PDF论文提取工具M2测试
Budget / Salary$10–30
TypeFreelance project
LocationRemote
Posted1 hour ago
# PDF论文批量提取工具 M2 测试大纲(可直接附在项目里、发给测试者/开发者,也能放到Freelancer项目描述)
> 适配你当前版本:批量提取、Excel结构化汇总、双栏PDF解析、日志、失败重试、表格预览+手动编辑;对应Peng的测试逻辑,和你们约定的规则完全对齐
> 测试对象:M2 Windows EXE免安装包
> 输出物:测试报告 + 缺陷清单
## 一、测试范围
1. 批量PDF导入、文件夹批量选择
2. 双栏论文阅读顺序解析(核心重点)
3. 13列结构化字段提取、Excel导出
4. 结果预览面板 + 手动编辑修改提取结果
5. 异常隔离、失败文件重试机制
6. 完整操作历史日志
7. 页眉页脚过滤、图注隔离、引用标记、换行断词修复
8. 基础稳定性(50/100篇批量)
> 不包含:AI接口、插件接口(这是后续版本,本次M2不测)
## 二、前置约定(判定标准,直接沿用你们和开发者定好的规则)
1. 第1页:先通栏顶部(标题、作者、摘要、关键词)→ 下方左栏从上至下 → 下方右栏从上至下
2. 第2页及往后:整页左栏全部读完,再读右栏,再下一页
3. 页眉页脚:75pt / 785pt边距裁切剔除,不能误删靠近边界的正文
4. 跨栏大图、单栏图:图注不混入【背景、结论】等提取字段
5. 引用标记 `[1-6]` 原样保留;换行拆分单词自动拼接还原
6. 判定依据:开发者官方阅读顺序规则,不是外部标准答案;规则模糊点单独标记,不自行脑补预期结果
7. 工具行为和规则不一致 → 判定为缺陷
## 三、测试用例分类
### 模块1:批量导入与容量测试(你的核心卖点:50–100篇批量)
- 单文件导入:正常单篇PDF提取
- 多选文件批量导入:50篇PDF批量提交
- 文件夹批量导入:100篇PDF批量提交
- 混合样本包:同时包含单栏、双栏、首页通栏、跨栏大图论文
- 边界:包含文件名带特殊字符、中文、长文件名PDF
**预期:** 全部正常加载,不会直接崩溃;文件相互隔离,单个坏文件不卡死整批任务
### 模块2:双栏排版解析测试(重点)
1. 首页结构:通栏标题摘要 + 下方双栏
2. 普通双栏页(第2页起):左栏读完再右栏
3. 句子跨栏边界:一句话被栏分割,提取后自动拼接成完整句子
4. 跨中缝元素、跨栏大图:图注不串入正文提取字段
5. 对比对照组:模拟简单逐行扫描的错误效果,验证本工具不会左右栏文字交错乱序
**预期:** 文本顺序严格遵循约定规则,不出现左右栏穿插错乱
### 模块3:结构化提取 & Excel导出(13列字段)
- 按预设13个字段精准抓取原文+对应来源页码
- 导出Excel:格式不乱、列对齐、页码跟随对应提取内容
- 导出后Excel可正常打开,无乱码
### 模块4:结果预览 + 手动编辑(M2新增功能)
- 提取完成后,预览表格可以直接查看每一条提取结果
- 支持手动修改、编辑单条提取内容
- 修改后,重新导出Excel,能保留人工修改后的内容
### 模块5:错误隔离、失败重试
- 混入损坏PDF、加密PDF、无法解析的异常文件
- 单文件解析失败:不中断整个批次,其他文件继续跑完
- 失败文件单独标记,支持单独重试该失败文件
- 记录失败原因、失败文件名称
### 模块6:页眉页脚、图注、文本细节
- 页眉(期刊名、卷号ISSN)、页脚(页码、通讯作者脚注)被过滤,不进提取字段
- 图注单独隔离,不混入背景/结论字段
- 文献引用标记 [1][2-6] 保留原样
- 换行连字符拆分单词自动合并(ex-periment → experiment)
### 模块7:历史日志
- 每一次批量任务、重试、编辑操作都写入日志
- 日志可查看:任务时间、文件列表、成功/失败数量、失败原因
### 模块8:稳定性测试
- 连续跑多轮大批量任务,观察内存占用,无内存泄漏
- 长时间批量处理,程序无闪退、卡死
## 四、缺陷分级(方便测试者写报告)
- **严重**:程序崩溃、整批任务卡死、批量功能完全失效、双栏顺序完全错乱
- **一般**:字段提取漏内容、Excel导出错乱、图注串入正文、重试功能无效
- **轻微**:UI显示瑕疵、日志信息不够清晰、个别边缘文本处理偶发异常
- **建议项**:不属于bug,只是优化提议(后面版本迭代考虑)
## 五、测试交付物(要求测试者输出)
1. 测试总结:整体是否通过M2验收
2. 缺陷清单:编号、现象、预期、截图/样例PDF、严重等级、对应规则条款
3. ambiguous模糊项清单:规则本身没覆盖、无法判定的场景,单独列出
4. 测试样本说明:用了哪些PDF样例
5. 测试报告文档
## 六、测试启动条件(和Peng说的完全对应)
1. M2测试包:带预览+手动编辑功能EXE + 测试样本PDF包
2. $10第二轮测试里程碑资金就绪
3. NDA补充协议签署完成,覆盖本轮测试材料
> 适配你当前版本:批量提取、Excel结构化汇总、双栏PDF解析、日志、失败重试、表格预览+手动编辑;对应Peng的测试逻辑,和你们约定的规则完全对齐
> 测试对象:M2 Windows EXE免安装包
> 输出物:测试报告 + 缺陷清单
## 一、测试范围
1. 批量PDF导入、文件夹批量选择
2. 双栏论文阅读顺序解析(核心重点)
3. 13列结构化字段提取、Excel导出
4. 结果预览面板 + 手动编辑修改提取结果
5. 异常隔离、失败文件重试机制
6. 完整操作历史日志
7. 页眉页脚过滤、图注隔离、引用标记、换行断词修复
8. 基础稳定性(50/100篇批量)
> 不包含:AI接口、插件接口(这是后续版本,本次M2不测)
## 二、前置约定(判定标准,直接沿用你们和开发者定好的规则)
1. 第1页:先通栏顶部(标题、作者、摘要、关键词)→ 下方左栏从上至下 → 下方右栏从上至下
2. 第2页及往后:整页左栏全部读完,再读右栏,再下一页
3. 页眉页脚:75pt / 785pt边距裁切剔除,不能误删靠近边界的正文
4. 跨栏大图、单栏图:图注不混入【背景、结论】等提取字段
5. 引用标记 `[1-6]` 原样保留;换行拆分单词自动拼接还原
6. 判定依据:开发者官方阅读顺序规则,不是外部标准答案;规则模糊点单独标记,不自行脑补预期结果
7. 工具行为和规则不一致 → 判定为缺陷
## 三、测试用例分类
### 模块1:批量导入与容量测试(你的核心卖点:50–100篇批量)
- 单文件导入:正常单篇PDF提取
- 多选文件批量导入:50篇PDF批量提交
- 文件夹批量导入:100篇PDF批量提交
- 混合样本包:同时包含单栏、双栏、首页通栏、跨栏大图论文
- 边界:包含文件名带特殊字符、中文、长文件名PDF
**预期:** 全部正常加载,不会直接崩溃;文件相互隔离,单个坏文件不卡死整批任务
### 模块2:双栏排版解析测试(重点)
1. 首页结构:通栏标题摘要 + 下方双栏
2. 普通双栏页(第2页起):左栏读完再右栏
3. 句子跨栏边界:一句话被栏分割,提取后自动拼接成完整句子
4. 跨中缝元素、跨栏大图:图注不串入正文提取字段
5. 对比对照组:模拟简单逐行扫描的错误效果,验证本工具不会左右栏文字交错乱序
**预期:** 文本顺序严格遵循约定规则,不出现左右栏穿插错乱
### 模块3:结构化提取 & Excel导出(13列字段)
- 按预设13个字段精准抓取原文+对应来源页码
- 导出Excel:格式不乱、列对齐、页码跟随对应提取内容
- 导出后Excel可正常打开,无乱码
### 模块4:结果预览 + 手动编辑(M2新增功能)
- 提取完成后,预览表格可以直接查看每一条提取结果
- 支持手动修改、编辑单条提取内容
- 修改后,重新导出Excel,能保留人工修改后的内容
### 模块5:错误隔离、失败重试
- 混入损坏PDF、加密PDF、无法解析的异常文件
- 单文件解析失败:不中断整个批次,其他文件继续跑完
- 失败文件单独标记,支持单独重试该失败文件
- 记录失败原因、失败文件名称
### 模块6:页眉页脚、图注、文本细节
- 页眉(期刊名、卷号ISSN)、页脚(页码、通讯作者脚注)被过滤,不进提取字段
- 图注单独隔离,不混入背景/结论字段
- 文献引用标记 [1][2-6] 保留原样
- 换行连字符拆分单词自动合并(ex-periment → experiment)
### 模块7:历史日志
- 每一次批量任务、重试、编辑操作都写入日志
- 日志可查看:任务时间、文件列表、成功/失败数量、失败原因
### 模块8:稳定性测试
- 连续跑多轮大批量任务,观察内存占用,无内存泄漏
- 长时间批量处理,程序无闪退、卡死
## 四、缺陷分级(方便测试者写报告)
- **严重**:程序崩溃、整批任务卡死、批量功能完全失效、双栏顺序完全错乱
- **一般**:字段提取漏内容、Excel导出错乱、图注串入正文、重试功能无效
- **轻微**:UI显示瑕疵、日志信息不够清晰、个别边缘文本处理偶发异常
- **建议项**:不属于bug,只是优化提议(后面版本迭代考虑)
## 五、测试交付物(要求测试者输出)
1. 测试总结:整体是否通过M2验收
2. 缺陷清单:编号、现象、预期、截图/样例PDF、严重等级、对应规则条款
3. ambiguous模糊项清单:规则本身没覆盖、无法判定的场景,单独列出
4. 测试样本说明:用了哪些PDF样例
5. 测试报告文档
## 六、测试启动条件(和Peng说的完全对应)
1. M2测试包:带预览+手动编辑功能EXE + 测试样本PDF包
2. $10第二轮测试里程碑资金就绪
3. NDA补充协议签署完成,覆盖本轮测试材料
Apply on Freelancer →
Project sourced from Freelancer.com. Applications happen directly on the original platform — we never collect your data.