def test_get_best_replacements(self):
"""Testea la toma de los mejores strings de cada cluster."""
clusters = {
'es juan per': ['Juan Per\tes'],
'juan peres': [
' - juan peRes', 'Juan ; Per\xe9s', 'Juan -- Peres',
'ju\xe1n Peres', 'Juan Peres', 'Juan Peres',
' Juan\t \tPeres'
]
}
counts = {
' Juan\t \tPeres': 1,
' - juan peRes': 1,
'Juan -- Peres': 1,
'Juan ; Per\xe9s': 1,
'Juan Per\tes': 1,
'Juan Peres': 2,
'ju\xe1n Peres': 1
}
exp_replacements = {
'es juan per': 'Juan Per\tes',
'juan peres': 'Juan Peres'
}
replacements = get_best_replacements(clusters, counts)
self.assertEqual(replacements, exp_replacements)
def test_fingerprint_methods_together(self):
"""Testea todos los métodos de fingerprint juntos."""
inp_strings = ["DIGCE - Esmeralda 1212 - Piso 6° Of. 604",
"DIGCE - Esmeralda 1212 - Piso 6° Of. 604",
"DIGCE - Esmeralda 1212 - Piso 6° Of. 604",
"DIGCE - Esmeralda 1212 Piso 6° Of. 604",
"DIGCE - Esmeralda 1212 Piso 6° Of. 604"]
clusters, counts = group_fingerprint_strings(inp_strings)
replacements = get_best_replacements(clusters, counts)
clean_strings = replace_by_key(replacements, inp_strings)
exp_strings = ["DIGCE - Esmeralda 1212 - Piso 6° Of. 604"] * 5
self.assertEqual(clean_strings, exp_strings)
def test_fingerprint_methods_together(self):
"""Testea todos los métodos de fingerprint juntos."""
inp_strings = ["DIGCE - Esmeralda 1212 - Piso 6° Of. 604",
"DIGCE - Esmeralda 1212 - Piso 6° Of. 604",
"DIGCE - Esmeralda 1212 - Piso 6° Of. 604",
"DIGCE - Esmeralda 1212 Piso 6° Of. 604",
"DIGCE - Esmeralda 1212 Piso 6° Of. 604"]
clusters, counts = group_fingerprint_strings(inp_strings)
replacements = get_best_replacements(clusters, counts)
clean_strings = replace_by_key(replacements, inp_strings)
exp_strings = ["DIGCE - Esmeralda 1212 - Piso 6° Of. 604"] * 5
self.assertEqual(clean_strings, exp_strings)
def test_get_best_replacements(self):
"""Testea la toma de los mejores strings de cada cluster."""
clusters = {'es juan per': ['Juan Per\tes'],
'juan peres': [' - juan peRes',
'Juan ; Per\xe9s',
'Juan -- Peres',
'ju\xe1n Peres',
'Juan Peres',
'Juan Peres',
' Juan\t \tPeres']}
counts = {' Juan\t \tPeres': 1,
' - juan peRes': 1,
'Juan -- Peres': 1,
'Juan ; Per\xe9s': 1,
'Juan Per\tes': 1,
'Juan Peres': 2,
'ju\xe1n Peres': 1}
exp_replacements = {'es juan per': 'Juan Per\tes',
'juan peres': 'Juan Peres'}
replacements = get_best_replacements(clusters, counts)
self.assertEqual(replacements, exp_replacements)
