Поля страниц: PAGE/NUMPAGES пересчитываются, а не печатают кэш

Word записывает поле колонтитула как fldChar begin -> instrText "PAGE"
-> separate -> закэшированный результат -> end. Экспорт docx4j в XSL-FO
инструкцию внутри такого поля не видит и печатает кэш из docx: в
references/word.docx на всех страницах было «2» и «11/11».

FieldNormalizer разворачивает поле в w:fldSimple — его обрабатывает
FldSimpleWriter из docx4j-export-fo (PAGE -> fo:page-number, есть также
NUMPAGES/SECTIONPAGES). Закэшированные ран сохраняются внутри поля: они
дают оформление. Штатный FieldsCombiner docx4j делает то же, но не
заходит внутрь w:sdt, а Word держит нумерацию именно в контентном
контроле «Page Numbers (Top of Page)» — отсюда нормализация байтов.

Переписываются только инструкции, для которых есть обработчик; поле без
separate/end и вложенные поля пропускаются.
This commit is contained in:
Pjandro
2026-10-05 21:25:46 +00:00
parent 660bc19da7
commit 3ebb4780dd
7 changed files with 438 additions and 1 deletions
@@ -11,6 +11,7 @@ import ru.pjandro.wordpdf.fonts.BundledFontMapper;
import ru.pjandro.wordpdf.fonts.BundledFonts;
import ru.pjandro.wordpdf.internal.chart.DrawingPreRenderer;
import ru.pjandro.wordpdf.internal.DocxOnOffNormalizer;
import ru.pjandro.wordpdf.internal.FieldNormalizer;
import ru.pjandro.wordpdf.internal.FopFallbackFonts;
import ru.pjandro.wordpdf.internal.SymbolFontNormalizer;
@@ -100,6 +101,9 @@ public final class WordPdfConverter {
// ...и символьные шрифты Symbol/Wingdings: их коды из PUA экспорт
// в FO не понимает и рисует «#» (см. SymbolFontNormalizer).
docxBytes = SymbolFontNormalizer.normalize(docxBytes);
// ...и поля PAGE/NUMPAGES из fldChar делаем w:fldSimple, иначе
// в колонтитулах печатается кэш docx (см. FieldNormalizer).
docxBytes = FieldNormalizer.normalize(docxBytes);
WordprocessingMLPackage pkg = WordprocessingMLPackage.load(
new ByteArrayInputStream(docxBytes));
try {
@@ -0,0 +1,223 @@
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.Locale;
import java.util.zip.ZipEntry;
import java.util.zip.ZipInputStream;
import java.util.zip.ZipOutputStream;
/**
* Разворачивание «сложных» полей PAGE/NUMPAGES в {@code w:fldSimple} —
* до загрузки docx4j.
*
* Word записывает поле как последовательность ранов:
* {@code fldChar begin} → {@code instrText "PAGE"} → {@code fldChar separate}
* → закэшированный результат → {@code fldChar end}. Экспорт docx4j в XSL-FO
* игнорирует {@code w:instrText} внутри такого поля и печатает кэш из docx,
* поэтому в колонтитулах всех страниц стоит одно и то же число
* (в references/word.docx — «2» вместо 1, 2, 3 …).
*
* Собственно поле docx4j умеет: {@code w:fldSimple} обрабатывает
* {@code FldSimpleWriter} из docx4j-export-fo, у которого есть обработчики
* {@code PAGE} (→ {@code fo:page-number}), {@code NUMPAGES} и
* {@code SECTIONPAGES}. Поэтому переписываем поле в {@code w:fldSimple},
* сохраняя внутри закэшированные ран — они дают оформление (шрифт, размер).
*
* Штатный {@code FieldsCombiner} docx4j делает то же самое, но не заходит
* внутрь {@code w:sdt}: нумерация страниц Word почти всегда лежит в
* контентном контроле («Page Numbers (Top of Page)»), и до поля не добирается.
* Отсюда и нормализация байтов, как в {@link DocxOnOffNormalizer}.
*
* Трогаются только поля, которые действительно есть кому рисовать
* ({@link #SUPPORTED}); остальные остаются как были. Вложенные поля не
* разбираются — если внутри {@code begin … end} встречается ещё один
* {@code begin}, поле пропускается.
*/
public final class FieldNormalizer {
/** Инструкции, для которых в docx4j-export-fo есть обработчик fldSimple. */
private static final String[] SUPPORTED = {"PAGE", "NUMPAGES", "SECTIONPAGES"};
private FieldNormalizer() {
}
/**
* Переписывает поддерживаемые поля во всех word/*.xml частях docx.
*
* @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")) {
String fixed = rewrite(new String(data, StandardCharsets.UTF_8));
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;
}
/**
* @return новая строка либо null, если менять нечего
*/
static String rewrite(String xml) {
if (xml.indexOf("fldCharType=\"begin\"") < 0) {
return null;
}
StringBuilder sb = new StringBuilder(xml.length());
int pos = 0;
boolean changed = false;
while (true) {
int begin = xml.indexOf("fldCharType=\"begin\"", pos);
if (begin < 0) {
break;
}
int runStart = runStart(xml, begin);
int runEnd = xml.indexOf(RUN_CLOSE, begin);
if (runStart < 0 || runEnd < 0) {
break;
}
runEnd += RUN_CLOSE.length();
int end = xml.indexOf("fldCharType=\"end\"", runEnd);
int endRunEnd = end < 0 ? -1 : endRunEnd(xml, end);
int nested = xml.indexOf("fldCharType=\"begin\"", runEnd);
// поле без конца, битое или с вложенным полем — пропускаем целиком
int skipTo = endRunEnd >= 0 ? endRunEnd : runEnd;
if (endRunEnd < 0 || (nested >= 0 && nested < end)) {
sb.append(xml, pos, skipTo);
pos = skipTo;
continue;
}
String instr = instruction(xml.substring(runStart, endRunEnd));
if (instr.isBlank() || !isSupported(instr)) {
sb.append(xml, pos, endRunEnd);
pos = endRunEnd;
continue;
}
sb.append(xml, pos, runStart)
.append(toFldSimple(instr, cached(xml, runEnd, end)));
pos = endRunEnd;
changed = true;
}
if (!changed) {
return null;
}
return sb.append(xml, pos, xml.length()).toString();
}
private static final String RUN_CLOSE = "</w:r>";
/**
* Результат поля: ран-маркер {@code separate} и всё, что идёт после него
* до рана с {@code end}. Если {@code separate} нет, кэша нет — поле
* отрисует обработчик.
*/
private static String cached(String xml, int from, int endMarker) {
int sep = xml.indexOf("fldCharType=\"separate\"", from);
int sepRunEnd = xml.indexOf(RUN_CLOSE, sep);
if (sep < 0 || sep > endMarker || sepRunEnd < 0) {
return "";
}
sepRunEnd += RUN_CLOSE.length();
int endRunStart = runStart(xml, endMarker);
if (endRunStart < 0 || endRunStart < sepRunEnd) {
return "";
}
return xml.substring(sepRunEnd, endRunStart);
}
/** Склеивает все {@code w:instrText} блока — Word дробит инструкцию на части. */
private static String instruction(String block) {
StringBuilder instr = new StringBuilder(64);
int pos = 0;
while (true) {
int open = block.indexOf("<w:instrText", pos);
if (open < 0) {
break;
}
int gt = block.indexOf('>', open);
int close = block.indexOf("</w:instrText>", gt);
if (gt < 0 || close < 0) {
break;
}
instr.append(unescape(block.substring(gt + 1, close)));
pos = close + "</w:instrText>".length();
}
// не trim(): пробелы вокруг инструкции — часть записи Word
return instr.toString();
}
private static boolean isSupported(String instr) {
String name = instr.trim().split("[\\\\\\s]", 2)[0].toUpperCase(Locale.ROOT);
for (String s : SUPPORTED) {
if (s.equals(name)) {
return true;
}
}
return false;
}
private static String toFldSimple(String instr, String cached) {
return "<w:fldSimple w:instr=\"" + escapeAttr(instr) + "\">"
+ cached + "</w:fldSimple>";
}
/** Начало рана, содержащего позицию {@code idx} (раны не вложены). */
private static int runStart(String xml, int idx) {
for (int i = xml.lastIndexOf("<w:r", idx); i >= 0; i = xml.lastIndexOf("<w:r", i - 1)) {
if (i + 4 >= xml.length()) {
continue;
}
char next = xml.charAt(i + 4);
if (next != '>' && next != ' ') {
continue;
}
// между найденным открытием и idx не должно быть конца рана
if (xml.indexOf(RUN_CLOSE, i) > idx) {
return i;
}
}
return -1;
}
/** Позиция сразу за {@code </w:r>} рана, содержащего {@code idx}. */
private static int endRunEnd(String xml, int idx) {
int end = xml.indexOf(RUN_CLOSE, idx);
return end < 0 ? -1 : end + RUN_CLOSE.length();
}
private static String escapeAttr(String value) {
return value.replace("&", "&amp;")
.replace("<", "&lt;")
.replace(">", "&gt;")
.replace("\"", "&quot;");
}
private static String unescape(String value) {
String v = value;
if (v.indexOf('&') < 0) {
return v;
}
v = v.replace("&lt;", "<").replace("&gt;", ">").replace("&quot;", "\"");
return v.replace("&amp;", "&");
}
}