fase 3

worker/tests/unit/test_receipt_extractor.py

@@ -0,0 +1,393 @@
+"""
+Test unitari per app.parsers.receipt_extractor.
+
+Copertura:
+  - Estrazione EML annidato (message/rfc822) da ricevuta PEC
+  - Campi estratti dall'EML annidato (message_id, subject, from, to)
+  - Estrazione XML strutturato (daticert.xml)
+  - Messaggio senza EML annidato (ritorna None)
+  - Messaggio non-multipart (ritorna None)
+  - Payload come lista di Message (forma canonica RFC)
+  - Payload come bytes/stringa
+  - Ricevute di tutti i tipi (accettazione, avvenuta-consegna, ecc.)
+"""
+
+import email
+
+import pytest
+
+from app.parsers.receipt_extractor import (
+    NestedEmlInfo,
+    extract_nested_eml,
+    extract_receipt_xml,
+)
+
+
+# ─── Fixture EML ──────────────────────────────────────────────────────────────
+
+# Ricevuta di accettazione (Aruba style) con EML annidato
+ACCETTAZIONE_EML = b"""\
+From: posta-certificata@pec.aruba.it
+To: mittente@pec.it
+Subject: ACCETTAZIONE: Test PEC
+X-Ricevuta: accettazione
+X-Riferimento-Message-ID: <orig-001@pec.it>
+Date: Wed, 18 Mar 2026 14:01:00 +0100
+Content-Type: multipart/mixed; boundary="====acc===="
+
+--====acc====
+Content-Type: text/plain; charset=utf-8
+
+Il messaggio e' stato accettato dal gestore.
+
+--====acc====
+Content-Type: application/xml; name="daticert.xml"
+Content-Disposition: attachment; filename="daticert.xml"
+
+<?xml version="1.0" encoding="UTF-8"?>
+<PostaCertificata versione="2.3">
+  <Intestazione>
+    <Identificativo>acc-12345</Identificativo>
+    <TipoRicevuta>accettazione</TipoRicevuta>
+  </Intestazione>
+</PostaCertificata>
+
+--====acc====
+Content-Type: message/rfc822
+Content-Disposition: inline
+
+From: mittente@pec.it
+To: destinatario@pec.it
+Subject: Test PEC originale
+Message-ID: <orig-001@pec.it>
+Date: Wed, 18 Mar 2026 14:00:00 +0100
+Content-Type: text/plain; charset=utf-8
+
+Corpo del messaggio originale inviato.
+
+--====acc====--
+"""
+
+# Ricevuta di avvenuta consegna con EML annidato
+AVVENUTA_CONSEGNA_EML = b"""\
+From: posta-certificata@pec.aruba.it
+To: mittente@pec.it
+Subject: CONSEGNA: Test PEC
+X-Ricevuta: avvenuta-consegna
+X-Riferimento-Message-ID: <orig-002@pec.it>
+Date: Wed, 18 Mar 2026 14:10:00 +0100
+Content-Type: multipart/mixed; boundary="====cons===="
+
+--====cons====
+Content-Type: text/plain; charset=utf-8
+
+Il messaggio e' stato consegnato al destinatario.
+
+--====cons====
+Content-Type: application/xml; name="daticert.xml"
+Content-Disposition: attachment; filename="daticert.xml"
+
+<?xml version="1.0"?><PostaCertificata versione="2.3"/>
+
+--====cons====
+Content-Type: message/rfc822
+Content-Disposition: inline
+
+From: mittente@pec.it
+To: destinatario@pec.it
+Subject: Test PEC originale
+Message-ID: <orig-002@pec.it>
+Date: Wed, 18 Mar 2026 14:00:00 +0100
+Content-Type: text/plain; charset=utf-8
+
+Corpo originale.
+
+--====cons====--
+"""
+
+# Messaggio PEC originale (non ricevuta, senza EML annidato)
+POSTA_CERTIFICATA_EML = b"""\
+From: mittente@pec.it
+To: destinatario@pec.it
+Subject: Messaggio PEC originale
+Message-ID: <msg-123@pec.it>
+Date: Wed, 18 Mar 2026 14:00:00 +0100
+Content-Type: text/plain; charset=utf-8
+
+Questo e' il corpo del messaggio PEC.
+"""
+
+# Messaggio multipart senza EML annidato
+MULTIPART_NO_NESTED = b"""\
+From: a@pec.it
+To: b@pec.it
+Subject: PEC con allegato PDF (nessun EML annidato)
+Date: Wed, 18 Mar 2026 10:00:00 +0100
+Content-Type: multipart/mixed; boundary="====notest===="
+
+--====notest====
+Content-Type: text/plain; charset=utf-8
+
+Corpo.
+
+--====notest====
+Content-Type: application/pdf; name="doc.pdf"
+Content-Disposition: attachment; filename="doc.pdf"
+Content-Transfer-Encoding: base64
+
+JVBERi0xLjQ=
+
+--====notest====--
+"""
+
+# Ricevuta di mancata consegna con EML annidato (Namirial style)
+MANCATA_CONSEGNA_EML = b"""\
+From: no-reply@namirial.com
+To: mittente@pec.it
+Subject: MANCATA CONSEGNA: Test
+X-TipoRicevuta: mancata-consegna
+X-Riferimento-Message-ID: <orig-003@pec.namirial.it>
+Date: Wed, 18 Mar 2026 15:00:00 +0100
+Content-Type: multipart/mixed; boundary="====mc===="
+
+--====mc====
+Content-Type: text/plain; charset=utf-8
+
+Il messaggio non e' stato consegnato.
+
+--====mc====
+Content-Type: message/rfc822
+Content-Disposition: inline
+
+From: mittente@pec.namirial.it
+To: destinatario@pec.it
+Subject: Messaggio non consegnato
+Message-ID: <orig-003@pec.namirial.it>
+Date: Wed, 18 Mar 2026 14:30:00 +0100
+Content-Type: text/plain; charset=utf-8
+
+Corpo originale che non e' stato consegnato.
+
+--====mc====--
+"""
+
+
+# ─── Test extract_nested_eml ──────────────────────────────────────────────────
+
+
+class TestExtractNestedEml:
+
+    def test_accettazione_eml_annidato_trovato(self):
+        msg = email.message_from_bytes(ACCETTAZIONE_EML)
+        result = extract_nested_eml(msg)
+        assert result is not None
+
+    def test_accettazione_message_id(self):
+        msg = email.message_from_bytes(ACCETTAZIONE_EML)
+        result = extract_nested_eml(msg)
+        assert result is not None
+        assert result.message_id == "<orig-001@pec.it>"
+
+    def test_accettazione_subject(self):
+        msg = email.message_from_bytes(ACCETTAZIONE_EML)
+        result = extract_nested_eml(msg)
+        assert result is not None
+        assert result.subject == "Test PEC originale"
+
+    def test_accettazione_from_address(self):
+        msg = email.message_from_bytes(ACCETTAZIONE_EML)
+        result = extract_nested_eml(msg)
+        assert result is not None
+        assert result.from_address == "mittente@pec.it"
+
+    def test_accettazione_to_addresses(self):
+        msg = email.message_from_bytes(ACCETTAZIONE_EML)
+        result = extract_nested_eml(msg)
+        assert result is not None
+        assert "destinatario@pec.it" in result.to_addresses
+
+    def test_accettazione_raw_bytes_non_vuoti(self):
+        msg = email.message_from_bytes(ACCETTAZIONE_EML)
+        result = extract_nested_eml(msg)
+        assert result is not None
+        assert len(result.raw_bytes) > 0
+
+    def test_avvenuta_consegna_eml_trovato(self):
+        msg = email.message_from_bytes(AVVENUTA_CONSEGNA_EML)
+        result = extract_nested_eml(msg)
+        assert result is not None
+        assert result.message_id == "<orig-002@pec.it>"
+
+    def test_mancata_consegna_namirial(self):
+        """Test con ricevuta Namirial (X-TipoRicevuta)."""
+        msg = email.message_from_bytes(MANCATA_CONSEGNA_EML)
+        result = extract_nested_eml(msg)
+        assert result is not None
+        assert result.message_id == "<orig-003@pec.namirial.it>"
+        assert result.subject == "Messaggio non consegnato"
+
+    def test_messaggio_non_multipart_ritorna_none(self):
+        """Un messaggio non-multipart non può avere EML annidato."""
+        msg = email.message_from_bytes(POSTA_CERTIFICATA_EML)
+        result = extract_nested_eml(msg)
+        assert result is None
+
+    def test_multipart_senza_nested_ritorna_none(self):
+        """Un multipart senza parti message/rfc822 ritorna None."""
+        msg = email.message_from_bytes(MULTIPART_NO_NESTED)
+        result = extract_nested_eml(msg)
+        assert result is None
+
+    def test_risultato_e_nested_eml_info(self):
+        msg = email.message_from_bytes(ACCETTAZIONE_EML)
+        result = extract_nested_eml(msg)
+        assert isinstance(result, NestedEmlInfo)
+
+    def test_raw_bytes_e_valido_eml(self):
+        """I raw_bytes estratti devono essere un EML valido (ri-parsabile)."""
+        msg = email.message_from_bytes(ACCETTAZIONE_EML)
+        result = extract_nested_eml(msg)
+        assert result is not None
+        # Verifica che i bytes siano ri-parsabili
+        inner = email.message_from_bytes(result.raw_bytes)
+        assert inner.get("Message-ID") == "<orig-001@pec.it>"
+
+
+# ─── Test extract_receipt_xml ─────────────────────────────────────────────────
+
+
+class TestExtractReceiptXml:
+
+    def test_daticert_xml_estratto(self):
+        msg = email.message_from_bytes(ACCETTAZIONE_EML)
+        xml = extract_receipt_xml(msg)
+        assert xml is not None
+        assert "PostaCertificata" in xml
+
+    def test_xml_con_contenuto(self):
+        msg = email.message_from_bytes(ACCETTAZIONE_EML)
+        xml = extract_receipt_xml(msg)
+        assert xml is not None
+        assert "accettazione" in xml.lower()
+
+    def test_xml_avvenuta_consegna(self):
+        msg = email.message_from_bytes(AVVENUTA_CONSEGNA_EML)
+        xml = extract_receipt_xml(msg)
+        assert xml is not None
+        assert "PostaCertificata" in xml
+
+    def test_messaggio_senza_xml_ritorna_none(self):
+        """Un messaggio PEC senza allegato XML ritorna None."""
+        msg = email.message_from_bytes(POSTA_CERTIFICATA_EML)
+        xml = extract_receipt_xml(msg)
+        assert xml is None
+
+    def test_multipart_senza_xml_ritorna_none(self):
+        """Multipart con solo PDF, senza XML."""
+        msg = email.message_from_bytes(MULTIPART_NO_NESTED)
+        xml = extract_receipt_xml(msg)
+        assert xml is None
+
+    def test_mancata_consegna_senza_xml_ritorna_none(self):
+        """Alcune ricevute (Namirial) non hanno daticert.xml."""
+        msg = email.message_from_bytes(MANCATA_CONSEGNA_EML)
+        xml = extract_receipt_xml(msg)
+        # Questa ricevuta non ha XML allegato → None
+        assert xml is None
+
+
+# ─── Test NestedEmlInfo dataclass ─────────────────────────────────────────────
+
+
+class TestNestedEmlInfoDataclass:
+
+    def test_campi_base(self):
+        info = NestedEmlInfo(
+            raw_bytes=b"raw",
+            message_id="<test@pec.it>",
+            subject="Test",
+            from_address="a@pec.it",
+            to_addresses=["b@pec.it"],
+        )
+        assert info.raw_bytes == b"raw"
+        assert info.message_id == "<test@pec.it>"
+        assert info.subject == "Test"
+        assert info.from_address == "a@pec.it"
+        assert "b@pec.it" in info.to_addresses
+
+    def test_to_addresses_default_lista_vuota(self):
+        info = NestedEmlInfo(
+            raw_bytes=b"",
+            message_id=None,
+            subject=None,
+            from_address=None,
+        )
+        assert info.to_addresses == []
+
+    def test_campi_opzionali_possono_essere_none(self):
+        info = NestedEmlInfo(
+            raw_bytes=b"data",
+            message_id=None,
+            subject=None,
+            from_address=None,
+        )
+        assert info.message_id is None
+        assert info.subject is None
+        assert info.from_address is None
+
+
+# ─── Test integrazione pec_parser + receipt_extractor ────────────────────────
+
+
+class TestIntegrationPecParserAndExtractor:
+    """
+    Verifica che le informazioni estratte da receipt_extractor corrispondano
+    al X-Riferimento-Message-ID usato da pec_parser per collegare i messaggi.
+    """
+
+    def test_riferimento_corrisponde_a_message_id_annidato(self):
+        """
+        X-Riferimento-Message-ID nella ricevuta deve corrispondere
+        al Message-ID dell'EML annidato.
+        """
+        from app.parsers.pec_parser import classify_pec_message
+
+        msg = email.message_from_bytes(ACCETTAZIONE_EML)
+
+        # Classifica la ricevuta
+        pec_class = classify_pec_message(msg)
+        assert pec_class.riferimento_message_id == "<orig-001@pec.it>"
+
+        # Estrae EML annidato
+        nested = extract_nested_eml(msg)
+        assert nested is not None
+        assert nested.message_id == "<orig-001@pec.it>"
+
+        # Deve corrispondere
+        assert pec_class.riferimento_message_id == nested.message_id
+
+    def test_avvenuta_consegna_corrispondenza_completa(self):
+        from app.parsers.pec_parser import classify_pec_message
+
+        msg = email.message_from_bytes(AVVENUTA_CONSEGNA_EML)
+
+        pec_class = classify_pec_message(msg)
+        assert pec_class.pec_type == "avvenuta_consegna"
+        assert pec_class.riferimento_message_id == "<orig-002@pec.it>"
+
+        nested = extract_nested_eml(msg)
+        assert nested is not None
+        assert nested.message_id == "<orig-002@pec.it>"
+
+    def test_mancata_consegna_namirial_corrispondenza(self):
+        from app.parsers.pec_parser import classify_pec_message
+
+        msg = email.message_from_bytes(MANCATA_CONSEGNA_EML)
+
+        pec_class = classify_pec_message(msg)
+        assert pec_class.pec_type == "mancata_consegna"
+        assert pec_class.riferimento_message_id == "<orig-003@pec.namirial.it>"
+
+        nested = extract_nested_eml(msg)
+        assert nested is not None
+        assert nested.message_id == "<orig-003@pec.namirial.it>"