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(); } /**