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:
@@ -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());
|
||||
}
|
||||
}
|
||||
|
||||
+200
@@ -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);
|
||||
}
|
||||
}
|
||||
Reference in New Issue
Block a user