diff --git a/wordpdf-core/src/main/java/ru/pjandro/wordpdf/WordPdfValidator.java b/wordpdf-core/src/main/java/ru/pjandro/wordpdf/WordPdfValidator.java
index 1436333..d94fb86 100644
--- a/wordpdf-core/src/main/java/ru/pjandro/wordpdf/WordPdfValidator.java
+++ b/wordpdf-core/src/main/java/ru/pjandro/wordpdf/WordPdfValidator.java
@@ -11,17 +11,23 @@ import java.io.IOException;
import java.io.InputStream;
import java.nio.charset.StandardCharsets;
import java.util.ArrayDeque;
+import java.util.ArrayList;
import java.util.Deque;
+import java.util.HashMap;
import java.util.HashSet;
+import java.util.Iterator;
+import java.util.LinkedHashMap;
+import java.util.List;
+import java.util.Map;
import java.util.Set;
import java.util.zip.ZipEntry;
import java.util.zip.ZipInputStream;
/**
- * Валидатор ограничений на вход: .docx и бинарный .doc (Word 97–2003) —
- * размер входа, корректность контейнера (.docx-манифест, защита от
- * zip-бомбы; для .doc — CFB/Word-разбор {@code internal.doc}) и число
- * страниц для обоих форматов.
+ * Валидатор ограничений на вход: .docx, бинарный .doc (Word 97–2003) и
+ * .xlsx (SpreadsheetML) — размер входа, корректность контейнера
+ * (.docx/.xlsx-манифест, защита от zip-бомбы; для .doc — CFB/Word-разбор
+ * {@code internal.doc}) и число страниц для всех форматов.
*
*
Вход валидатора — только {@code byte[]}: файловых проверок нет,
* работа с файлами — забота вызывающего (приложения).
@@ -44,9 +50,12 @@ import java.util.zip.ZipInputStream;
* Последние два — защитные константные пороги ({@link #validate(byte[], ConvertOptions)}),
* {@link ConvertOptions} их не переопределяет.
*
- *
Проверка контейнера: архив обязан декларировать документ
- * wordprocessingml в {@code [Content_Types].xml} — иначе это не .docx
- * (обычный zip, переименованный .xlsx/.pptx).
+ *
Проверка контейнера: архив обязан декларировать в
+ * {@code [Content_Types].xml} документ wordprocessingml (.docx) или
+ * spreadsheetml (.xlsx) — иначе это не OOXML-документ (обычный zip,
+ * переименованный .pptx). Классификация входа до любой работы с
+ * форматом: {@link #isBinaryDoc(byte[])} (CFB), {@link #isSpreadsheet(byte[])}
+ * (zip-манифест spreadsheetml).
*
*
Число страниц берётся из самого .docx как максимум трёх нижних
* оценок: кэша Word в {@code docProps/app.xml} ({@code }),
@@ -73,6 +82,32 @@ public final class WordPdfValidator {
/** Тело документа. */
private static final String DOCUMENT_PART = "word/document.xml";
+ /** Zip-подпись PK\x03\x04 — начало центрального заголовка локальной записи. */
+ private static final int ZIP_SIG_LEN = 4;
+
+ /** Workbook-часть .xlsx. */
+ private static final String XLSX_WORKBOOK_PART = "xl/workbook.xml";
+
+ /** Rels workbook-части (rId worksheet → путь части). */
+ private static final String XLSX_WORKBOOK_RELS = "xl/_rels/workbook.xml.rels";
+
+ /** Namespace атрибута {@code r:id} у {@code sheets/sheet} (ECMA-376 Part 2). */
+ private static final String REL_NS =
+ "http://schemas.openxmlformats.org/officeDocument/2006/relationships";
+
+ /** Тип связи worksheet (ECMA-376 Part 2). */
+ private static final String WORKSHEET_REL_TYPE =
+ "http://schemas.openxmlformats.org/officeDocument/2006/relationships/worksheet";
+
+ /** Текущий и родительский сегменты относительных Targets rels. */
+ private static final String SEG_CURRENT = ".";
+ private static final String SEG_PARENT = "..";
+
+ /** Класс контейнера OOXML по манифесту {@code [Content_Types].xml}. */
+ private enum ContainerKind {
+ DOCX, XLSX
+ }
+
private WordPdfValidator() {
}
@@ -122,6 +157,45 @@ public final class WordPdfValidator {
return true;
}
+ /**
+ * Zip с манифестом spreadsheetml в {@code [Content_Types].xml} — .xlsx.
+ * Короткий скан до первой записи {@code [Content_Types].xml} (дубликаты
+ * враждебного zip: первая выигрывает); не-zip, ошибка разбора и манифест
+ * без spreadsheetml — {@code false} (отвергает не здесь: классификация,
+ * а не валидация). Конвертер вызывает только после {@link #validate},
+ * где контейнер уже проверен.
+ */
+ public static boolean isSpreadsheet(byte[] bytes) {
+ if (bytes == null || !isZipSignature(bytes)) {
+ return false;
+ }
+ try (ZipInputStream zip = new ZipInputStream(new ByteArrayInputStream(bytes))) {
+ ZipEntry entry;
+ while ((entry = zip.getNextEntry()) != null) {
+ if (!"[Content_Types].xml".equals(entry.getName())) {
+ continue;
+ }
+ byte[] ct = zip.readAllBytes();
+ // Порядок тот же, что в checkOoxmlContainer: docx-маркер
+ // имеет приоритет (манифест с обоими — wordprocessingml).
+ if (containsAscii(ct, "wordprocessingml.document")) {
+ return false;
+ }
+ return containsAscii(ct, "spreadsheetml.");
+ }
+ return false;
+ } catch (IOException | RuntimeException e) {
+ return false;
+ }
+ }
+
+ /** Zip-подпись {@code PK\x03\x04} (ECMA-376 Part 3 §10.1) — .docx и .xlsx. */
+ private static boolean isZipSignature(byte[] bytes) {
+ return bytes.length >= ZIP_SIG_LEN
+ && bytes[0] == 'P' && bytes[1] == 'K'
+ && (bytes[2] & 0xFF) == 0x03 && (bytes[3] & 0xFF) == 0x04;
+ }
+
/**
* Проверяет число страниц без загрузки документа в docx4j: .docx
* читается как zip напрямую (StAX по {@code word/document.xml},
@@ -239,12 +313,235 @@ public final class WordPdfValidator {
}
/**
- * Полная проверка входа: размер → классификация формата → (.docx:
- * zip-подпись → контейнер (.docx + zip-бомба) → число страниц) /
- * (.doc: число страниц по чистому бинарному документу). Порядок
- * значим: размер — дешёвая, разбор zip без подписи бессмысленен. Лимиты
- * берутся из {@link ConvertOptions} (переопределение на вызов, см.
- * {@link ConvertOptions#maxMb()}, {@link ConvertOptions#maxPages()}).
+ * Число страниц .xlsx — нижняя оценка до конвертации мостом
+ * {@code internal.xlsx}: видимые листы ({@code sheets/sheet} без
+ * {@code state="hidden"/"veryHidden"}, связь на существующую часть) плюс
+ * суммарные ручные разрывы строк ({@code rowBreaks/brk}, ECMA-376
+ * §18.3.1.74 — каждый разрыв добавляет страницу листу). Автопереносов
+ * оценка не знает — расхождение только в сторону недооценки длинных
+ * листов, ровно как у lightweight-пути .docx.
+ *
+ * @throws ValidationException при {@code null}, ошибке разбора zip/XML
+ * или превышении {@link WordPdfSettings#MAX_PAGES}
+ */
+ public static void checkPageCountXlsx(byte[] xlsxBytes) throws ValidationException {
+ checkPageCountXlsx(xlsxBytes, WordPdfSettings.MAX_PAGES);
+ }
+
+ /**
+ * То же, что {@link #checkPageCountXlsx(byte[])}, с явным лимитом
+ * страниц (переопределение на вызов, см. {@link ConvertOptions#maxPages()}).
+ *
+ * @throws ValidationException при {@code null}, ошибке разбора zip/XML
+ * или превышении {@code maxPages}
+ */
+ public static void checkPageCountXlsx(byte[] xlsxBytes, int maxPages) throws ValidationException {
+ if (xlsxBytes == null) {
+ throw new ValidationException("Не указаны байты входного .xlsx");
+ }
+ int pages;
+ try {
+ pages = estimateXlsxPages(xlsxBytes);
+ } catch (IOException | RuntimeException e) {
+ throw new ValidationException("Не удалось разобрать байты .xlsx", e);
+ }
+ if (pages > maxPages) {
+ throw new ValidationException("Документ длиннее " + maxPages
+ + " страниц: получено не менее " + pages);
+ }
+ }
+
+ /**
+ * Двупроходная нижняя оценка страниц .xlsx (порядок записей в zip
+ * произволен — содержимое workbook ищет отдельным проходом):
+ * проход 1 — {@code xl/workbook.xml} (листы: r:id, state) и
+ * {@code xl/_rels/workbook.xml.rels} (rId → путь worksheet-части);
+ * проход 2 — {@code rowBreaks/brk} в целевых частях листов. Лист без
+ * r:id, с внешним/отсутствующим target не учитывается вовсе.
+ */
+ private static int estimateXlsxPages(byte[] xlsxBytes) throws IOException {
+ Map ridToTarget = new LinkedHashMap<>();
+ List visibleRids = new ArrayList<>();
+ try (ZipInputStream zip = new ZipInputStream(new ByteArrayInputStream(xlsxBytes))) {
+ ZipEntry entry;
+ while ((entry = zip.getNextEntry()) != null) {
+ String n = entry.getName();
+ if (XLSX_WORKBOOK_PART.equals(n)) {
+ readWorkbookSheets(noClose(zip), visibleRids);
+ } else if (XLSX_WORKBOOK_RELS.equals(n)) {
+ readWorksheetRels(noClose(zip), ridToTarget);
+ }
+ }
+ }
+ Set targets = new HashSet<>();
+ for (String rid : visibleRids) {
+ String target = ridToTarget.get(rid);
+ if (target != null && !target.isEmpty()) {
+ targets.add(target);
+ }
+ }
+ Map breaksByPart = new HashMap<>();
+ try (ZipInputStream zip = new ZipInputStream(new ByteArrayInputStream(xlsxBytes))) {
+ ZipEntry entry;
+ while ((entry = zip.getNextEntry()) != null) {
+ String n = entry.getName();
+ if (targets.contains(n) && !breaksByPart.containsKey(n)) {
+ breaksByPart.put(n, countRowBreaks(noClose(zip)));
+ }
+ }
+ }
+ int pages = 0;
+ Set countedBreaks = new HashSet<>();
+ for (String rid : visibleRids) {
+ String target = ridToTarget.get(rid);
+ if (target == null || target.isEmpty()) {
+ continue;
+ }
+ Integer breaks = breaksByPart.get(target);
+ if (breaks == null) {
+ // rel на отсутствующую часть — лист не считается
+ continue;
+ }
+ pages++;
+ if (countedBreaks.add(target)) {
+ pages += breaks;
+ }
+ }
+ return pages;
+ }
+
+ /**
+ * Видимые листы {@code xl/workbook.xml} (§18.2.20): r:id видимых
+ * {@code sheets/sheet} (state скрыт — hidden/veryHidden; порядок
+ * сохраняется). Лист без r:id пропускается: часть не найти.
+ */
+ private static void readWorkbookSheets(InputStream in, List visibleRids)
+ throws IOException {
+ try {
+ XMLStreamReader xr = newSecureReader().createXMLStreamReader(in);
+ while (xr.hasNext()) {
+ if (xr.next() == XMLStreamReader.START_ELEMENT
+ && "sheet".equals(xr.getLocalName())) {
+ String state = attrLocal(xr, "state");
+ boolean visible = state == null || "visible".equals(state);
+ String rid = xr.getAttributeValue(REL_NS, "id");
+ if (visible && rid != null) {
+ visibleRids.add(rid);
+ }
+ }
+ }
+ } catch (XMLStreamException e) {
+ throw new IOException("Некорректный XML в xl/workbook.xml", e);
+ } finally {
+ in.close();
+ }
+ }
+
+ /**
+ * rId → путь worksheet-части из {@code xl/_rels/workbook.xml.rels}
+ * (дубликаты rId: первый выигрывает; {@code TargetMode="External"} —
+ * не worksheet-часть, пропускается).
+ */
+ private static void readWorksheetRels(InputStream in, Map ridToTarget)
+ throws IOException {
+ try {
+ XMLStreamReader xr = newSecureReader().createXMLStreamReader(in);
+ while (xr.hasNext()) {
+ if (xr.next() == XMLStreamReader.START_ELEMENT
+ && "Relationship".equals(xr.getLocalName())) {
+ if (!WORKSHEET_REL_TYPE.equals(attrLocal(xr, "Type"))
+ || "External".equals(attrLocal(xr, "TargetMode"))) {
+ continue;
+ }
+ String id = attrLocal(xr, "Id");
+ String target = attrLocal(xr, "Target");
+ if (id != null && target != null && !ridToTarget.containsKey(id)) {
+ ridToTarget.put(id, resolveWorkbookTarget(target));
+ }
+ }
+ }
+ } catch (XMLStreamException e) {
+ throw new IOException("Некорректный XML в xl/_rels/workbook.xml.rels", e);
+ } finally {
+ in.close();
+ }
+ }
+
+ /**
+ * Target rels workbook-части в путь zip-записи: абсолютный ("/xl/…") —
+ * от корня пакета, относительный — от {@code xl/} (rel лежит в
+ * {@code xl/_rels/}); «..» поднимают сегмент.
+ */
+ private static String resolveWorkbookTarget(String target) {
+ String t = target.replace('\\', '/');
+ int query = t.indexOf('?');
+ if (query >= 0) {
+ t = t.substring(0, query);
+ }
+ if (t.startsWith("/")) {
+ return t.substring(1);
+ }
+ Deque segs = new ArrayDeque<>();
+ segs.push("xl");
+ for (String seg : t.split("/")) {
+ if (seg.isEmpty() || SEG_CURRENT.equals(seg)) {
+ continue;
+ }
+ if (SEG_PARENT.equals(seg)) {
+ if (!segs.isEmpty()) {
+ segs.pop();
+ }
+ } else {
+ segs.push(seg);
+ }
+ }
+ if (segs.isEmpty()) {
+ return "";
+ }
+ StringBuilder path = new StringBuilder();
+ for (Iterator it = segs.descendingIterator(); it.hasNext(); ) {
+ if (path.length() > 0) {
+ path.append('/');
+ }
+ path.append(it.next());
+ }
+ return path.toString();
+ }
+
+ /** Число {@code brk} непосредственно под {@code rowBreaks} (§18.3.1.74). */
+ private static int countRowBreaks(InputStream in) throws IOException {
+ int count = 0;
+ try {
+ XMLStreamReader xr = newSecureReader().createXMLStreamReader(in);
+ Deque path = new ArrayDeque<>();
+ while (xr.hasNext()) {
+ int ev = xr.next();
+ if (ev == XMLStreamReader.START_ELEMENT) {
+ String parent = path.peek();
+ if ("brk".equals(xr.getLocalName()) && "rowBreaks".equals(parent)) {
+ count++;
+ }
+ path.push(xr.getLocalName());
+ } else if (ev == XMLStreamReader.END_ELEMENT && !path.isEmpty()) {
+ path.pop();
+ }
+ }
+ } catch (XMLStreamException e) {
+ throw new IOException("Некорректный XML в части worksheet", e);
+ } finally {
+ in.close();
+ }
+ return count;
+ }
+
+ /**
+ * Полная проверка входа: размер → классификация формата → (.docx/.xlsx:
+ * zip-подпись → контейнер (.docx/.xlsx + zip-бомба) → число страниц
+ * docx- или xlsx-путём) / (.doc: число страниц по чистому бинарному
+ * документу). Порядок значим: размер — дешёвая, разбор zip без подписи
+ * бессмысленен. Лимиты берутся из {@link ConvertOptions}
+ * (переопределение на вызов, см. {@link ConvertOptions#maxMb()},
+ * {@link ConvertOptions#maxPages()}).
*
* Проверка zip-подписи отдельным шагом обязательна:
* {@code ZipInputStream.getNextEntry()} на не-zip-потоке возвращает
@@ -254,17 +551,18 @@ public final class WordPdfValidator {
* {@code ConvertControllerTest#corruptNotAZip_rejected}).
*
* Проверка контейнера: в {@code [Content_Types].xml} обязана быть
- * декларация документа wordprocessingml (архив без неё — не .docx);
- * zip-бомба отсекается потоковым счётчиком распакованных байт
+ * декларация документа wordprocessingml (.docx) или spreadsheetml
+ * (.xlsx) — архив без обеих не OOXML-документ; zip-бомба отсекается
+ * потоковым счётчиком распакованных байт
* ({@link WordPdfSettings#MAX_DECOMPRESSED_MB}) и числом записей
* ({@link WordPdfSettings#MAX_ZIP_ENTRIES}) — до разбора содержимого
* в {@link #checkPageCount(byte[], int)}. Оба лимита —
* защитные пороги, {@link ConvertOptions} их не переопределяет.
* Регрессии — {@code WordPdfValidatorTest#validate_plainZipRejected},
- * {@code #validate_xlsxRenamedRejected}, {@code #validate_zipBombRejected},
+ * {@code #validate_pptxLikeRejected}, {@code #validate_zipBombRejected},
* {@code #validate_tooManyEntriesRejected}.
* @throws ValidationException при {@code null}, превышении {@code options.maxMb()},
- * отсутствии zip-подписи, не-.docx-контейнере, признаках zip-бомбы,
+ * отсутствии zip-подписи, не-OOXML-контейнере, признаках zip-бомбы,
* ошибке разбора zip или превышении {@code options.maxPages()}
*/
public static void validate(byte[] docxBytes, ConvertOptions options) throws ValidationException {
@@ -275,22 +573,28 @@ public final class WordPdfValidator {
checkPageCountDoc(docxBytes, options.maxPages());
return;
}
- if (docxBytes.length < 4 || docxBytes[0] != 'P' || docxBytes[1] != 'K'
- || (docxBytes[2] & 0xFF) != 0x03 || (docxBytes[3] & 0xFF) != 0x04) {
- throw new ValidationException("Содержимое не похоже на .docx или .doc (не zip-архив)");
+ if (!isZipSignature(docxBytes)) {
+ throw new ValidationException(
+ "Содержимое не похоже на .docx, .doc или .xlsx (не zip-архив)");
+ }
+ ContainerKind kind = checkOoxmlContainer(docxBytes);
+ if (kind == ContainerKind.XLSX) {
+ checkPageCountXlsx(docxBytes, options.maxPages());
+ return;
}
- checkDocxContainer(docxBytes);
checkPageCount(docxBytes, options.maxPages());
}
/**
* Один потоковый проход по zip: суммарный распакованный размер и число
* записей (защита от zip-бомбы — отсечение ДО чтения содержимого
- * в {@link #checkPageCount(byte[], int)}) и наличие в
- * {@code [Content_Types].xml} декларации документа wordprocessingml
- * (архив без неё — не .docx: обычный zip, переименованный .xlsx/.pptx).
+ * в {@link #checkPageCount(byte[], int)}) и классификация контейнера по
+ * {@code [Content_Types].xml}: декларация документа wordprocessingml →
+ * {@link ContainerKind#DOCX}, spreadsheetml → {@link ContainerKind#XLSX},
+ * ни того ни другого — архив не OOXML-документ (обычный zip,
+ * переименованный .pptx).
*/
- private static void checkDocxContainer(byte[] docxBytes) throws ValidationException {
+ private static ContainerKind checkOoxmlContainer(byte[] docxBytes) throws ValidationException {
long maxTotal = WordPdfSettings.MAX_DECOMPRESSED_MB * 1024 * 1024;
long total = 0;
int entries = 0;
@@ -328,16 +632,24 @@ public final class WordPdfValidator {
} catch (IOException | RuntimeException e) {
throw new ValidationException("Не удалось разобрать байты .docx", e);
}
- // Маркер — подстрока content-type части документа
- // (application/vnd.openxmlformats-officedocument.wordprocessingml.document.main+xml):
- // URI пространства имён wml в [Content_Types].xml не появляется ни у
- // одного генератора (Word/POI/docx4j пишут только content-type), а в
- // манифестах .xlsx/.pptx стоит spreadsheetml/presentationml — не матчится.
- String marker = "wordprocessingml.document";
- if (!containsAscii(ctBuf.toByteArray(), marker)) {
- throw new ValidationException("Архив не является .docx: в [Content_Types].xml нет "
- + "декларации документа wordprocessingml");
+ // Маркеры — подстроки content-type частей документа
+ // (application/vnd.openxmlformats-officedocument.wordprocessingml.document.main+xml /
+ // …spreadsheetml.worksheet+xml): URI пространств имён wml/sml в
+ // [Content_Types].xml не появляются ни у одного генератора (Word/POI/
+ // docx4j пишут только content-type). Spreadsheetml — union-префикс
+ // (worksheet/sheet/sharedStrings/styles): Override worksheet есть и у
+ // генераторов, пишущих workbook только как sheet-override; docx-
+ // манифесту префикс не матчится никогда. docx проверяется первым —
+ // манифест с обоими маркерами (экзотика) трактуется как .docx.
+ byte[] ct = ctBuf.toByteArray();
+ if (containsAscii(ct, "wordprocessingml.document")) {
+ return ContainerKind.DOCX;
}
+ if (containsAscii(ct, "spreadsheetml.")) {
+ return ContainerKind.XLSX;
+ }
+ throw new ValidationException("Архив не является .docx или .xlsx: в [Content_Types].xml "
+ + "нет декларации документа wordprocessingml или spreadsheetml");
}
/** Поиск байтов ASCII-строки в массиве (манифест ограничен 8 МБ — наивного поиска достаточно). */
diff --git a/wordpdf-core/src/test/java/ru/pjandro/wordpdf/WordPdfConverterTest.java b/wordpdf-core/src/test/java/ru/pjandro/wordpdf/WordPdfConverterTest.java
index 3f85f2b..6eb628e 100644
--- a/wordpdf-core/src/test/java/ru/pjandro/wordpdf/WordPdfConverterTest.java
+++ b/wordpdf-core/src/test/java/ru/pjandro/wordpdf/WordPdfConverterTest.java
@@ -637,7 +637,7 @@ class WordPdfConverterTest {
/**
* Вход без подписи какого-либо поддерживаемого контейнера (ни zip,
* ни CFB) — отказ как некорректный вход (ValidationException),
- * а не ошибка рендера: сообщение перечисляет оба формата.
+ * а не ошибка рендера: сообщение перечисляет все форматы.
* Регрессия — WordPdfValidatorTest#validate_notAZip.
*/
@Test
@@ -645,7 +645,7 @@ class WordPdfConverterTest {
byte[] junk = {1, 2, 3, 4, 5, 6, 7, 8};
ValidationException ex = assertThrows(ValidationException.class, () ->
WordPdfConverter.convert(junk, "junk"));
- assertTrue(ex.getMessage().contains("не похоже на .docx или .doc"),
+ assertTrue(ex.getMessage().contains("не похоже на .docx, .doc или .xlsx"),
"сообщение должно перечислять форматы: " + ex.getMessage());
}
diff --git a/wordpdf-core/src/test/java/ru/pjandro/wordpdf/WordPdfValidatorTest.java b/wordpdf-core/src/test/java/ru/pjandro/wordpdf/WordPdfValidatorTest.java
index 867cb6d..89baa17 100644
--- a/wordpdf-core/src/test/java/ru/pjandro/wordpdf/WordPdfValidatorTest.java
+++ b/wordpdf-core/src/test/java/ru/pjandro/wordpdf/WordPdfValidatorTest.java
@@ -1,15 +1,16 @@
package ru.pjandro.wordpdf;
-import org.apache.poi.xssf.usermodel.XSSFWorkbook;
import org.apache.poi.xwpf.usermodel.BreakType;
import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.apache.poi.xwpf.usermodel.XWPFParagraph;
import org.apache.poi.xwpf.usermodel.XWPFTable;
import org.junit.jupiter.api.Test;
+import java.io.ByteArrayInputStream;
import java.io.ByteArrayOutputStream;
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.*;
@@ -168,8 +169,7 @@ class WordPdfValidatorTest {
throws Exception {
byte[] base = docxWithPageBreaks(0);
ByteArrayOutputStream out = new ByteArrayOutputStream();
- try (java.util.zip.ZipInputStream zin = new java.util.zip.ZipInputStream(
- new java.io.ByteArrayInputStream(base));
+ try (ZipInputStream zin = new ZipInputStream(new ByteArrayInputStream(base));
ZipOutputStream zout = new ZipOutputStream(out)) {
ZipEntry e;
while ((e = zin.getNextEntry()) != null) {
@@ -312,22 +312,112 @@ class WordPdfValidatorTest {
}
/**
- * .xlsx под .docx-суффиксом: манифест xlsx декларирует spreadsheetml,
- * не wordprocessingml — отказ как не-.docx, а не 500 на загрузке docx4j.
- * Регрессия — WordPdfValidator#checkDocxContainer.
+ * Zip с манифестом без маркеров wordprocessingml и spreadsheetml
+ * (например, presentationml — переименованный .pptx) — отказ как
+ * не-OOXML-документ с обоими маркерами в тексте (контракт 400).
+ * Регрессия — WordPdfValidator#checkOoxmlContainer.
*/
@Test
- void validate_xlsxRenamedRejected() throws Exception {
+ void validate_pptxLikeRejected() throws Exception {
ByteArrayOutputStream out = new ByteArrayOutputStream();
- try (XSSFWorkbook wb = new XSSFWorkbook()) {
- wb.createSheet("S1");
- wb.write(out);
+ try (ZipOutputStream zos = new ZipOutputStream(out)) {
+ zos.putNextEntry(new ZipEntry("[Content_Types].xml"));
+ zos.write((""
+ + "").getBytes(StandardCharsets.UTF_8));
+ zos.closeEntry();
}
- byte[] xlsx = out.toByteArray();
ValidationException ex = assertThrows(ValidationException.class,
- () -> WordPdfValidator.validate(xlsx, ConvertOptions.defaults()));
- assertTrue(ex.getMessage().contains("не является .docx"),
- "манифест xlsx — spreadsheetml: " + ex.getMessage());
+ () -> WordPdfValidator.validate(out.toByteArray(), ConvertOptions.defaults()));
+ assertEquals("Архив не является .docx или .xlsx: в [Content_Types].xml нет "
+ + "декларации документа wordprocessingml или spreadsheetml", ex.getMessage());
+ }
+
+ /** .xlsx валиден как OOXML-контейнер: validate не бросает. */
+ @Test
+ void validate_xlsxAccepted() throws Exception {
+ assertDoesNotThrow(() -> WordPdfValidator.validate(
+ sample("xlsx-basic.xlsx"), ConvertOptions.defaults()));
+ }
+
+ // ===== xlsx: isSpreadsheet / checkPageCountXlsx =====
+
+ @Test
+ void isSpreadsheet_xlsx_true() throws Exception {
+ assertTrue(WordPdfValidator.isSpreadsheet(sample("xlsx-basic.xlsx")));
+ }
+
+ @Test
+ void isSpreadsheet_docxAndJunk_false() throws Exception {
+ assertFalse(WordPdfValidator.isSpreadsheet(sample("ru-plain.docx")));
+ assertFalse(WordPdfValidator.isSpreadsheet(new byte[] {1, 2, 3, 4, 5}));
+ assertFalse(WordPdfValidator.isSpreadsheet(null));
+ }
+
+ /**
+ * Переименованный .docx (zip, манифест wordprocessingml) — не xlsx,
+ * даже под .xlsx-суффиксом: классификация по манифесту, не по имени.
+ */
+ @Test
+ void isSpreadsheet_disguisedDocxZip_false() throws Exception {
+ assertFalse(WordPdfValidator.isSpreadsheet(sample("ru-plain.docx")));
+ }
+
+ /**
+ * Нижняя оценка страниц .xlsx: листы + ручные разрывы. xlsx-basic —
+ * 2 видимых листа, xlsx-wide — 1 лист + 1 разрыв (строка после 12-й);
+ * xlsx-page-limit — 1 + 130 = 131 > 100 (точное число в тексте).
+ */
+ @Test
+ void checkPageCountXlsx_estimates() throws Exception {
+ assertDoesNotThrow(() -> WordPdfValidator.checkPageCountXlsx(
+ sample("xlsx-basic.xlsx"), 2));
+ assertDoesNotThrow(() -> WordPdfValidator.checkPageCountXlsx(
+ sample("xlsx-wide.xlsx"), 2));
+ ValidationException ex = assertThrows(ValidationException.class,
+ () -> WordPdfValidator.checkPageCountXlsx(
+ sample("xlsx-page-limit.xlsx"), PAGE_LIMIT));
+ assertTrue(ex.getMessage().contains("не менее 131"),
+ "1 лист + 130 ручных разрывов: " + ex.getMessage());
+ }
+
+ /**
+ * Скрытые листы в оценку не входят: basic без «Заметки» — 1 страница,
+ * с лимитом 1 проходит только после сокрытия (синтетика — правка
+ * workbook.xml в памяти фикстуры допустима: это юнит оценки).
+ */
+ @Test
+ void checkPageCountXlsx_hiddenSheetsNotCounted() throws Exception {
+ byte[] patched = replaceInZip(sample("xlsx-basic.xlsx"), "xl/workbook.xml",
+ " WordPdfValidator.checkPageCountXlsx(patched, 1));
+ }
+
+ @Test
+ void checkPageCountXlsx_bytesNull() {
+ assertThrows(ValidationException.class,
+ () -> WordPdfValidator.checkPageCountXlsx((byte[]) null));
+ }
+
+ /** Подстрока в XML-записи zip → новые байты архива (для синтетики листов). */
+ private static byte[] replaceInZip(byte[] zipBytes, String entryName,
+ String before, String after) throws Exception {
+ ByteArrayOutputStream out = new ByteArrayOutputStream();
+ try (ZipInputStream zin = new ZipInputStream(new ByteArrayInputStream(zipBytes));
+ ZipOutputStream zout = new ZipOutputStream(out)) {
+ ZipEntry e;
+ while ((e = zin.getNextEntry()) != null) {
+ byte[] data = zin.readAllBytes();
+ if (entryName.equals(e.getName())) {
+ data = new String(data, StandardCharsets.UTF_8)
+ .replace(before, after).getBytes(StandardCharsets.UTF_8);
+ }
+ zout.putNextEntry(new ZipEntry(e.getName()));
+ zout.write(data);
+ zout.closeEntry();
+ }
+ }
+ return out.toByteArray();
}
/**