"""Pruebas de la API con un Elasticsearch simulado. Las respuestas simuladas tienen la misma forma que las de un índice de FSCrawler (campos file.*, path.virtual, matched_queries, highlight). Lo que NO prueban es cómo Elasticsearch interpreta la consulta: eso se verifica contra el servidor real (ver README, "Verificar contra Elasticsearch"). """ import json import time import httpx import jwt import pytest from fastapi.testclient import TestClient SECRETO = "secreto-de-prueba-con-mas-de-32-caracteres" DOCS = { "a1b2": {"file": {"filename": "cv_juan.docx", "extension": "docx", "filesize": 30, "last_modified": "2026-05-10T12:00:00.000+00:00"}, "path": {"virtual": "/CURRICULUMS/cv_juan.docx"}}, "c3d4": {"file": {"filename": "resolucion_45.pdf", "extension": "pdf", "filesize": 26, "last_modified": "2025-01-02T08:00:00.000+00:00"}, "path": {"virtual": "/DEMANDAS - VARIOS/resolucion_45.pdf"}}, "e5f6": {"file": {"filename": "informe.txt", "extension": "txt", "filesize": 10}, "path": {"virtual": "/DATOS POLICIA/informe.txt"}}, "malo": {"file": {"filename": "passwd"}, "path": {"virtual": "/../../etc/passwd"}}, } class FakeES: """Imita las dos llamadas que usa la API: _search y _doc/{id}.""" def __init__(self): self.ultima_busqueda = None self.caido = False self.hits = [] def __call__(self, request: httpx.Request) -> httpx.Response: if self.caido: raise httpx.ConnectError("sin conexión") if request.url.path.endswith("/_search"): self.ultima_busqueda = json.loads(request.content) return httpx.Response(200, json={"hits": {"total": {"value": len(self.hits), "relation": "eq"}, "hits": self.hits}}) if "/_doc/" in request.url.path: doc_id = request.url.path.rsplit("/", 1)[1] if doc_id in DOCS: return httpx.Response(200, json={"_id": doc_id, "found": True, "_source": DOCS[doc_id]}) return httpx.Response(404, json={"found": False}) if request.url.path.endswith("/_count"): return httpx.Response(200, json={"count": len(DOCS)}) return httpx.Response(400) def _hit(doc_id, nombradas, fragmento): return {"_id": doc_id, "_score": 1, "_source": DOCS[doc_id], "matched_queries": nombradas, "highlight": {"content": [fragmento]}} @pytest.fixture() def api(tmp_path, monkeypatch): raiz = tmp_path / "archivos" (raiz / "CURRICULUMS").mkdir(parents=True) (raiz / "DEMANDAS - VARIOS").mkdir() (raiz / "DATOS POLICIA").mkdir() (raiz / "CURRICULUMS" / "cv_juan.docx").write_bytes(b"contenido del curriculum") (raiz / "DATOS POLICIA" / "informe.txt").write_bytes(b"reservado") monkeypatch.chdir(tmp_path) for k, v in {"STORAGE_TYPE": "local", "STORAGE_ROOT": str(raiz), "EXCLUDE_FOLDERS": "DATOS POLICIA", "ES_URL": "http://es:9200", "ES_INDEX": "archivos", "DATABASE_URL": f"sqlite:///{tmp_path / 'logs.db'}", "JWT_SECRET": SECRETO, "DOWNLOAD_SECRET": "descarga-de-prueba-con-mas-de-32-caracteres", "LOG_FILE": str(tmp_path / "logs" / "api.log")}.items(): monkeypatch.setenv(k, v) import app.config import app.database as dbm import app.elastic import app.main import app.storage app.config.get_settings.cache_clear() app.storage.get_storage.cache_clear() app.elastic.cliente.cache_clear() fake = FakeES() monkeypatch.setattr(app.elastic, "cliente", lambda: httpx.Client(base_url="http://es:9200", transport=httpx.MockTransport(fake))) dbm.engine = dbm._crear_engine() dbm.SessionLocal.configure(bind=dbm.engine) with TestClient(app.main.app) as c: c.es = fake yield c def auth(rol="admin", exp_seg=600): t = jwt.encode({"sub": "7", "rol": rol, "exp": int(time.time()) + exp_seg}, SECRETO, "HS256") return {"Authorization": f"Bearer {t}"} # ---------------------------------------------------------------- la consulta que se manda def test_consulta_cedula_busca_las_tres_formas_y_la_ruta(): from app.busqueda import variantes_cedula assert variantes_cedula("1234567") == ["1234567", "1.234.567", "1,234,567"] assert variantes_cedula("123456") == ["123456", "123.456", "123,456"] def test_consulta_armada(api): api.get("/archivos", params={"cedula": "1.234.567", "nombres": "Juan Carlos", "apellidos": "Pérez González"}, headers=auth()) q = api.es.ultima_busqueda texto = json.dumps(q, ensure_ascii=False) should = q["query"]["bool"]["should"] assert [c["constant_score"]["_name"] for c in should] == ["cedula", "nombre_completo", "nombre_parcial"] assert '"1.234.567"' in texto and '"1234567"' in texto and "*1234567*" in texto # Nombre: busca con y sin tilde, en cualquier orden completo = should[1]["constant_score"]["filter"]["intervals"]["content"]["all_of"] assert completo["ordered"] is False and len(completo["intervals"]) == 4 assert '"pérez"' in texto and '"perez"' in texto parcial = should[2]["constant_score"]["filter"]["intervals"]["content"]["all_of"] assert len(parcial["intervals"]) == 2 and parcial["max_gaps"] == 2 # Carpeta excluida y nunca se trae el contenido completo assert q["query"]["bool"]["must_not"] == [{"prefix": {"path.virtual": "/DATOS POLICIA/"}}] assert "content" not in q["_source"] assert q["highlight"]["pre_tags"] == ["«"] def test_caracteres_raros_no_llegan_a_la_consulta(api): api.get("/archivos", params={"nombres": 'Juan" OR *', "apellidos": "Pérez}{"}, headers=auth()) texto = json.dumps(api.es.ultima_busqueda) assert '"OR"' not in texto.replace('"or"', "") and "}{" not in texto # ---------------------------------------------------------------- la respuesta de la API def test_respuesta_con_coincidencias(api): api.es.hits = [ _hit("a1b2", ["cedula", "nombre_completo", "nombre_parcial"], "Juan Carlos Pérez\nC.I. «1.234.567»"), _hit("c3d4", ["nombre_parcial"], "Demandado: «Perez», «Juan»"), ] r = api.get("/archivos", params={"cedula": "1234567", "nombres": "Juan Carlos", "apellidos": "Pérez González"}, headers=auth()) assert r.status_code == 200 d = r.json() assert d["total"] == d["total_coincidencias"] == 2 a, b = d["resultados"] assert (a["id"], a["nombre"], a["carpeta"], a["extension"]) == ("a1b2", "cv_juan.docx", "CURRICULUMS", ".docx") assert a["coincide_cedula"] is True and a["coincide_nombre"] == "completo" assert a["fragmento"] == "Juan Carlos Pérez C.I. «1.234.567»" assert b["coincide_cedula"] is False and b["coincide_nombre"] == "parcial" def test_validaciones_y_seguridad(api): assert api.get("/archivos", headers=auth()).status_code == 422 assert api.get("/archivos", params={"nombres": "Juan"}, headers=auth()).status_code == 422 assert api.get("/archivos", params={"cedula": "12"}, headers=auth()).status_code == 422 assert api.get("/archivos", params={"cedula": "1234567"}).status_code == 401 assert api.get("/archivos", params={"cedula": "1234567"}, headers=auth(rol="invitado")).status_code == 403 assert api.get("/archivos", params={"cedula": "1234567"}, headers=auth(exp_seg=-5)).status_code == 401 def test_elasticsearch_caido(api): api.es.caido = True assert api.get("/archivos", params={"cedula": "1234567"}, headers=auth()).status_code == 503 salud = api.get("/salud").json() assert salud["estado"] == "degradado" and salud["elasticsearch_accesible"] is False # ---------------------------------------------------------------- descargas def _enlace(api, doc_id): api.es.hits = [_hit(doc_id, ["cedula"], "x")] url = api.get("/archivos", params={"cedula": "1234567"}, headers=auth()).json()["resultados"][0]["url_descarga"] return url.split("/descargas/", 1)[1] def test_descarga_ok_y_enlace_manipulado(api): enlace = _enlace(api, "a1b2") r = api.get("/descargas/" + enlace) assert r.status_code == 200 and r.content == b"contenido del curriculum" assert api.get("/descargas/" + enlace.replace("a1b2", "c3d4", 1)).status_code == 403 # firma no coincide def test_descarga_de_archivo_que_ya_no_esta_en_disco(api): assert api.get("/descargas/" + _enlace(api, "c3d4")).status_code == 404 def test_descarga_de_carpeta_excluida_bloqueada(api): assert api.get("/descargas/" + _enlace(api, "e5f6")).status_code == 404 def test_ruta_maliciosa_en_elasticsearch_no_sale_de_la_raiz(api): # Aunque alguien lograra meter un documento con una ruta "../..", no se entrega assert api.get("/descargas/" + _enlace(api, "malo")).status_code == 404 def test_salud_ok(api): assert api.get("/salud").json() == {"estado": "ok", "elasticsearch_accesible": True, "tipo_almacenamiento": "local", "almacenamiento_accesible": True}