Fix: поддержка strict-OOXML (.docx в ISO 29500 strict)

Word в strict пишет проценты строками (a:shade val="50%",
w14:fillToRect w14:t="130%") и w:start/w:end вместо w:left/w:right —
JAXB-разбор docx4j падает на NumberFormatException (в mc-preprocessor.xslt
ветка % закомментирована, start/end не маппятся). Новый байтовый
StrictOoxmlNormalizer первым в цепочке нормализаторов приводит strict к
transitional-байту; mc-preprocessor доделывает namespaces и pt.

- StrictOoxmlNormalizer: %-атрибуты a:/w14:fillToRect -> тысячные (x1000),
  текст wp14:pctWidth/pctHeight, элементы/атрибуты w:start/w:end ->
  w:left/w:right (кроме w:lvl/w:start в numbering.xml), значения start/end
  у w:jc/w:tab; transitional-документы — no-op (assertSame)
- WordPdfValidator: lightweight-путь читает атрибуты по локальному имени
  (attrLocal) — иначе в strict не засчитываются w:br type="page";
  pageCountOf при провале JAXB-разбора бросает ConversionException вместо NPE
- тесты: StrictOoxmlNormalizerTest (13), регрессии
  strictOoxml_convertsNotRejected (in-memory strict-zip),
  pageCount_strictBreaksCountedLightweight; AGENTS.md обновлён

Реальный develop/openxml.docx: 11 страниц как в эталоне Word, диаграммы
и SmartArt рендерятся. mvn clean verify: core 104 + app 20, BUILD SUCCESS.
This commit is contained in:
Pjandro
2026-10-15 20:52:20 +00:00
parent bd9b4751bf
commit 2af4db90f6
7 changed files with 569 additions and 17 deletions
@@ -15,6 +15,7 @@ import ru.pjandro.wordpdf.internal.DocxOnOffNormalizer;
import ru.pjandro.wordpdf.internal.FieldNormalizer;
import ru.pjandro.wordpdf.internal.GlyphCoverageNormalizer;
import ru.pjandro.wordpdf.internal.FopFallbackFonts;
import ru.pjandro.wordpdf.internal.StrictOoxmlNormalizer;
import ru.pjandro.wordpdf.internal.SymbolFontNormalizer;
import java.io.ByteArrayInputStream;
@@ -117,10 +118,14 @@ public final class WordPdfConverter {
// em-dash (U+2000–U+2EFF) остаётся на шрифте ранa вместо fallback.
BundledFonts.restrictToBundled();
// 2. Загрузка документа. Предварительно нормализуем w:val="off"/"on"
// в "false"/"true": docx4j 11.x теряет атрибуты "off"/"on"
// при JAXB-разборе (см. DocxOnOffNormalizer).
byte[] docxBytes = DocxOnOffNormalizer.normalize(rawDocxBytes);
// 2. Загрузка документа. Первым strict-OOXML: Word в strict пишет
// проценты строками ("130%") и w:start/w:end вместо w:left/
// w:right — JAXB падает на int-биндингах (см. StrictOoxmlNormalizer);
// дальше по конвейеру лежит уже transitional-байт.
byte[] docxBytes = StrictOoxmlNormalizer.normalize(rawDocxBytes);
// ...затем w:val="off"/"on" в "false"/"true": docx4j 11.x теряет
// атрибуты "off"/"on" при JAXB-разборе (см. DocxOnOffNormalizer).
docxBytes = DocxOnOffNormalizer.normalize(docxBytes);
// ...и символьные шрифты Symbol/Wingdings: их коды из PUA экспорт
// в FO не понимает и рисует «#» (см. SymbolFontNormalizer).
docxBytes = SymbolFontNormalizer.normalize(docxBytes);
@@ -248,7 +248,15 @@ public final class WordPdfValidator {
// docPropsExtended может быть не полностью инициализирован —
// тогда остаётся оценка по разрывам.
}
var body = pkg.getMainDocumentPart().getJaxbElement().getBody();
// getJaxbElement() возвращает null, когда JAXB-разбор части провалился
// (docx4j пишет в лог «Problem with part» и «gives up») — без проверки
// здесь была бы NPE вместо внятной ошибки.
var document = pkg.getMainDocumentPart() == null
? null : pkg.getMainDocumentPart().getJaxbElement();
if (document == null || document.getBody() == null) {
throw new ConversionException("Не удалось разобрать word/document.xml");
}
var body = document.getBody();
var content = body.getContent();
int explicit = 1; // сам документ — минимум одна страница
for (Object child : content) {
@@ -456,7 +464,7 @@ public final class WordPdfValidator {
}
case "type" -> {
if (inBodySectPr && "sectPr".equals(parent)) {
sectTypeVal = xr.getAttributeValue(WML_NS, "val");
sectTypeVal = attrLocal(xr, "val");
}
}
default -> {
@@ -515,19 +523,31 @@ public final class WordPdfValidator {
return f;
}
/**
* Значение атрибута по локальному имени, без привязки к namespace:
* lightweight-путь читает сырые байты до нормализации, а в strict-OOXML
* те же атрибуты стоят в namespace {@code purl.oclc.org} —
* {@code getAttributeValue(transitionalURI, …)} там вернул бы null.
*/
private static String attrLocal(XMLStreamReader xr, String localName) {
for (int i = 0; i < xr.getAttributeCount(); i++) {
if (xr.getAttributeName(i).getLocalPart().equals(localName)) {
return xr.getAttributeValue(i);
}
}
return null;
}
private static boolean isPageBreak(XMLStreamReader xr) {
return "page".equals(xr.getAttributeValue(WML_NS, "type"));
return "page".equals(attrLocal(xr, "type"));
}
private static boolean truthy(XMLStreamReader xr) {
String v = xr.getAttributeValue(WML_NS, "val");
String v = attrLocal(xr, "val");
return v == null || v.equals("true") || v.equals("1") || v.equals("on");
}
private static boolean inside(Deque<String> path, String ancestor) {
return path.contains(ancestor);
}
private static final String WML_NS =
"http://schemas.openxmlformats.org/wordprocessingml/2006/main";
}
@@ -0,0 +1,235 @@
package ru.pjandro.wordpdf.internal;
import java.io.ByteArrayInputStream;
import java.io.ByteArrayOutputStream;
import java.io.IOException;
import java.nio.charset.StandardCharsets;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
import java.util.zip.ZipEntry;
import java.util.zip.ZipInputStream;
import java.util.zip.ZipOutputStream;
/**
* Нормализация strict-OOXML документов (.docx, сохранённые Word в формате
* ISO 29500 strict, namespaces {@code http://purl.oclc.org/ooxml/*}) перед
* загрузкой docx4j.
*
* <p>docx4j читает strict через {@code org/docx4j/jaxb/mc-preprocessor.xslt}
* (перебивает strict-namespace'ы в transitional, конвертит {@code pt} в
* twips/half-points), но в этом XSLT ветка перевода процентов в тысячные
* доли закомментирована, а strict-переименования {@code w:start}/{@code w:end}
* в {@code w:left}/{@code w:right} он не делает вовсе. Word в strict пишет:
* <ul>
* <li>проценты строками в атрибутах с int-биндингами JAXB —
* {@code a:shade val="50%"}, {@code a:gs pos="14%"},
* {@code w14:fillToRect w14:t="130%"} — JAXB падает на
* {@code NumberFormatException: Not a number: 130%};</li>
* <li>текстовые проценты в {@code wp14:pctWidth}/{@code wp14:pctHeight};</li>
* <li>границы и отступы в элементах {@code w:start}/{@code w:end}
* (в transitional они называются {@code w:left}/{@code w:right}) —
* JAXB сообщает «unexpected element» и границы теряются;</li>
* <li>атрибуты {@code w:start}/{@code w:end} у {@code w:ind} и значения
* {@code start}/{@code end} у {@code w:jc}/{@code w:tab} — в
* transitional таких имён/значений нет, JAXB их отбрасывает.</li>
* </ul>
*
* <p>Полный strict→transitional рерайт не делается: mc-preprocessor уже
* перебивает namespaces и {@code pt}-значения, а собственный рерайт URI
* сломал бы его конвертацию {@code pt} (FOP получил бы {@code "10pt"}).
* Здесь только те правки, которых в XSLT нет. Атрибуты {@code w:} с процентом
* ({@code w:tblW w:w="50%" w:type="pct"}) не трогаем: они в docx4j связаны
* строковым типом, и экспортёр в FO понимает {@code %} сам.
*
* <p>В {@code word/numbering.xml} переименование элементов {@code w:start}
* пропускается: там {@code w:lvl/w:start} — легитимный transitional-элемент
* (стартовое значение счётчика), регрессия — StrictOoxmlNormalizerTest.
*
* <p>Transitional-документы (Word пишет {@code a:}-проценты целыми, {@code
* w:start} вне numbering.xml и {@code w:jc val="start"} не бывает) проходят
* без изменений: если правок не было, возвращается исходный массив.
*
* Регрессия — WordPdfConverterTest#strictOoxml_convertsNotRejected.
*/
public final class StrictOoxmlNormalizer {
/** Открывающий тег элемента префикса {@code a:} (DrawingML). */
private static final Pattern A_TAG = Pattern.compile("<a:[A-Za-z]+\\b[^>]*>");
/** Открывающий тег {@code w14:fillToRect} — единственный носитель %-атрибутов в w14. */
private static final Pattern FILL_TO_RECT_TAG = Pattern.compile("<w14:fillToRect\\b[^>]*>");
/** Атрибут со строковым процентом: {@code name="130%"}, {@code pos="-30.5%"}. */
private static final Pattern PERCENT_ATTR =
Pattern.compile("([A-Za-z0-9:]+)=\"(-?\\d+(?:\\.\\d+)?)%\"");
/** Текстовый процент у {@code wp14:pctWidth}/{@code wp14:pctHeight} (int-биндинг docx4j). */
private static final Pattern PERCENT_TEXT = Pattern.compile(
"(<wp14:pct(?:Width|Height)\\b[^>]*>)(-?\\d+(?:\\.\\d+)?)%<");
/** Элемент {@code <w:start} с обязательной границей имени — иначе покалечит {@code <w:endnote*}. */
private static final Pattern START_ELEMENT = Pattern.compile("<w:start(?=[\\s/>])");
private static final Pattern END_ELEMENT = Pattern.compile("<w:end(?=[\\s/>])");
/** Значения {@code start}/{@code end} у {@code w:jc}/{@code w:tab}. */
private static final Pattern JC_TAB_VALUE = Pattern.compile(
"(<w:(?:jc|tab)\\b[^>]*?w:val=\")(start|end)\"");
private StrictOoxmlNormalizer() {
}
/**
* Приводит strict-OOXML в XML-частях docx (word/*.xml) к виду, который
* разбирает JAXB-модель transitional (детали — в javadoc класса).
*
* @param docx байты .docx (zip)
* @return те же или переупакованные байты
*/
public static byte[] normalize(byte[] docx) throws IOException {
ByteArrayOutputStream out = new ByteArrayOutputStream(docx.length);
boolean changed = false;
try (ZipInputStream zis = new ZipInputStream(new ByteArrayInputStream(docx));
ZipOutputStream zos = new ZipOutputStream(out)) {
ZipEntry entry;
while ((entry = zis.getNextEntry()) != null) {
byte[] data = zis.readAllBytes();
String name = entry.getName();
if (name.startsWith("word/") && name.endsWith(".xml")) {
// в numbering.xml w:start — элемент стартового значения
// счётчика, его не переименовываем
String fixed = rewrite(new String(data, StandardCharsets.UTF_8),
!name.equals("word/numbering.xml"));
if (fixed != null) {
changed = true;
data = fixed.getBytes(StandardCharsets.UTF_8);
}
}
zos.putNextEntry(new ZipEntry(name));
zos.write(data);
zos.closeEntry();
}
}
return changed ? out.toByteArray() : docx;
}
/**
* Применяет к XML-строке все правила, включая переименование элементов
* {@code w:start}/{@code w:end}.
*
* @return новая строка либо null, если правок не было
*/
static String rewrite(String xml) {
return rewrite(xml, true);
}
/**
* Правила нормализации strict-OOXML.
*
* @param renameStartEnd переименовывать ли элементы {@code w:start}/
* {@code w:end} (false для word/numbering.xml)
* @return новая строка либо null, если правок не было
*/
private static String rewrite(String xml, boolean renameStartEnd) {
String r = xml;
if (r.indexOf('%') >= 0) {
r = percentTags(r, A_TAG);
r = percentTags(r, FILL_TO_RECT_TAG);
r = percentText(r);
}
if (renameStartEnd
&& (r.contains("<w:start") || r.contains("</w:start>")
|| r.contains("<w:end") || r.contains("</w:end>"))) {
r = renameStartEndElements(r);
}
if (r.contains(" w:start=\"") || r.contains(" w:end=\"")) {
r = r.replace(" w:start=\"", " w:left=\"").replace(" w:end=\"", " w:right=\"");
}
if (r.contains("w:val=\"start\"") || r.contains("w:val=\"end\"")) {
r = jcTabValues(r);
}
return r.equals(xml) ? null : r;
}
/**
* Переименование элементов {@code w:start}/{@code w:end} в
* {@code w:left}/{@code w:right} только с границей имени:
* {@code <w:endnote>}/{@code <w:endParens} остаются как были
* (буквальная замена без границы их калечит).
*/
private static String renameStartEndElements(String xml) {
String r = START_ELEMENT.matcher(xml).replaceAll("<w:left");
r = r.replace("</w:start>", "</w:left>");
r = END_ELEMENT.matcher(r).replaceAll("<w:right");
return r.replace("</w:end>", "</w:right>");
}
/** Заменяет {@code name="NN%"} на {@code name="NNNNN"} (×1000) внутри открывающих тегов. */
private static String percentTags(String xml, Pattern tagPattern) {
Matcher tags = tagPattern.matcher(xml);
StringBuilder sb = null;
while (tags.find()) {
String fixed = percentAttrs(tags.group());
if (!fixed.equals(tags.group())) {
if (sb == null) {
sb = new StringBuilder(xml.length());
}
tags.appendReplacement(sb, Matcher.quoteReplacement(fixed));
}
}
if (sb == null) {
return xml;
}
tags.appendTail(sb);
return sb.toString();
}
/** Все процентные атрибуты одного тега (несколько за проход — иначе теряются со второго). */
private static String percentAttrs(String tag) {
Matcher a = PERCENT_ATTR.matcher(tag);
if (!a.find()) {
return tag;
}
StringBuilder sb = new StringBuilder(tag.length());
do {
long value = Math.round(Double.parseDouble(a.group(2)) * 1000);
a.appendReplacement(sb,
Matcher.quoteReplacement(a.group(1) + "=\"" + value + "\""));
} while (a.find());
a.appendTail(sb);
return sb.toString();
}
/** Текстовый процент {@code <wp14:pctWidth>100%</...>} → {@code 100000}. */
private static String percentText(String xml) {
Matcher m = PERCENT_TEXT.matcher(xml);
if (!m.find()) {
return xml;
}
m.reset();
StringBuilder sb = new StringBuilder(xml.length());
while (m.find()) {
long value = Math.round(Double.parseDouble(m.group(2)) * 1000);
m.appendReplacement(sb,
Matcher.quoteReplacement(m.group(1) + value + "<"));
}
m.appendTail(sb);
return sb.toString();
}
/** Значения {@code start}/{@code end} у {@code w:jc}/{@code w:tab} → {@code left}/{@code right}. */
private static String jcTabValues(String xml) {
Matcher m = JC_TAB_VALUE.matcher(xml);
if (!m.find()) {
return xml;
}
m.reset();
StringBuilder sb = new StringBuilder(xml.length());
while (m.find()) {
String value = m.group(2).equals("start") ? "left" : "right";
m.appendReplacement(sb,
Matcher.quoteReplacement(m.group(1) + value + "\""));
}
m.appendTail(sb);
return sb.toString();
}
}
@@ -9,6 +9,8 @@ import org.apache.pdfbox.pdmodel.font.PDFont;
import org.apache.pdfbox.text.PDFTextStripper;
import org.junit.jupiter.api.Test;
import java.io.ByteArrayOutputStream;
import java.nio.charset.StandardCharsets;
import java.io.IOException;
import java.io.InputStream;
import java.nio.file.Files;
@@ -16,6 +18,8 @@ import java.nio.file.Path;
import java.util.List;
import java.util.Set;
import java.util.TreeSet;
import java.util.zip.ZipEntry;
import java.util.zip.ZipOutputStream;
import static org.junit.jupiter.api.Assertions.*;
@@ -450,4 +454,56 @@ class WordPdfConverterTest {
"заголовок PDF должен браться из параметра title");
}
}
/**
* Strict-OOXML-документ (namespaces purl.oclc.org, проценты строками,
* w:start/w:end вместо w:left/w:right, w:jc val="start") конвертируется,
* а не отваливается на JAXB-разборе. Пакет минимальный, in-memory:
* реальный develop/openxml.docx — персональные данные, в фикстуры не берём.
* Регрессия — StrictOoxmlNormalizer.
*/
@Test
void strictOoxml_convertsNotRejected() throws Exception {
String strictW = "http://purl.oclc.org/ooxml/wordprocessingml/main";
ByteArrayOutputStream out = new ByteArrayOutputStream();
try (ZipOutputStream zos = new ZipOutputStream(out)) {
putZip(zos, "[Content_Types].xml",
"<?xml version=\"1.0\" encoding=\"UTF-8\" standalone=\"yes\"?>"
+ "<Types xmlns=\"http://schemas.openxmlformats.org/package/2006/content-types\">"
+ "<Default Extension=\"rels\" ContentType=\"application/vnd.openxmlformats-package.relationships+xml\"/>"
+ "<Default Extension=\"xml\" ContentType=\"application/xml\"/>"
+ "<Override PartName=\"/word/document.xml\" ContentType=\"application/vnd.openxmlformats-officedocument.wordprocessingml.document.main+xml\"/>"
+ "</Types>");
putZip(zos, "_rels/.rels",
"<?xml version=\"1.0\" encoding=\"UTF-8\" standalone=\"yes\"?>"
+ "<Relationships xmlns=\"http://schemas.openxmlformats.org/package/2006/relationships\">"
+ "<Relationship Id=\"rId1\" Type=\"http://schemas.openxmlformats.org/officeDocument/2006/relationships/officeDocument\" Target=\"word/document.xml\"/>"
+ "</Relationships>");
putZip(zos, "word/document.xml",
"<?xml version=\"1.0\" encoding=\"UTF-8\" standalone=\"yes\"?>"
+ "<w:document xmlns:w=\"" + strictW + "\"><w:body>"
+ "<w:p><w:pPr><w:spacing w:before=\"12pt\"/>"
+ "<w:jc w:val=\"start\"/><w:ind w:start=\"18pt\"/></w:pPr>"
+ "<w:r><w:t>СТРОГИЙМАРКЕР</w:t></w:r></w:p>"
+ "<w:tbl><w:tblPr><w:tblBorders>"
+ "<w:start w:val=\"single\"/><w:end w:val=\"single\"/>"
+ "</w:tblBorders></w:tblPr>"
+ "<w:tr><w:tc><w:tcPr><w:tcBorders>"
+ "<w:start w:val=\"double\"/></w:tcBorders></w:tcPr>"
+ "<w:p><w:r><w:t>таблица</w:t></w:r></w:p></w:tc></w:tr></w:tbl>"
+ "<w:sectPr><w:pgSz w:w=\"11906\" w:h=\"16838\"/></w:sectPr>"
+ "</w:body></w:document>");
}
Path pdf = convertPdf(out.toByteArray(), "strict");
String text = norm(pdfText(pdf));
assertTrue(text.contains("СТРОГИЙМАРКЕР"), "текст PDF: " + text);
assertTrue(text.contains("таблица"), "текст PDF: " + text);
}
private static void putZip(ZipOutputStream zos, String name, String xml) throws IOException {
zos.putNextEntry(new ZipEntry(name));
zos.write(xml.getBytes(StandardCharsets.UTF_8));
zos.closeEntry();
}
}
@@ -8,6 +8,9 @@ import org.docx4j.openpackaging.packages.WordprocessingMLPackage;
import org.junit.jupiter.api.Test;
import java.io.ByteArrayOutputStream;
import java.nio.charset.StandardCharsets;
import java.util.zip.ZipEntry;
import java.util.zip.ZipOutputStream;
import static org.junit.jupiter.api.Assertions.*;
@@ -323,4 +326,37 @@ class WordPdfValidatorTest {
assertThrows(ConversionException.class,
() -> WordPdfValidator.checkPageCountLightweight((byte[]) null));
}
/**
* Lightweight-путь читает сырые байты до нормализации и обязан видеть
* разрывы {@code w:br w:type="page"} в strict-namespace'ах
* (атрибуты по локальному имени, без привязки к transitional-URI).
* Регрессия — WordPdfValidator#attrLocal.
*/
@Test
void pageCount_strictBreaksCountedLightweight() throws Exception {
String strictW = "http://purl.oclc.org/ooxml/wordprocessingml/main";
StringBuilder body = new StringBuilder();
for (int i = 0; i < 3; i++) {
body.append("<w:p><w:r><w:t>p").append(i)
.append("</w:t><w:br w:type=\"page\"/></w:r></w:p>");
}
ByteArrayOutputStream out = new ByteArrayOutputStream();
try (ZipOutputStream zos = new ZipOutputStream(out)) {
zos.putNextEntry(new ZipEntry("word/document.xml"));
zos.write(("<?xml version=\"1.0\" encoding=\"UTF-8\"?>"
+ "<w:document xmlns:w=\"" + strictW + "\"><w:body>" + body
+ "<w:sectPr/></w:body></w:document>")
.getBytes(StandardCharsets.UTF_8));
zos.closeEntry();
}
byte[] docx = out.toByteArray();
// 3 разрыва + первая страница = не менее 4; до фикса lightweight
// не видел разрывы в strict-namespace и возвращал 1
assertDoesNotThrow(() -> WordPdfValidator.checkPageCountLightweight(docx, 4));
ConversionException ex = assertThrows(ConversionException.class,
() -> WordPdfValidator.checkPageCountLightweight(docx, 3));
assertTrue(ex.getMessage().contains("не менее 4"), ex.getMessage());
}
}
@@ -0,0 +1,200 @@
package ru.pjandro.wordpdf.internal;
import org.junit.jupiter.api.Test;
import java.io.ByteArrayInputStream;
import java.io.ByteArrayOutputStream;
import java.io.IOException;
import java.nio.charset.StandardCharsets;
import java.util.zip.ZipEntry;
import java.util.zip.ZipInputStream;
import java.util.zip.ZipOutputStream;
import static org.junit.jupiter.api.Assertions.*;
/**
* Нормализация strict-OOXML (проценты строками, w:start/w:end вместо
* w:left/w:right, значения start/end у w:jc/w:tab — см. StrictOoxmlNormalizer).
*/
class StrictOoxmlNormalizerTest {
private static final String STRICT_W =
"http://purl.oclc.org/ooxml/wordprocessingml/main";
private static byte[] makeDocx(String... namesAndXml) throws IOException {
ByteArrayOutputStream out = new ByteArrayOutputStream();
try (ZipOutputStream zos = new ZipOutputStream(out)) {
for (int i = 0; i < namesAndXml.length; i += 2) {
zos.putNextEntry(new ZipEntry(namesAndXml[i]));
zos.write(namesAndXml[i + 1].getBytes(StandardCharsets.UTF_8));
zos.closeEntry();
}
}
return out.toByteArray();
}
private static String readEntry(byte[] zip, String name) throws IOException {
try (ZipInputStream zis = new ZipInputStream(new ByteArrayInputStream(zip))) {
ZipEntry e;
while ((e = zis.getNextEntry()) != null) {
if (e.getName().equals(name)) {
return new String(zis.readAllBytes(), StandardCharsets.UTF_8);
}
}
}
throw new AssertionError("нет записи " + name);
}
@Test
void rewriteWithoutMatchesIsNull() {
// transitional-документ: a:-проценты целыми, w:left/w:right, jc=left
assertNull(StrictOoxmlNormalizer.rewrite(
"<w:document><w:p><w:pPr><w:jc w:val=\"left\"/></w:pPr>"
+ "<w:r><w:t>текст</w:t></w:r></w:p></w:document>"));
assertNull(StrictOoxmlNormalizer.rewrite(
"<a:sp><a:shade val=\"50000\"/></a:sp>"));
// процент в текстовом содержимом — не атрибут, править нельзя
assertNull(StrictOoxmlNormalizer.rewrite("<a:t>50%</a:t>"));
// w:-проценты (tblW/tcW type="pct") экспортёр FO понимает сам
assertNull(StrictOoxmlNormalizer.rewrite(
"<w:tblW w:w=\"50%\" w:type=\"pct\"/>"));
}
@Test
void drawingPercentAttrsScaled() {
String r = StrictOoxmlNormalizer.rewrite(
"<a:sp><a:shade fmt=\"scene\" val=\"50%\"/>"
+ "<a:gs pos=\"14%\"><a:srgbClr val=\"FF0000\"/></a:gs></a:sp>");
assertNotNull(r);
assertTrue(r.contains("val=\"50000\""), r);
assertTrue(r.contains("pos=\"14000\""), r);
assertTrue(r.contains("fmt=\"scene\""), r);
}
@Test
void multiplePercentAttrsInOneTag() {
// классическая ловушка жадного regex — теряется второй %-атрибут тега
String r = StrictOoxmlNormalizer.rewrite(
"<w14:fillToRect w14:t=\"130%\" w14:b=\"-30%\" w14:l=\"7%\"/>");
assertNotNull(r);
assertTrue(r.contains("w14:t=\"130000\""), r);
assertTrue(r.contains("w14:b=\"-30000\""), r);
assertTrue(r.contains("w14:l=\"7000\""), r);
}
@Test
void decimalPercentRounded() {
String r = StrictOoxmlNormalizer.rewrite("<a:gs pos=\"14.5%\"/>");
assertNotNull(r);
assertTrue(r.contains("pos=\"14500\""), r);
}
@Test
void pctWidthTextScaled() {
String r = StrictOoxmlNormalizer.rewrite(
"<wp14:pctWidth>100%</wp14:pctWidth>"
+ "<wp14:pctHeight>42.5%</wp14:pctHeight>");
assertNotNull(r);
assertTrue(r.contains("<wp14:pctWidth>100000<"), r);
assertTrue(r.contains("<wp14:pctHeight>42500<"), r);
}
@Test
void startEndElementsRenamed() {
String r = StrictOoxmlNormalizer.rewrite(
"<w:tcBorders><w:start w:val=\"single\"/><w:end w:val=\"double\"/></w:tcBorders>"
+ "<w:pBdr><w:start/><w:end/></w:pBdr>");
assertNotNull(r);
assertTrue(r.contains("<w:left w:val=\"single\"/>"), r);
assertTrue(r.contains("<w:right w:val=\"double\"/>"), r);
assertTrue(r.contains("<w:left/><w:right/>"), r);
assertFalse(r.contains("w:start"), r);
assertFalse(r.contains("w:end"), r);
}
@Test
void endnoteAndEndParensNotTouched() {
// переименование w:end без границы имени калечит <w:endnote*>/<w:endParens
String r = StrictOoxmlNormalizer.rewrite(
"<w:footnotePr><w:endnote w:id=\"0\"/></w:footnotePr>"
+ "<w:endParens/><w:endnoteRef/>"
+ "<w:tcBorders><w:end w:val=\"single\"/></w:tcBorders>");
assertNotNull(r);
assertTrue(r.contains("<w:endnote w:id=\"0\"/>"), r);
assertTrue(r.contains("<w:endParens/>"), r);
assertTrue(r.contains("<w:endnoteRef/>"), r);
assertTrue(r.contains("<w:right w:val=\"single\"/>"), r);
}
@Test
void indAttributesRenamed() {
String r = StrictOoxmlNormalizer.rewrite(
"<w:ind w:start=\"18pt\" w:end=\"36pt\"/>");
assertNotNull(r);
assertTrue(r.contains("w:left=\"18pt\""), r);
assertTrue(r.contains("w:right=\"36pt\""), r);
}
@Test
void jcTabValuesRenamed() {
String r = StrictOoxmlNormalizer.rewrite(
"<w:jc w:val=\"end\"/>"
+ "<w:tab w:val=\"start\" w:leader=\"dot\" w:pos=\"9026\"/>");
assertNotNull(r);
assertTrue(r.contains("<w:jc w:val=\"right\"/>"), r);
assertTrue(r.contains("<w:tab w:val=\"left\" w:leader=\"dot\" w:pos=\"9026\"/>"), r);
}
@Test
void rewritesStrictDocumentInZip() throws Exception {
byte[] docx = makeDocx(
"[Content_Types].xml", "<Types/>",
"word/document.xml",
"<w:document xmlns:w=\"" + STRICT_W + "\"><w:body>"
+ "<w:p><w:pPr><w:jc w:val=\"start\"/><w:ind w:start=\"18pt\"/></w:pPr></w:p>"
+ "<w:p><w:r><w:t>50%</w:t></w:r></w:p>"
+ "</w:body></w:document>");
String document = readEntry(StrictOoxmlNormalizer.normalize(docx), "word/document.xml");
assertTrue(document.contains("<w:jc w:val=\"left\"/>"), document);
assertTrue(document.contains("w:left=\"18pt\""), document);
// процент в текстовом содержимом <w:t> не тронут
assertTrue(document.contains("<w:t>50%</w:t>"), document);
}
@Test
void nonWordPartsNotTouched() throws Exception {
byte[] docx = makeDocx(
"[Content_Types].xml", "<a:shade val=\"50%\"/>",
"word/document.xml", "<w:document/>");
byte[] result = StrictOoxmlNormalizer.normalize(docx);
assertEquals("<a:shade val=\"50%\"/>", readEntry(result, "[Content_Types].xml"));
}
@Test
void noMatchesReturnsOriginalArray() throws Exception {
byte[] docx = makeDocx(
"[Content_Types].xml", "<Types/>",
"word/document.xml",
"<w:document><w:p><w:pPr><w:jc w:val=\"left\"/></w:pPr></w:p></w:document>");
assertSame(docx, StrictOoxmlNormalizer.normalize(docx));
}
@Test
void numberingStartValuePreserved() throws Exception {
// w:lvl/w:start — легитимный transitional-элемент (стартовое значение
// счётчика): в numbering.xml элементы не переименовываем,
// остальные правила (значения w:tab) — применяем
byte[] docx = makeDocx(
"[Content_Types].xml", "<Types/>",
"word/numbering.xml",
"<w:numbering><w:lvl><w:start w:val=\"1\"/><w:tab w:val=\"start\"/>"
+ "<w:lvlText w:val=\"%1.\"/></w:lvl></w:numbering>");
String numbering = readEntry(StrictOoxmlNormalizer.normalize(docx), "word/numbering.xml");
assertTrue(numbering.contains("<w:start w:val=\"1\"/>"), numbering);
assertTrue(numbering.contains("<w:tab w:val=\"left\"/>"), numbering);
}
}