - skip empty exposé paragraphs - normalize non-breaking spaces in table cell text Update the 2026 expectations that encoded the header and framing tables as content. Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>