feat: extractors fuer pdf/md/docx/xlsx mit dynamic fixtures

tests/conftest.py

@@ -0,0 +1,37 @@
+import io
+import pytest
+import fitz  # pymupdf
+from docx import Document
+
+
+@pytest.fixture
+def sample_pdf_bytes() -> bytes:
+    doc = fitz.open()
+    p1 = doc.new_page()
+    p1.insert_text((72, 72), "Seite eins enthaelt Lorem Ipsum.")
+    p2 = doc.new_page()
+    p2.insert_text((72, 72), "Seite zwei enthaelt mehr Text.")
+    data = doc.tobytes()
+    doc.close()
+    return data
+
+
+@pytest.fixture
+def sample_docx_bytes() -> bytes:
+    doc = Document()
+    doc.add_paragraph("Erster Absatz.")
+    doc.add_paragraph("Zweiter Absatz mit mehr Inhalt.")
+    buf = io.BytesIO()
+    doc.save(buf)
+    return buf.getvalue()
+
+
+@pytest.fixture
+def sample_md_bytes() -> bytes:
+    return "# Title\n\nFirst paragraph.\n\nSecond paragraph.\n".encode("utf-8")
+
+
+@pytest.fixture
+def sample_xlsx_bytes() -> bytes:
+    # Minimal placeholder; extractor doesn't read content for xlsx
+    return b"PK\x03\x04dummy"