后端AI 应用NLP【免费下载链接】xbergPolyglot document intelligence with a Rust core: extract text, metadata, images, tables, and structured data from 106 formats across 140 file extensions, plus code intelligence for 371 languages. Fifteen bindings, with CLI, REST API, and MCP server.项目地址https://gitcode.com/gh_mirrors/kr/xberg点击查看免费下载本文以仓库官方冒烟样例 smoke_pdf_basic.md 为主体完整拆解「构造输入 → 构造配置 → 执行提取 → 释放句柄」这条 C FFI 调用链并结合底层 JSON fixture 与自动生成的 C 头文件 xberg.h 说明内存所有权约定与测试断言设计。读完后你可以独立读懂c/smoke目录下全部八份冒烟样例、按同一模式编写自己的 C 调用方并理解样例背后的 mock 服务与断言机制。1. 样例定位由 alef 自动生成的 C 冒烟测试该文档不是手写指南而是由 alef 测试框架自动生成的 C 语言代码片段。文件头部的注释明确声明!-- This file is auto-generated by alef — DO NOT EDIT. -- !-- alef:hash:5ba58a5ab0bce6dbc6cd07e3dd8e5cd6a1be3d7769e21cfc7e2c41b5726ad6e7 -- !-- To regenerate: alef e2e generate -- !-- To verify freshness: alef verify --即该片段内容受 alef 哈希校验保护修改后需通过alef e2e generate重新生成并可用alef verify校验新鲜度框架根配置见 alef.toml。文件 frontmatter 中各字段的含义如下字段值说明idfixture_c_smoke_pdf_basic与底层 fixture 一一对应的片段 IDlanguage/targetc片段语言与目标绑定均为 Cleveltypecheck该样例的验证层级为「通过编译类型检查」requires[]无额外前置依赖side_effectserver测试执行依赖一个 mock HTTP 服务样例从 URI 拉取 PDF同一目录下还并列着 docx、html、image、json、txt、xlsx 等格式的冒烟样例如 smoke_docx_basic.md每份样例都是同一 API 调用模式在不同文件类型上的复用。2. C 样例全文与逐步解读文档给出的完整 C 程序如下与原文档逐字一致可直接作为调用模板#include assert.h #include stdint.h #include stdio.h #include stdlib.h #include string.h #include xberg.h int main(void) { XBERGAlefHandle input_handle xberg_extract_input_from_json({\kind\:\uri\,\mime_type\:\application/pdf\,\uri\:\https://example.com/pdf/fake_memo.pdf\}); XBERGAlefHandle config_handle xberg_extraction_config_from_json({}); XBERGAlefHandle result xberg_extract(input_handle, config_handle); xberg_extract_input_free(input_handle); xberg_extraction_config_free(config_handle); xberg_extraction_result_free(result); return EXIT_SUCCESS; }调用链共四步每步的作用构造输入xberg_extract_input_from_json接收一段 JSON 字符串并反序列化为ExtractInput。样例中的 JSON 为{kind:uri,mime_type:application/pdf,uri:https://example.com/pdf/fake_memo.pdf}即「从 URI 拉取一个 PDF」。注意https://example.com是文档展示时的占位域名真实测试运行中会被替换为 mock 服务地址见第 4 节。构造配置xberg_extraction_config_from_json({})传入空对象表示全部使用默认提取配置。执行提取xberg_extract(input_handle, config_handle)对单个输入执行提取返回ExtractionResult句柄。头文件注释说明该函数支持「single bytes or URI input」即输入既可以是字节流也可以是 URI。释放资源三个*_free函数按配对关系释放句柄避免跨 FFI 边界的内存泄漏。3. 三个 API 的声明与内存所有权约定上述函数均在 cbindgen 自动生成的 xberg.h 中声明关键位置与约定xberg_extract_input_from_json文档注明「从 JSON 字符串创建ExtractInput失败返回 null」并要求 JSON 为合法 UTF-8 且以 NUL 结尾返回句柄必须用xberg_extract_input_free释放。xberg_extraction_config_from_json同样的「from_json / to_json / free」三件套模式空字符串{}是合法的最小配置。xberg_extract单输入提取入口SAFETY 注释要求调用方保证所有指针有效或为 null返回指针须用对应的 free 函数释放。从同一头文件的文档注释可以归纳出 C 绑定的内存契约编写调用方时须遵守不透明句柄所有XBERGAlefHandle均为不透明指针只创建一次、释放一次且释放函数与创建函数严格配对xberg_extract_input_free、xberg_extraction_config_free、xberg_extraction_result_free等。字符串所有权返回char *的字段取值函数其返回值归调用方所有须用xberg_free_string释放头文件各 getter 的注释中反复强调此点。错误上报句柄非法时部分函数通过xberg_last_error_code机制回报错误码例如 xberg.h 中 getter 对-1无效句柄的说明而非崩溃。如果配置不需要保持默认ExtractionConfig也提供字段级 getter如 xberg_extraction_config_mime_detection_policy 所示的 MIME 检测策略字段意味着from_json传入的 JSON 可以按需扩展更多选项批量场景则可使用相邻声明的 xberg_extract_batch 一次处理多个输入。4. 冒烟测试的 JSON fixture输入与断言设计C 样例并非孤立存在它的行为契约由底层 fixture pdf_basic.json 完整定义。该文件的关键字段{ id: smoke_pdf_basic, category: smoke, description: Smoke test: PDF with simple text extraction, tags: [smoke, pdf, basic], input: { mock_responses: [ { path: /pdf/fake_memo.pdf, status_code: 200, headers: { content-type: application/octet-stream }, body_file: ../test_documents/pdf/fake_memo.pdf } ], extract_input: { kind: uri, uri: $mock_url/pdf/fake_memo.pdf, mime_type: application/pdf } }, assertions: [ { type: equals, field: results[0].mime_type, value: application/pdf }, { type: min_length, field: results[0].content, value: 50 }, { type: contains_any, field: results[0].content, values: [May 5, 2023, To Whom it May Concern] } ], call: extract, config: {} }从中可以读出这套冒烟测试的完整设计mock 服务mock_responses声明了唯一的路由/pdf/fake_memo.pdf返回 200、content-type: application/octet-stream响应体指向 fixture 相对路径../test_documents/pdf/fake_memo.pdf。frontmatter 中的side_effect: server正对应这一依赖。需要说明该body_file指向的 PDF 文件在当前仓库镜像中并不存在可以推断它由 e2e 测试流程在运行前补齐或生成而非随源码分发。占位符替换fixture 中 URI 写作$mock_url/pdf/fake_memo.pdf而生成到文档里的 C 代码将其替换为https://example.com/pdf/fake_memo.pdf——这正是第 2 节样例中出现 example.com 的原因。三条断言equals提取结果的mime_type必须精确等于application/pdf验证 MIME 识别正确min_lengthcontent文本长度不少于 50 字符保证确实提取出了实质内容contains_any内容需包含「May 5, 2023」或「To Whom it May Concern」之一锚定 PDF 中的真实文本防止提取出乱码也算通过。调用契约call: extract与config: {}表明冒烟只走最朴素的提取路径不叠加 OCR、分块等高级配置与 C 样例中传入{}完全一致。仓库提供 run-with-mock-server.sh 等脚本来组织带 mock 服务的 e2e 运行对 C 绑定而言level: typecheck意味着该片段在 CI 中的硬性门槛是能够编译链接通过需先构建crates/xberg-ffi目标并链接其 C 库头文件 xberg.h 即由 cbindgen 为该 crate 生成。5. 如何按此模式复用与扩展理解了上述两层结构后编写或修改自己的冒烟样例可以按固定套路走写 fixture在 fixtures/smoke/ 中按pdf_basic.json的 schema 定义mock_responses、extract_input、assertions与call再生成片段通过 alef 重新生成各语言片段文档注释中的alef e2e generateC 版本会出现在 docs-site/src/snippets-generated/c/smoke/ 目录改调用参数想让 C 调用方携带提取选项只需把xberg_extraction_config_from_json({})的 JSON 扩为非空配置想让输入不走 URI可按xberg_extract的文档注释改用字节流输入形态。6. 速查表函数声明位置职责释放方式xberg_extract_input_from_jsonxberg.h从 JSON 构造提取输入uri/bytesxberg_extract_input_freexberg_extraction_config_from_jsonxberg.h从 JSON 构造提取配置xberg_extraction_config_freexberg_extractxberg.h对单个输入执行提取xberg_extraction_result_freexberg_extract_batchxberg.h批量输入提取对应 batch 结果释放函数这篇样例的价值在于它是「文档片段 ↔ fixture ↔ FFI 头文件」三者一致性契约的最小完整样本文档保证调用方可复制fixture 保证断言可执行头文件保证 C 侧的内存与错误语义清晰。掌握这一模式即可平移到仓库中其余格式与语言的冒烟样例。赞分享后端AI 应用NLP【免费下载链接】xbergPolyglot document intelligence with a Rust core: extract text, metadata, images, tables, and structured data from 106 formats across 140 file extensions, plus code intelligence for 371 languages. Fifteen bindings, with CLI, REST API, and MCP server.项目地址https://gitcode.com/gh_mirrors/kr/xberg点击查看免费下载相关推荐xberg C FFI 实战DOCX 文档提取的冒烟测试全解析xberg C FFI 实战DOCX 文档提取的冒烟测试全解析 本文围绕 xberg 仓库中一条自动生成的 C 语言冒烟测试样例展开它演示了如何通过 C F后端AI 应用NLP用 C FFI 调用 xberg 提取 HTML 文档smoke_html_basic 冒烟测试全解用 C FFI 调用 xberg 提取 HTML 文档smoke_html_basic 冒烟测试全解 xberg 是一个以 Rust 为核心、提供 C FFI后端AI 应用NLPxberg C FFI 冒烟测试实战用最小提取链路验证 JSON 文档抽取xberg C FFI 冒烟测试实战用最小提取链路验证 JSON 文档抽取 本篇以仓库中 alef 自动生成的 C 语言冒烟测试片段 smoke_json_b后端AI 应用NLP上一篇cron-job.org 开源项目教程下一篇开源项目 thread-loader 使用教程创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考