简历解析测试夹具怎么组织

把一份简历文件变成结构化字段，是招聘类系统里最容易出错的一环，因为它同时依赖文本抽取、版面判断和语义切分。测试这一环时，真正要证明的不是「格式对不对」，而是换一种排版的同一份内容，字段还能不能找回来。下面说清夹具该怎么组织、为什么会腐化，以及期望值该写到什么粒度。

简历解析为什么没有统一的格式标准?

因为简历文件本身没有全球统一的格式约定。它不是由某一个机构定义的交换格式，而是由无数编辑器、模板与个人习惯共同产出的文档。同一段经历，有人写成带标题的小节，有人并排放在两栏里，有人塞进表格，还有人直接写成一段散文。

解析器面对的输入因此是不确定的：字段的顺序会变，字段的标签会换说法，同一份内容可能横排也可能竖排。把解析质量押在「输入会符合某种结构」上，等于把质量押在运气上。

这也决定了测试的目标函数。与其断言解析器认出某一种排版，不如断言它对一组已知的版面变体都能把关键字段取回来，并且在取不回来时明确地报缺失，而不是猜一个值填进去。

解析测试应该覆盖哪些版面变体?

覆盖的目标是「结构上的差别」，而不是「文件数量的多少」。按这个思路，几类变体值得各留一份样本。

每一类变体都应当只变化结构，内容保持同一套已知值。这样当某个用例失败时，你能立刻判断是版面处理的问题，而不是内容本身的问题。

变体之间最好还能互相配对：同一份内容做成两份不同版面的样本，解析结果里真正稳定的字段应当保持一致。如果两次结果在同一个字段上给出不同答案，缺陷就落在版面处理这一层，而不是内容识别；这种配对比较比单看一份样本更容易指出问题位置。

测试固定装置按场景还是按编号组织

按场景，并且用能读懂的名字。编号式命名看起来整齐，实际上把信息藏进了清单的另一份文档里：几个月后没人能说清第三号样本到底测的是什么。

场景式命名则自带说明，例如分栏排版、技能用标签列、经历写成整段文字。失败报告里出现这个名字，排查的人不用回查台账就知道该往哪里看。

固定装置还应当与用例一一对应。一份样本对应一组期望字段，期望值与样本放在一起维护，改动时同步修改。把期望值写在测试代码里、样本放在另一个目录，是腐化的开始。

为什么随机生成会让失败无法复现

随机的价值在于覆盖面，但在解析测试里它有一个致命缺点：失败无法重放。测试报错时你拿到的是一个当天才存在的输入，明天它不会再出现，于是既不能确认修复有效，也不能把它加进回归集。

因此更稳的分工是：随机生成用于探索，发现异常后立刻把那一份输入固化成固定装置，再让回归测试跑固定装置。固化之后，这份输入就变成了可重放的证据。

同样的道理适用于字段值本身。用随机字符串填内容，会让断言难以书写；用一组固定且明显合成的值填内容，断言既稳定又易读。

另一条实用规则是让失败可归因：一份固定装置最好只覆盖一种版面特征，不要在同一份样本里同时改变分栏方式与字段顺序，两种变化叠加时失败原因无法区分。需要组合覆盖时另建一份样本，而不是把变化堆在一起。此外还应当备一份负样本：内容确实缺失的简历，例如没有教育经历或没有项目列表。解析器遇到缺字段时的行为同样值得断言，是明确报告缺失，还是沉默地给出一个空值，这两种处理在后续流程里的后果完全不同。

固定装置会怎么腐化

腐化的来源比想象的多。文档模板会改版，编辑器会更新默认样式，字体会替换导致行高与分页变化；同一批样本在被反复「顺手修一下」之后，会慢慢偏离最初想覆盖的结构；语言与地区选择增删时，样本里会混进不再对应的字段。

腐化是缓慢的，所以需要定期复核而不是一次性验收。可行的做法是给每份夹具标注它想覆盖的版面特征与最近一次复核的时间，定期抽样人工看一眼，确认它仍然具备那个特征。失去覆盖作用的样本应当被替换，而不是留着充数。

复核也不必逐份人工阅读。更省力的做法是给每份夹具保留一份已知的期望字段，定期重跑一次并比对差异：差异出现在结构类字段上，说明版面特征已经变了；只出现在空白与换行这类文本细节上，通常只是排版工具升级带来的噪声。前者需要替换样本，后者只需放宽断言。

给开发者：解析用例与期望字段

期望值建议写到字段粒度，而不是整段文本相等。断言的合理内容包括：关键字段是否被抽出、值是否来自正确的位置、缺失字段是否被显式标记为缺失。至于空白、换行、连字符这类呈现差异，通常不该让断言失败，否则修一次排版就要改一批测试。

用例的组织上，建议把「同一内容、不同版面」做成一组，共享同一份期望值；把「同一版面、不同内容」做成另一组，用来验证内容本身的处理。两组分开，失败时定位成本会低很多。解析结果通常还需要与表单字段对接，拼接环节容易漏测的部分见招聘表单测试用例怎么设计；解析出来的字段应当遵守哪些一致性约束，见职业档案测试数据怎么造，跨字段一致性的通用做法见测试数据里的字段一致性。想直接看一份结构化职业档案长什么样，可以用职业档案生成器生成一条作为对照。

以上讨论的解析样本与期望字段都是构造出来的测试素材，其中不含任何真实简历内容，也不对应任何真实求职者。它们为测试与表单演示而构造，不得用于冒充真实简历或学历，也不得用于通过招聘审核与背景核查。

下一步

翻一遍现有的解析用例，把按编号命名的样本改成场景名，并为每个场景补一行「它覆盖的版面特征」。再挑一个最近失败的随机输入，把它固化进回归集。做完这两件事，解析测试就从「今天过了」变成「以后不容易再坏」。