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
+2 -1
View File
@@ -32,7 +32,8 @@
## Архитектура (неочевидное) ## Архитектура (неочевидное)
- Пайплайн: байты docx → `DocxOnOffNormalizer` → `SymbolFontNormalizer` → docx4j → XSL-FO (XSLT) → FOP → PDF. - Пайплайн: байты docx → `DocxOnOffNormalizer` → `SymbolFontNormalizer` → `FieldNormalizer` → docx4j → XSL-FO (XSLT) → FOP → PDF.
- Поля страниц: Word пишет `PAGE`/`NUMPAGES` сложным полем (`fldChar begin` → `instrText` → `separate` → кэш → `end`). Экспорт docx4j в FO `w:instrText` внутри такого поля игнорирует и печатает кэш docx — во всех колонтитулах одно число (в эталоне «2» вместо 1, 2, 3 …). `FieldNormalizer` разворачивает поле в `w:fldSimple` (его обрабатывает `FldSimpleWriter` из docx4j-export-fo: PAGE → `fo:page-number`, есть также NUMPAGES/SECTIONPAGES/PAGEREF), сохраняя внутри закэшированные ран — они дают шрифт/размер. 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)»). Трогаются только инструкции, для которых есть обработчик; вложенные поля пропускаются. Регрессия — `WordPdfConverterTest#pageNumbers_recomputedNotCached`, фикстура `samples/page-numbers.docx`.
- Символьные шрифты: Word хранит маркеры списков и спецсимволы кодами из PUA (U+F0xx), глиф выбирается по имени шрифта (`Symbol`, `Wingdings`, `Webdings`). Экспорт docx4j в FO этих шрифтов не знает: код уходит в fallback, глифа нет, FOP рисует `.notdef` — в PDF решётка «#». `SymbolFontNormalizer` (шаг 1.6, тоже правит байты до JAXB) меняет код на Unicode, а имя шрифта — на `DejaVu Sans`. Таблица кодов — `SymbolMapper` из docx4j 17.x, отфильтрована по наличию глифа в DejaVu; константы сгенерированы, менять руками нельзя. Обрабатываются `w:lvl` (numbering.xml), `w:r` и `w:sym`; ран с `w:sym` разрезается, т.к. у символа собственный `w:font`. Регрессия — `WordPdfConverterTest#symbolFonts_bulletsAreNotHash`, фикстура `samples/symbol-bullets.docx`. - Символьные шрифты: Word хранит маркеры списков и спецсимволы кодами из PUA (U+F0xx), глиф выбирается по имени шрифта (`Symbol`, `Wingdings`, `Webdings`). Экспорт docx4j в FO этих шрифтов не знает: код уходит в fallback, глифа нет, FOP рисует `.notdef` — в PDF решётка «#». `SymbolFontNormalizer` (шаг 1.6, тоже правит байты до JAXB) меняет код на Unicode, а имя шрифта — на `DejaVu Sans`. Таблица кодов — `SymbolMapper` из docx4j 17.x, отфильтрована по наличию глифа в DejaVu; константы сгенерированы, менять руками нельзя. Обрабатываются `w:lvl` (numbering.xml), `w:r` и `w:sym`; ран с `w:sym` разрезается, т.к. у символа собственный `w:font`. Регрессия — `WordPdfConverterTest#symbolFonts_bulletsAreNotHash`, фикстура `samples/symbol-bullets.docx`.
- Порядок инициализации в `WordPdfConverter.convertToStream` важен: сначала `new BundledFontMapper()`, потом `BundledFonts.init()` (бандл-шрифты регистрируются поверх системных), затем `BundledFonts.restrictToBundled()` (чистит реестр `PhysicalFonts` от системных шрифтов до `load()`; конструктор маппера каждый раз заново добавляет их, и `GlyphCheck` на Windows находит системный Calibri — em-dash остаётся на Carlito, красный `ruPlain_emDashEmbeddedNotHelvetica`). Не менять местами. - Порядок инициализации в `WordPdfConverter.convertToStream` важен: сначала `new BundledFontMapper()`, потом `BundledFonts.init()` (бандл-шрифты регистрируются поверх системных), затем `BundledFonts.restrictToBundled()` (чистит реестр `PhysicalFonts` от системных шрифтов до `load()`; конструктор маппера каждый раз заново добавляет их, и `GlyphCheck` на Windows находит системный Calibri — em-dash остаётся на Carlito, красный `ruPlain_emDashEmbeddedNotHelvetica`). Не менять местами.
- docx4j 11.x теряет атрибуты `w:val="off"/"on"` при JAXB-разборе — поэтому нужна нормализация байтов до загрузки (регрессионный тест `ruPlain_regularRunsUseRegularFont`). - docx4j 11.x теряет атрибуты `w:val="off"/"on"` при JAXB-разборе — поэтому нужна нормализация байтов до загрузки (регрессионный тест `ruPlain_regularRunsUseRegularFont`).
@@ -11,6 +11,7 @@ import ru.pjandro.wordpdf.fonts.BundledFontMapper;
import ru.pjandro.wordpdf.fonts.BundledFonts; import ru.pjandro.wordpdf.fonts.BundledFonts;
import ru.pjandro.wordpdf.internal.chart.DrawingPreRenderer; import ru.pjandro.wordpdf.internal.chart.DrawingPreRenderer;
import ru.pjandro.wordpdf.internal.DocxOnOffNormalizer; import ru.pjandro.wordpdf.internal.DocxOnOffNormalizer;
import ru.pjandro.wordpdf.internal.FieldNormalizer;
import ru.pjandro.wordpdf.internal.FopFallbackFonts; import ru.pjandro.wordpdf.internal.FopFallbackFonts;
import ru.pjandro.wordpdf.internal.SymbolFontNormalizer; import ru.pjandro.wordpdf.internal.SymbolFontNormalizer;
@@ -100,6 +101,9 @@ public final class WordPdfConverter {
// ...и символьные шрифты Symbol/Wingdings: их коды из PUA экспорт // ...и символьные шрифты Symbol/Wingdings: их коды из PUA экспорт
// в FO не понимает и рисует «#» (см. SymbolFontNormalizer). // в FO не понимает и рисует «#» (см. SymbolFontNormalizer).
docxBytes = SymbolFontNormalizer.normalize(docxBytes); 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( WordprocessingMLPackage pkg = WordprocessingMLPackage.load(
new ByteArrayInputStream(docxBytes)); new ByteArrayInputStream(docxBytes));
try { 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;", "&");
}
}
@@ -6,12 +6,17 @@ import org.apache.poi.xwpf.usermodel.XWPFParagraph;
import org.apache.poi.xwpf.usermodel.XWPFRun; import org.apache.poi.xwpf.usermodel.XWPFRun;
import org.apache.poi.xwpf.usermodel.XWPFTable; import org.apache.poi.xwpf.usermodel.XWPFTable;
import org.apache.poi.xwpf.usermodel.XWPFTableCell; import org.apache.poi.xwpf.usermodel.XWPFTableCell;
import org.apache.poi.xwpf.usermodel.XWPFHeader;
import org.apache.poi.xwpf.usermodel.XWPFFooter;
import org.apache.poi.wp.usermodel.HeaderFooterType;
import org.apache.poi.xwpf.usermodel.ParagraphAlignment;
import org.openxmlformats.schemas.wordprocessingml.x2006.main.CTAbstractNum; import org.openxmlformats.schemas.wordprocessingml.x2006.main.CTAbstractNum;
import org.openxmlformats.schemas.wordprocessingml.x2006.main.CTFonts; import org.openxmlformats.schemas.wordprocessingml.x2006.main.CTFonts;
import org.openxmlformats.schemas.wordprocessingml.x2006.main.CTLvl; import org.openxmlformats.schemas.wordprocessingml.x2006.main.CTLvl;
import org.openxmlformats.schemas.wordprocessingml.x2006.main.CTNumPr; import org.openxmlformats.schemas.wordprocessingml.x2006.main.CTNumPr;
import org.openxmlformats.schemas.wordprocessingml.x2006.main.CTPPr; import org.openxmlformats.schemas.wordprocessingml.x2006.main.CTPPr;
import org.openxmlformats.schemas.wordprocessingml.x2006.main.CTSym; import org.openxmlformats.schemas.wordprocessingml.x2006.main.CTSym;
import org.openxmlformats.schemas.wordprocessingml.x2006.main.STFldCharType;
import org.openxmlformats.schemas.wordprocessingml.x2006.main.STNumberFormat; import org.openxmlformats.schemas.wordprocessingml.x2006.main.STNumberFormat;
import org.apache.poi.xwpf.usermodel.XWPFAbstractNum; import org.apache.poi.xwpf.usermodel.XWPFAbstractNum;
import org.apache.poi.xwpf.usermodel.XWPFNumbering; import org.apache.poi.xwpf.usermodel.XWPFNumbering;
@@ -61,6 +66,7 @@ public final class SampleDocxGenerator {
ruTimes(dir.resolve("ru-times.docx")); ruTimes(dir.resolve("ru-times.docx"));
ruTableImage(dir.resolve("ru-table-image.docx")); ruTableImage(dir.resolve("ru-table-image.docx"));
symbolBullets(dir.resolve("symbol-bullets.docx")); symbolBullets(dir.resolve("symbol-bullets.docx"));
pageNumbers(dir.resolve("page-numbers.docx"));
System.out.println("Готово: " + dir.toAbsolutePath()); System.out.println("Готово: " + dir.toAbsolutePath());
} }
@@ -248,6 +254,53 @@ public final class SampleDocxGenerator {
} }
} }
/**
* Нумерация страниц: {@code PAGE} в колонтитуле — сложным полем
* ({@code fldChar} + {@code instrText} + кэш), как его пишет Word.
* Экспорт docx4j в FO {@code instrText} в таком поле игнорирует и печатает
* кэш, поэтому без FieldNormalizers все страницы получают одно число.
*/
private static void pageNumbers(Path out) throws Exception {
try (XWPFDocument doc = new XWPFDocument()) {
XWPFHeader header = doc.createHeader(HeaderFooterType.DEFAULT);
XWPFParagraph hp = header.createParagraph();
hp.setAlignment(ParagraphAlignment.CENTER);
complexField(hp, " PAGE \\* MERGEFORMAT ", "2");
XWPFFooter footer = doc.createFooter(HeaderFooterType.DEFAULT);
XWPFParagraph fp = footer.createParagraph();
fp.setAlignment(ParagraphAlignment.CENTER);
complexField(fp, " PAGE ", "2");
fp.createRun().setText(" / ");
complexField(fp, " NUMPAGES \\* ARABIC ", "11");
for (int page = 1; page <= 3; page++) {
XWPFParagraph p = doc.createParagraph();
if (page > 1) {
p.getCTP().addNewPPr().addNewPageBreakBefore();
}
run(p, "Страница " + page, "Times New Roman", false, false);
}
save(doc, out);
}
}
/**
* Поле так, как его сохраняет Word: ран {@code fldChar begin}, ран
* {@code instrText}, {@code separate}, закэшированный результат и
* {@code end}.
*/
private static void complexField(XWPFParagraph p, String instr, String cached) {
p.createRun().getCTR().addNewFldChar()
.setFldCharType(STFldCharType.BEGIN);
p.createRun().getCTR().addNewInstrText().setStringValue(instr);
p.createRun().getCTR().addNewFldChar()
.setFldCharType(STFldCharType.SEPARATE);
p.createRun().setText(cached);
p.createRun().getCTR().addNewFldChar()
.setFldCharType(STFldCharType.END);
}
// ================== Вспомогательные ================== // ================== Вспомогательные ==================
/** Абзац-заголовок: POI 5.5 не имеет createHeading, поэтому /** Абзац-заголовок: POI 5.5 не имеет createHeading, поэтому
@@ -44,6 +44,16 @@ class WordPdfConverterTest {
} }
} }
/** Извлекает текст одной страницы PDF (нумерация колонтитулов). */
private static String pdfPageText(Path pdf, int page) throws IOException {
try (PDDocument doc = Loader.loadPDF(pdf.toFile())) {
PDFTextStripper stripper = new PDFTextStripper();
stripper.setStartPage(page);
stripper.setEndPage(page);
return stripper.getText(doc);
}
}
/** Конвертирует docx в временный PDF и возвращает его путь. */ /** Конвертирует docx в временный PDF и возвращает его путь. */
private static Path convert(Path docx) throws IOException { private static Path convert(Path docx) throws IOException {
Path out = Files.createTempFile("converted-", ".pdf"); Path out = Files.createTempFile("converted-", ".pdf");
@@ -126,6 +136,26 @@ class WordPdfConverterTest {
"пропал текст пункта списка: " + text); "пропал текст пункта списка: " + text);
} }
/**
* Поля PAGE/NUMPAGES Word пишет как {@code fldChar} + {@code instrText}
* + закэшированный результат. Экспорт docx4j в FO инструкцию игнорирует
* и печатает кэш — все страницы получают одно и то же число.
* FieldNormalizer разворачивает поле в {@code w:fldSimple}, и FOP
* считает номер заново на каждой странице.
*/
@Test
void pageNumbers_recomputedNotCached() throws Exception {
Path pdf = convert(extractSample("page-numbers.docx"));
for (int page = 1; page <= 3; page++) {
String text = norm(pdfPageText(pdf, page));
assertTrue(text.contains("Страница " + page),
"страница " + page + " содержит не своё содержимое: " + text);
assertTrue(text.contains(page + " / 3"),
"колонтитул страницы " + page + " не пересчитан: " + text);
}
}
@Test @Test
void ruPlain_cyrillicAndStyles() throws Exception { void ruPlain_cyrillicAndStyles() throws Exception {
Path in = extractSample("ru-plain.docx"); Path in = extractSample("ru-plain.docx");
@@ -0,0 +1,126 @@
package ru.pjandro.wordpdf.internal;
import org.junit.jupiter.api.Test;
import static org.junit.jupiter.api.Assertions.assertEquals;
import static org.junit.jupiter.api.Assertions.assertNull;
import static org.junit.jupiter.api.Assertions.assertTrue;
class FieldNormalizerTest {
/** Сложное поле Word: begin / instrText / separate / кэш / end. */
private static String field(String instr, String cached) {
return "<w:r><w:fldChar w:fldCharType=\"begin\"/></w:r>"
+ "<w:r><w:instrText xml:space=\"preserve\">" + instr
+ "</w:instrText></w:r>"
+ "<w:r><w:fldChar w:fldCharType=\"separate\"/></w:r>"
+ "<w:r><w:rPr><w:sz w:val=\"20\"/></w:rPr><w:t>" + cached + "</w:t></w:r>"
+ "<w:r><w:fldChar w:fldCharType=\"end\"/></w:r>";
}
@Test
void pageFieldBecomesFldSimple() {
String xml = "<w:p>" + field(" PAGE \\* MERGEFORMAT ", "2") + "</w:p>";
String out = FieldNormalizer.rewrite(xml);
assertTrue(out.startsWith("<w:p><w:fldSimple w:instr=\" PAGE \\* MERGEFORMAT \">"),
out);
// кэш остаётся внутри — он даёт оформление (шрифт, размер)
assertTrue(out.contains("<w:rPr><w:sz w:val=\"20\"/></w:rPr><w:t>2</w:t>"), out);
assertTrue(out.endsWith("</w:fldSimple></w:p>"), out);
assertTrue(!out.contains("fldChar"), "fldChar не удалён: " + out);
}
@Test
void numpagesAndSectionpagesAreSupported() {
for (String instr : new String[]{" NUMPAGES \\* ARABIC ", " SECTIONPAGES "}) {
String out = FieldNormalizer.rewrite("<w:p>" + field(instr, "11") + "</w:p>");
assertTrue(out.contains("<w:fldSimple w:instr=\"" + instr + "\">"), instr + ": " + out);
}
}
/** Инструкцию Word дробит на несколько w:instrText — их нужно склеить. */
@Test
void instructionSplitAcrossRuns() {
String xml = "<w:p><w:r><w:fldChar w:fldCharType=\"begin\"/></w:r>"
+ "<w:r><w:instrText xml:space=\"preserve\"> NUM</w:instrText></w:r>"
+ "<w:r><w:instrText xml:space=\"preserve\">PAGES </w:instrText></w:r>"
+ "<w:r><w:fldChar w:fldCharType=\"separate\"/></w:r>"
+ "<w:r><w:t>11</w:t></w:r>"
+ "<w:r><w:fldChar w:fldCharType=\"end\"/></w:r></w:p>";
String out = FieldNormalizer.rewrite(xml);
assertTrue(out.contains("<w:fldSimple w:instr=\" NUMPAGES \">"), out);
}
@Test
void otherFieldsUntouched() {
String xml = "<w:p>" + field(" HYPERLINK \"https://example.com\" ", "ссылка")
+ "</w:p>";
assertNull(FieldNormalizer.rewrite(xml), "чужое поле переписано");
}
/** Вложенное поле: разбирать его не берёмся, но и ломать не должны. */
@Test
void nestedFieldUntouched() {
String xml = "<w:p>"
+ "<w:r><w:fldChar w:fldCharType=\"begin\"/></w:r>"
+ "<w:r><w:instrText>= PAGE </w:instrText></w:r>"
+ field(" PAGE ", "2")
+ "<w:r><w:fldChar w:fldCharType=\"end\"/></w:r></w:p>";
assertNull(FieldNormalizer.rewrite(xml), "вложенное поле переписано");
}
/** Соседние ран-свойства и остальной документ остаются без изменений. */
@Test
void surroundingContentPreserved() {
String xml = "<w:hdr><w:p><w:pPr><w:jc w:val=\"center\"/></w:pPr>"
+ "<w:r><w:t>до</w:t></w:r>" + field(" PAGE ", "2")
+ "<w:r><w:t>после</w:t></w:r></w:p></w:hdr>";
String out = FieldNormalizer.rewrite(xml);
assertTrue(out.startsWith("<w:hdr><w:p><w:pPr><w:jc w:val=\"center\"/></w:pPr>"
+ "<w:r><w:t>до</w:t></w:r>"), out);
assertTrue(out.endsWith("<w:r><w:t>после</w:t></w:r></w:p></w:hdr>"), out);
}
/** Поле внутри w:sdt — так Word пишет нумерацию «Page Numbers (Top of Page)». */
@Test
void fieldInsideSdt() {
String xml = "<w:sdt><w:sdtPr/><w:sdtEndPr/><w:sdtContent>"
+ field(" PAGE ", "2") + "</w:sdtContent></w:sdt>";
String out = FieldNormalizer.rewrite(xml);
assertTrue(out.startsWith("<w:sdt><w:sdtPr/><w:sdtEndPr/><w:sdtContent>"
+ "<w:fldSimple"), out);
assertTrue(out.endsWith("</w:fldSimple></w:sdtContent></w:sdt>"), out);
}
@Test
void nothingToChangeReturnsNull() {
assertNull(FieldNormalizer.rewrite("<w:p><w:r><w:t>текст</w:t></w:r></w:p>"));
}
/** Поле без separate/end — битое, пропускаем, остальное не трогаем. */
@Test
void unterminatedFieldSkipped() {
String xml = "<w:p><w:r><w:fldChar w:fldCharType=\"begin\"/></w:r>"
+ "<w:r><w:instrText> PAGE </w:instrText></w:r></w:p>";
assertNull(FieldNormalizer.rewrite(xml));
}
/** Кавычка и ampersand в инструкции не должны сломать атрибут. */
@Test
void instructionEscapedIntoAttribute() {
String out = FieldNormalizer.rewrite(
"<w:p>" + field(" STYLEREF \"Раздел &amp; номер\" ", "1") + "</w:p>");
// STYLEREF не поддерживается — поле должно остаться как было
assertNull(out);
String page = FieldNormalizer.rewrite(
"<w:p>" + field(" PAGE ", "1") + "</w:p>");
assertEquals("<w:p><w:fldSimple w:instr=\" PAGE \">"
+ "<w:r><w:rPr><w:sz w:val=\"20\"/></w:rPr><w:t>1</w:t></w:r>"
+ "</w:fldSimple></w:p>", page);
}
}