diff options
| author | David Bremner <david@tethera.net> | 2017-03-22 08:23:00 -0300 |
|---|---|---|
| committer | David Bremner <david@tethera.net> | 2017-04-20 06:59:40 -0300 |
| commit | 77c9ec1fddcbe145facfc3d65eee55b11ad61fb9 (patch) | |
| tree | bd8adc589322454463db36b966a84501858fa4d2 /test/corpora/html | |
| parent | e56511817284afc14352f47a13fcf85b2fabd628 (diff) | |
test: add known broken test for indexing html
'quite' on IRC reported that notmuch new was grinding to a halt during
initial indexing, and we eventually narrowed the problem down to some
html parts with large embedded images. These cause the number of terms
added to the Xapian database to explode (the first 400 messages
generated 4.6M unique terms), and of course the resulting terms are
not much use for searching.
The second test is sanity check for any "improved" indexing of HTML.
Diffstat (limited to 'test/corpora/html')
| -rw-r--r-- | test/corpora/html/attribute-text | 15 | ||||
| -rw-r--r-- | test/corpora/html/embedded-image | 69 |
2 files changed, 84 insertions, 0 deletions
diff --git a/test/corpora/html/attribute-text b/test/corpora/html/attribute-text new file mode 100644 index 00000000..6dae8194 --- /dev/null +++ b/test/corpora/html/attribute-text @@ -0,0 +1,15 @@ +From: David Bremner <david@example.net> +To: David Bremner <david@example.net> +Subject: test html attachment +Date: Tue, 17 Nov 2009 21:28:38 +0600 +Message-ID: <87d1dajhgf.fsf@example.net> +MIME-Version: 1.0 +Content-Type: text/html +Content-Disposition: inline; filename=test.html + +<html> + <body> + <input value="a>swordfish"> + </body> + hunter2 +</html> diff --git a/test/corpora/html/embedded-image b/test/corpora/html/embedded-image new file mode 100644 index 00000000..40851530 --- /dev/null +++ b/test/corpora/html/embedded-image @@ -0,0 +1,69 @@ +From: =?utf-8?b?bWFsbW9ib3Jn?= <daemon@lublin.se> +To: =?utf-8?b?Ym9lbmRlLm1hbG1vYm9yZw==?= <daemon@lublin.se> +Date: Tue, 19 Jul 2016 11:54:24 +0200 +X-Feed2Imap-Version: 1.2.5 +Message-Id: <boendemalmoborg-1834@eltanin.uberspace.de> +Subject: =?utf-8?b?VGFjayBhbGxhIHRyYWZpa2FudGVyIG9jaCBmb3Rnw6RuZ2FyZSE=?= +Content-Type: multipart/alternative; boundary="=-1468922508-176605-12427-9500-21-=" +MIME-Version: 1.0 + + +--=-1468922508-176605-12427-9500-21-= +Content-Type: text/plain; charset=utf-8; format=flowed +Content-Transfer-Encoding: 8bit + +<http://malmoborg.se/2016/07/tack-alla-trafikanter-och-fotgangare/> + +Malmö 2016-07-09 + +I skrivande stund är vi i färd med att avetablera vår entreprenad på +Tigern 3, Regementsgatan 6 i Malmö. Fastigheten har genomgått ett större +dräneringsarbete som i sin tur har inneburit vissa +trafikbegränsningar på Regementsgatan samt Davidshallsgatan under några +veckors tid. Fastighetsägaren är mycket nöjd med vår arbetsinsats och vi +kan glatt meddela att båda vägfilerna kommer att öppnas inom kort. Nu +kommer den vackra fastigheten att klara sig torrskodd under många år +framöver [A] + + + +[A] http://malmoborg.se/wp-includes/images/smilies/icon_smile.gif +-- +Feed: Förvaltnings AB Malmöborg +<http://malmoborg.se> +Item: Tack alla trafikanter och fotgängare! +<http://malmoborg.se/2016/07/tack-alla-trafikanter-och-fotgangare/> +Date: 2016-07-19 11:54:24 +0200 +Author: malmoborg +Filed under: Nyheter + +--=-1468922508-176605-12427-9500-21-= +Content-Type: text/html; charset=utf-8 +Content-Transfer-Encoding: 8bit + +<table border="1" width="100%" cellpadding="0" cellspacing="0" borderspacing="0"><tr><td> +<table width="100%" bgcolor="#EDEDED" cellpadding="4" cellspacing="2"> +<tr><td align="right"><b>Feed:</b></td> +<td width="100%"><a href="http://malmoborg.se"> +<b>Förvaltnings AB Malmöborg</b> +</a> +</td></tr><tr><td align="right"><b>Item:</b></td> +<td width="100%"><a href="http://malmoborg.se/2016/07/tack-alla-trafikanter-och-fotgangare/"><b>Tack alla trafikanter och fotgängare!</b> +</a> +</td></tr></table></td></tr></table> + +<p>Malmö 2016-07-09</p> +<p>I skrivande stund är vi i färd med att avetablera vår entreprenad på Tigern 3, Regementsgatan 6 i Malmö. Fastigheten har genomgått ett större dräneringsarbete som i sin tur har inneburit vissa trafikbegränsningar på Regementsgatan samt Davidshallsgatan under några veckors tid. Fastighetsägaren är mycket nöjd med vår arbetsinsats och vi kan glatt meddela att båda vägfilerna kommer att öppnas inom kort. Nu kommer den vackra fastigheten att klara sig torrskodd under många år framöver <img src="data:image/gif;base64,R0lGODlhDwAPALMOAP/qAEVFRQAAAP/OAP/JAP+0AP6dAP/+k//9E/////// +xzMzM///6//lAAAAAAAAACH5BAEAAA4ALAAAAAAPAA8AAARb0EkZap3YVabO +GRcWcAgCnIMRTEEnCCfwpqt2mHEOagoOnz+CKnADxoKFyiHHBBCSAdOiCVg8 +KwPZa7sVrgJZQWI8FhB2msGgwTXTWGqCXP4WBQr4wjDDstQmEQA7 +" alt=":-)" class="wp-smiley" /> </p> +<p> </p> +<hr width="100%"/> +<table width="100%" cellpadding="0" cellspacing="0"> +<tr><td align="right"><font color="#ababab">Date:</font> </td><td><font color="#ababab">2016-07-19 11:54:24 +0200</font></td></tr> +<tr><td align="right"><font color="#ababab">Author:</font> </td><td><font color="#ababab">malmoborg</font></td></tr> +<tr><td align="right"><font color="#ababab">Filed under:</font> </td><td><font color="#ababab">Nyheter</font></td></tr> +</table> + +--=-1468922508-176605-12427-9500-21-=-- |