From 402cc27fedfa3e4a3336a97cdd7f91917b0e301a Mon Sep 17 00:00:00 2001 From: Pjandro Date: Sun, 1 Nov 2026 00:14:35 +0000 Subject: [PATCH] =?UTF-8?q?=D0=9C=D0=BE=D1=81=D1=82=20.doc:=20=D0=BF=D0=B5?= =?UTF-8?q?=D1=80=D0=B5=D0=BD=D0=BE=D1=81=20=D0=B3=D0=B8=D0=BF=D0=B5=D1=80?= =?UTF-8?q?=D1=81=D1=81=D1=8B=D0=BB=D0=BE=D0=BA=20HYPERLINK=20=D0=B2=20PDF?= =?UTF-8?q?=20=D1=87=D0=B5=D1=80=D0=B5=D0=B7=20w:hyperlink=20+=20=D0=B2?= =?UTF-8?q?=D0=BD=D0=B5=D1=88=D0=BD=D0=B8=D0=B5=20rels?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit - DocxBody: парсер hyperlinkUrl (инструкция HYPERLINK, обязательная схема RFC 3986; деградации \l/без схемы/битая кавычка/control-символы), эмиссия на FIELD_SEPARATOR..FIELD_END, баланс тегов при поле через границу абзацев, сброс захвата инструкции на FIELD_END (поля без разделителя более не глотают текст) - DocxWriter.write: внешние rels hl0… TargetMode="External" с экранированием - Тесты: 6 юнитов DocToDocxFormattingTest (крафт POIFS, батарея парсера) + WordPdfConverterTest#docHyperlink_linkAnnotationClickable (PDFBox-аннотация /URI на сквозном .doc→PDF) --- .../wordpdf/internal/doc/DocToDocx.java | 153 +++++++++++++- .../wordpdf/internal/doc/DocxWriter.java | 41 +++- .../pjandro/wordpdf/WordPdfConverterTest.java | 87 ++++++++ .../internal/doc/DocToDocxFormattingTest.java | 188 +++++++++++++++++- 4 files changed, 449 insertions(+), 20 deletions(-) diff --git a/wordpdf-core/src/main/java/ru/pjandro/wordpdf/internal/doc/DocToDocx.java b/wordpdf-core/src/main/java/ru/pjandro/wordpdf/internal/doc/DocToDocx.java index 4ce6ba8..1b04857 100644 --- a/wordpdf-core/src/main/java/ru/pjandro/wordpdf/internal/doc/DocToDocx.java +++ b/wordpdf-core/src/main/java/ru/pjandro/wordpdf/internal/doc/DocToDocx.java @@ -7,9 +7,11 @@ import java.util.ArrayDeque; import java.util.ArrayList; import java.util.Deque; import java.util.HashMap; +import java.util.Iterator; import java.util.List; import java.util.Locale; import java.util.Map; +import java.util.regex.Pattern; /** * Мост бинарного .doc (Word 97–2003) → минимальный transitional-.docx. @@ -31,8 +33,11 @@ import java.util.Map; * семантика рестартов списков (fNoRestart/ilvlRestartLim), fLegal, * объединённые/вложенные ячейки и бордюры TC80; объекты/сноски/комментарии * (0x01/0x02/0x05/0x08) и инструкции полей (0x13–0x14) выбрасываются, - * результат поля (0x14–0x15) остаётся; прочие управляющие символы не - * эмитятся.

+ * результат поля (0x14–0x15) остаётся; поле {@code HYPERLINK} в основном + * тексте переносится как {@code w:hyperlink} с внешней rels-связью на URL из + * инструкции ([MS-DOC] §2.4.4; деградации в плоский текст: якорный + * переключатель {@code \l}, URL без схемы RFC 3986, ссылки в колонтитуках); + * прочие управляющие символы не эмитятся.

* *

Контракт ошибок: любой некорректный вход (не CFB, не Word, шифрование, * Word 6/95, обрезка, цикл в цепочках, страницы сверх лимита) — @@ -146,7 +151,9 @@ public final class DocToDocx { ftrRel[i] = "rId" + parts.size(); } } - return DocxWriter.write(body.build(secs, hdrRel, ftrRel), parts); + // hyperlinks наполняются внутри build (body-pass); rels пишутся после + String bodyXml = body.build(secs, hdrRel, ftrRel); + return DocxWriter.write(bodyXml, parts, body.hyperlinks()); } /** @@ -160,7 +167,7 @@ public final class DocToDocx { } /** Текст CP 0..ccpText → XML-тело {@code }. */ - private static final class DocxBody { + static final class DocxBody { /** Длина операнда LSPD: dyaLine (i16) + fMultLinespace (i16), §2.9.181. */ private static final int LSPD_OPERAND_LEN = 4; @@ -168,6 +175,15 @@ public final class DocToDocx { private static final int FMULT_MULTIPLIER = 1; /** w:gridSpan эмитится только при покрытии ≥2 колонок tblGrid (§17.4.65). */ private static final int MIN_GRID_SPAN = 2; + /** Схема URL в начале строки (RFC 3986 §3.1), lookingAt. */ + private static final Pattern URL_SCHEME = + Pattern.compile("[A-Za-z][A-Za-z0-9+.\\-]*:"); + /** ASCII DEL — управляющий символ, невалидный в URL. */ + private static final char DEL = 0x7F; + /** Кавычка-обёртка URL в инструкции HYPERLINK. */ + private static final char QUOTE = '"'; + /** Переключатель якорной ссылки Word. */ + private static final String ANCHOR_SWITCH = "\\l"; private final PieceTable pieces; private final ChpxIndex chpx; @@ -183,6 +199,14 @@ public final class DocToDocx { /** Части пакета (колонтитуки + media); id связи = rId{позиция+1}. */ private final List parts; private final Deque fieldStack = new ArrayDeque<>(); + /** Флаг «поле открыло w:hyperlink», параллельно {@link #fieldStack}. */ + private final Deque linkStack = new ArrayDeque<>(); + /** Id открытых ссылок — переоткрыть теги после границы абзаца. */ + private final Deque openLinkIds = new ArrayDeque<>(); + /** Сколько тегов ссылки открыто в текущем абзаце (закрываются на границе). */ + private int linksOpenInPara; + /** Targets внешних ссылок; id связи — {@code "hl" + индекс}. */ + private final List hyperlinks = new ArrayList<>(); /** Состояние полей текущего buildRange (сбрасывается на входе). */ private boolean fieldsAsSimple; private final StringBuilder instr = new StringBuilder(); @@ -207,6 +231,11 @@ public final class DocToDocx { this.parts = parts; } + /** Targets внешних гиперссылок body (наполняется во время {@link #build}). */ + List hyperlinks() { + return hyperlinks; + } + /** * Текст CP 0..ccpText → XML-тело {@code }: абзацы + межсекционные * {@code w:sectPr} в pPr абзаца с разрывом 0x0C + body-level sectPr @@ -258,6 +287,12 @@ public final class DocToDocx { this.sectByEndCp = sectByEndCp; this.pendingSectPr = null; fieldStack.clear(); + linkStack.clear(); + openLinkIds.clear(); + linksOpenInPara = 0; + if (!fieldsAsSimple) { + hyperlinks.clear(); + } instr.setLength(0); capturing = false; fldSimpleOpen = 0; @@ -273,6 +308,14 @@ public final class DocToDocx { int istd = istdOf(direct, papx.istdFor(paraFc)); byte[] styleChpx = styles.chpxChain(istd); StringBuilder runs = new StringBuilder(); + // поле-ссылка может покрывать границу абзаца: теги обязаны + // балансировать в каждом w:p — переоткрываем активные ссылки + // старого→нового (поле остаётся открытым до своего FIELD_END) + Iterator reopen = openLinkIds.descendingIterator(); + while (reopen.hasNext()) { + runs.append(""); + } + linksOpenInPara = openLinkIds.size(); char termMark = 0; while (cp < to) { char ch = pieces.charAt(cp); @@ -296,6 +339,10 @@ public final class DocToDocx { break; } } + for (int i = linksOpenInPara; i > 0; i--) { + runs.append(""); + } + linksOpenInPara = 0; String sect = pendingSectPr; pendingSectPr = null; if (sect != null && inTable(direct)) { @@ -546,13 +593,16 @@ public final class DocToDocx { } break; case FIELD_BEGIN: - // fldSimple — sibling w:r, ран закрывается на границе поля + // fldSimple/hyperlink — sibling w:r, ран закрывается + // на границе поля closeRun(runs, rPr, content, text); - if (fieldsAsSimple) { - instr.setLength(0); - capturing = true; - } + // инструкцию читаем и в теле — URL гиперссылки берётся + // из неё; вывод не меняется: пока поле открыто, + // visible()==false и захваченный текст невидим + instr.setLength(0); + capturing = true; fieldStack.push(Boolean.FALSE); + linkStack.push(Boolean.FALSE); break; case FIELD_SEPARATOR: closeRun(runs, rPr, content, text); @@ -567,13 +617,34 @@ public final class DocToDocx { .append("\">"); fldSimpleOpen++; } + // без открытого поля (битый поток) ссылку не открываем — + // тег остался бы незакрытым до конца документа + String url = fieldsAsSimple || linkStack.isEmpty() + ? null : hyperlinkUrl(instr); + if (url != null) { + String linkId = "hl" + hyperlinks.size(); + hyperlinks.add(url); + runs.append(""); + linkStack.pop(); + linkStack.push(Boolean.TRUE); + openLinkIds.push(linkId); + linksOpenInPara++; + } break; case FIELD_END: closeRun(runs, rPr, content, text); + // поле без разделителя (инструкция есть, результата нет) + // — иначе захват инструкции «залип» бы до конца потока + capturing = false; if (fldSimpleOpen > 0) { runs.append(""); fldSimpleOpen--; } + if (!linkStack.isEmpty() && linkStack.pop()) { + runs.append(""); + openLinkIds.pop(); + linksOpenInPara--; + } if (!fieldStack.isEmpty()) { fieldStack.pop(); } @@ -693,6 +764,70 @@ public final class DocToDocx { }; } + /** + * URL из инструкции поля HYPERLINK ([MS-DOC] §2.4.4: токен, затем + * {@code "url"} или url без кавычек, затем switch'и). Схема обязательна + * (RFC 3986 §3.1) — {@code readme.txt}/{@code #bookmark} ссылкой не + * считаются. Якорный переключатель {@code \l} — {@code null}: закладки + * (w:bookmarkStart) мост не переносит, ссылаться некуда. Деградация + * (не гиперссылка/битая инструкция) — {@code null}, результат поля + * остаётся плоским текстом. + */ + static String hyperlinkUrl(CharSequence instruction) { + String s = instruction.toString().trim(); + int end = 0; + while (end < s.length() && !Character.isWhitespace(s.charAt(end))) { + end++; + } + if (!"HYPERLINK".equalsIgnoreCase(s.substring(0, end))) { + return null; + } + int p = end; + while (p < s.length() && Character.isWhitespace(s.charAt(p))) { + p++; + } + if (p == s.length()) { + return null; + } + String url; + String tail; + if (s.charAt(p) == QUOTE) { + int close = s.indexOf(QUOTE, p + 1); + if (close < 0) { + return null; + } + url = s.substring(p + 1, close); + tail = s.substring(close + 1); + } else { + int sp = p; + while (sp < s.length() && !Character.isWhitespace(s.charAt(sp))) { + sp++; + } + url = s.substring(p, sp); + tail = s.substring(sp); + } + for (String tok : tail.trim().split("\\s+")) { + if (ANCHOR_SWITCH.equalsIgnoreCase(tok)) { + return null; + } + } + if (url.isEmpty() || hasControlChar(url) + || !URL_SCHEME.matcher(url).lookingAt()) { + return null; + } + return url; + } + + private static boolean hasControlChar(String url) { + for (int i = 0; i < url.length(); i++) { + char c = url.charAt(i); + if (c < CONTROL_LIMIT || c == DEL) { + return true; + } + } + return false; + } + private boolean visible() { return fieldStack.isEmpty() || fieldStack.peek(); } diff --git a/wordpdf-core/src/main/java/ru/pjandro/wordpdf/internal/doc/DocxWriter.java b/wordpdf-core/src/main/java/ru/pjandro/wordpdf/internal/doc/DocxWriter.java index 7443c1b..af56af5 100644 --- a/wordpdf-core/src/main/java/ru/pjandro/wordpdf/internal/doc/DocxWriter.java +++ b/wordpdf-core/src/main/java/ru/pjandro/wordpdf/internal/doc/DocxWriter.java @@ -17,10 +17,11 @@ import java.util.zip.ZipOutputStream; * word/document.xml + переданные {@link Part}. Ссылки частей получают * {@code rId1…} в порядке списка (officeDocument — только в _rels/.rels, * self-ссылка в rels документа недопустима); вызывающий обязан - * использовать те же id в {@code w:headerReference}/{@code w:pic}. XML-части - * идут в [Content_Types].xml как Override, медиа — как Default по расширению - * (дедупликация по расширению). Байты уходят в штатный пайплайн docx4j - * (шаги 1–7 {@code WordPdfConverter}).

+ * использовать те же id в {@code w:headerReference}/{@code w:pic}. + * Внешние гиперссылки получают {@code hl0…} с {@code TargetMode="External"}. + * XML-части идут в [Content_Types].xml как Override, медиа — как Default по + * расширению (дедупликация по расширению). Байты уходят в штатный пайплайн + * docx4j (шаги 1–7 {@code WordPdfConverter}).

*/ final class DocxWriter { @@ -37,6 +38,10 @@ final class DocxWriter { private static final String XML_DECL = ""; + /** Тип связи внешней гиперссылки (ECMA-376 Part 2). */ + private static final String HYPERLINK_REL_TYPE = + "http://schemas.openxmlformats.org/officeDocument/2006/relationships/hyperlink"; + private static final String ROOT_RELS = XML_DECL + "" + "} (без самого элемента) - * и дополнительных частей (их id — {@code rId2…} по порядку списка). + * Пакет из готового XML-тела {@code } (без самого элемента), + * дополнительных частей (их id — {@code rId1…} по порядку списка) и + * targets внешних гиперссылок (id — {@code hl0…}, {@code + * TargetMode="External"}; id номеронезависимы — media-части доезжают + * уже во время сборки тела, смещение {@code rIdN+1…} было бы + * нестабильным). */ - static byte[] write(String bodyXml, List parts) { + static byte[] write(String bodyXml, List parts, List hyperlinkTargets) { String document = XML_DECL + "" + bodyXml + ""; ByteArrayOutputStream bos = new ByteArrayOutputStream(1 << 14); try (ZipOutputStream zip = new ZipOutputStream(bos, StandardCharsets.UTF_8)) { put(zip, "[Content_Types].xml", contentTypes(parts)); put(zip, "_rels/.rels", ROOT_RELS); - put(zip, "word/_rels/document.xml.rels", documentRels(parts)); + put(zip, "word/_rels/document.xml.rels", documentRels(parts, hyperlinkTargets)); put(zip, "word/document.xml", document); for (Part part : parts) { zip.putNextEntry(new ZipEntry(part.entry())); @@ -103,11 +112,12 @@ final class DocxWriter { } /** - * Связи document.xml: части в порядке списка (rId1…). officeDocument + * Связи document.xml: части в порядке списка (rId1…), затем внешние + * гиперссылки (hl0…, TargetMode="External"). officeDocument * здесь нет — он только в _rels/.rels; self-ссылка зациклила бы * docx4j {@code PartialDeepCopy.deepCopyRelationships}. */ - private static String documentRels(List parts) { + private static String documentRels(List parts, List hyperlinkTargets) { StringBuilder xml = new StringBuilder(XML_DECL) .append(""); for (int i = 0; i < parts.size(); i++) { @@ -117,9 +127,20 @@ final class DocxWriter { xml.append(""); } + for (int i = 0; i < hyperlinkTargets.size(); i++) { + xml.append(""); + } return xml.append("").toString(); } + /** Атрибутный экранировщик Target (дубликат образец {@code Lists.escapeAttr}). */ + private static String escapeAttr(String s) { + return s.replace("&", "&").replace("<", "<").replace("\"", """); + } + private static void put(ZipOutputStream zip, String name, String content) throws IOException { zip.putNextEntry(new ZipEntry(name)); zip.write(content.getBytes(StandardCharsets.UTF_8)); 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 ba4b9a4..0c87f84 100644 --- a/wordpdf-core/src/test/java/ru/pjandro/wordpdf/WordPdfConverterTest.java +++ b/wordpdf-core/src/test/java/ru/pjandro/wordpdf/WordPdfConverterTest.java @@ -8,6 +8,9 @@ import org.apache.pdfbox.pdmodel.PDPage; import org.apache.pdfbox.pdmodel.PDResources; import org.apache.pdfbox.pdmodel.font.PDFont; import org.apache.pdfbox.pdmodel.graphics.image.PDImageXObject; +import org.apache.pdfbox.pdmodel.interactive.action.PDActionURI; +import org.apache.pdfbox.pdmodel.interactive.annotation.PDAnnotation; +import org.apache.pdfbox.pdmodel.interactive.annotation.PDAnnotationLink; import org.apache.pdfbox.text.PDFTextStripper; import org.apache.poi.poifs.filesystem.POIFSFileSystem; import org.junit.jupiter.api.Test; @@ -19,6 +22,7 @@ import java.io.IOException; import java.io.InputStream; import java.nio.file.Files; import java.nio.file.Path; +import java.util.ArrayList; import java.util.HashSet; import java.util.List; import java.util.Set; @@ -103,6 +107,22 @@ class WordPdfConverterTest { return s.replaceAll("\\s+", " "); } + /** /URI всех ссылочных аннотаций PDF'а (все страницы). */ + private static List linkUris(Path pdf) throws IOException { + List uris = new ArrayList<>(); + try (PDDocument doc = Loader.loadPDF(pdf.toFile())) { + for (PDPage page : doc.getPages()) { + for (PDAnnotation ann : page.getAnnotations()) { + if (ann instanceof PDAnnotationLink link + && link.getAction() instanceof PDActionURI uri) { + uris.add(uri.getURI()); + } + } + } + } + return uris; + } + /** BaseFont-имена вшитых шрифтов PDF (например "EAAAAA+Carlito-Bold"). */ private static Set embeddedFontNames(Path pdf) throws IOException { Set names = new TreeSet<>(); @@ -1337,6 +1357,23 @@ class WordPdfConverterTest { "лимит 1 страница не удержал двухстраничный .doc"); } + /** + * Синтетический .doc с полем HYPERLINK (фикстуры заказчика ссылок не + * содержат — крафт POIFS, дубль хелперов DocToDocxFormattingTest): + * инструкция → внешняя rels-связь документа, результат → содержимое + * w:hyperlink, FOP кладёт поверх кликабельную аннотацию с /URI. + * Регрессия — internal.doc.DocxBody#hyperlinkUrl + DocxWriter#write. + */ + @Test + void docHyperlink_linkAnnotationClickable() throws Exception { + Path pdf = convertPdf(hyperlinkDoc(), "doc-hyperlink"); + String text = norm(pdfText(pdf)); + assertTrue(text.contains("before сайт after"), "текст ссылки: " + text); + assertEquals(List.of("https://pjandro.ru/docs?q=1&z=2"), linkUris(pdf), + "аннотация-ссылка не найдена"); + assertFalse(text.contains("#"), ".notdef-боксы в тексте"); + } + /** * Синтетический .doc со списками (ни одна фикстура заказчика списков не * содержит — крафт POIFS, дубль хелперов DocToDocxFormattingTest): @@ -1698,6 +1735,56 @@ class WordPdfConverterTest { "объединённая ячейка шире половины полосы, right=" + rightEdge[0]); } + // --- крафт .doc с гиперссылкой (дубль DocToDocxFormattingTest) ------ + + /** + * Абзац «before [поле HYPERLINK → сайт] after». PAPX — прямой jc=left: + * форма GrpPrlAndIstd в этом дубле требует нечётный grpprl. + */ + private static byte[] hyperlinkDoc() throws IOException { + String text = "before " + (char) 0x13 + + " HYPERLINK \"https://pjandro.ru/docs?q=1&z=2\" " + (char) 0x14 + + "сайт" + (char) 0x15 + " after\r"; + byte[] wd = new byte[LISTS_TEXT_FC + text.length() * 2]; + put16(wd, 0, 0xA5EC); + put16(wd, 2, 0x00C1); + put16(wd, 10, 1 << 9); + put16(wd, 62, 4); + put32(wd, 64, wd.length); + put32(wd, 76, text.length()); + put16(wd, 152, 98); + pair(wd, 6, 0, 20); // PlcfSed + pair(wd, 13, 20, 12); // PlcfBtePapx + pair(wd, 33, 32, 21); // Clx + byte[] t = text.getBytes(StandardCharsets.UTF_16LE); + System.arraycopy(t, 0, wd, LISTS_TEXT_FC, t.length); + int page = 3 * 512; + put32(wd, page, LISTS_TEXT_FC); // rgfc: один абзац + put32(wd, page + 4, LISTS_TEXT_FC + 2 * text.length()); + wd[page + 8] = 87; // rgbx[0] → bx + wd[page + 511] = 1; // cpara + papxEntry(wd, page, 87, prl(0x2461, 0)); + byte[] tab = new byte[53]; + put32(tab, 0, 0); + put32(tab, 4, text.length()); + put32(tab, 20, LISTS_TEXT_FC); + put32(tab, 24, LISTS_TEXT_FC + 2 * text.length()); + put32(tab, 28, 3); + tab[32] = 0x02; // Clx Pcdt, один несжатый кусок + put32(tab, 33, 16); + put32(tab, 37, 0); + put32(tab, 41, text.length()); + put32(tab, 47, LISTS_TEXT_FC); + try (POIFSFileSystem fs = new POIFSFileSystem(); + ByteArrayOutputStream out = new ByteArrayOutputStream()) { + fs.getRoot().createDocument("WordDocument", new ByteArrayInputStream(wd)); + fs.getRoot().createDocument("1Table", new ByteArrayInputStream(tab)); + fs.getRoot().createDocument("Data", new ByteArrayInputStream(new byte[64])); + fs.writeFilesystem(out); + return out.toByteArray(); + } + } + // --- крафт .doc со списками (дубль DocToDocxFormattingTest) ---------- private static final int LISTS_TEXT_FC = 2048; diff --git a/wordpdf-core/src/test/java/ru/pjandro/wordpdf/internal/doc/DocToDocxFormattingTest.java b/wordpdf-core/src/test/java/ru/pjandro/wordpdf/internal/doc/DocToDocxFormattingTest.java index 42604f8..eced9e6 100644 --- a/wordpdf-core/src/test/java/ru/pjandro/wordpdf/internal/doc/DocToDocxFormattingTest.java +++ b/wordpdf-core/src/test/java/ru/pjandro/wordpdf/internal/doc/DocToDocxFormattingTest.java @@ -2,6 +2,7 @@ package ru.pjandro.wordpdf.internal.doc; import static org.junit.jupiter.api.Assertions.assertEquals; import static org.junit.jupiter.api.Assertions.assertFalse; +import static org.junit.jupiter.api.Assertions.assertNull; import static org.junit.jupiter.api.Assertions.assertThrows; import static org.junit.jupiter.api.Assertions.assertTrue; @@ -25,7 +26,9 @@ import ru.pjandro.wordpdf.ValidationException; * со стилевым jc, деградация строк без корректного TDefTable, таблица в * колонтитуке с выравниванием sprmTJc (→ w:jc в tblPr) и списки * (PlfLst/PlfLfo → w:numPr + numbering.xml, снятие прямым ilfo=0, - * ilvl=0x0C, деградация без списочных таблиц). + * ilvl=0x0C, деградация без списочных таблиц) и гиперссылки (поле HYPERLINK + * → w:hyperlink + внешняя rels-связь, деградации якоря \l и URL без схемы, + * баланс тегов при поле через границу абзацев). */ class DocToDocxFormattingTest { @@ -1461,6 +1464,189 @@ class DocToDocxFormattingTest { "w:jc должен идти после tblW и до tblGrid (CT_TblPrBase): " + footer); } + // --- гиперссылки (поле HYPERLINK в основном тексте) ----------------- + + /** URL для крафта поля HYPERLINK. */ + private static final String LINK_URL = "https://example.com/x?a=1&b=2"; + + /** ¶-маркер абзаца (.doc). */ + private static final char PARA = '\r'; + + /** + * Синтетический .doc с произвольным основным текстом: по PAPX-записи на + * абзац (пустой grpprl — плоские свойства), CHPX/STSH нет (дефолты); + * раскладка потоков — как {@link #listDoc}. + */ + private static byte[] hyperlinkDoc(String text) throws IOException { + byte[] wd = new byte[TEXT_FC + text.length() * 2]; + put16(wd, 0, 0xA5EC); + put16(wd, 2, 0x00C1); + put16(wd, 10, 1 << 9); // fWhichTblStm → 1Table + put16(wd, 62, 4); // cslw + put32(wd, 64, wd.length); // cbMac + put32(wd, 76, text.length()); // ccpText + put16(wd, 152, 98); // cbRgFcLcb + pair(wd, 6, 0, 20); // PlcfSed + pair(wd, 13, 20, 12); // PlcfBtePapx + pair(wd, 33, 32, 21); // Clx + byte[] t = text.getBytes(StandardCharsets.UTF_16LE); + System.arraycopy(t, 0, wd, TEXT_FC, t.length); + // PapxFkp pn=3: границы абзацев по ¶-маркерам, пустые GrpPrlAndIstd + int paras = 0; + for (int i = 0; i < text.length(); i++) { + if (text.charAt(i) == PARA) { + paras++; + } + } + if (!text.endsWith("\r")) { + paras++; + } + int[] starts = new int[paras + 1]; + int k = 1; + for (int i = 0; i < text.length() && k < paras; i++) { + if (text.charAt(i) == PARA) { + starts[k++] = i + 1; + } + } + starts[paras] = text.length(); + int page = 3 * 512; + for (int i = 0; i <= paras; i++) { + put32(wd, page + i * 4, TEXT_FC + 2 * starts[i]); + } + int rgbx = page + (paras + 1) * 4; + for (int i = 0; i < paras; i++) { + wd[rgbx + i * 13] = (byte) (87 + 8 * i); + papxEntry(wd, page, 87 + 8 * i, 0, new byte[0]); + } + wd[page + 511] = (byte) paras; + byte[] tab = new byte[53]; + put32(tab, 0, 0); // PlcfSed aCP[0] + put32(tab, 4, text.length()); // aCP[1] + put32(tab, 20, TEXT_FC); // PlcfBtePapx aFc + put32(tab, 24, TEXT_FC + 2 * text.length()); + put32(tab, 28, 3); // pn=3 + tab[32] = 0x02; // Clx Pcdt, один несжатый кусок + put32(tab, 33, 16); + put32(tab, 37, 0); + put32(tab, 41, text.length()); + put32(tab, 47, TEXT_FC); + try (POIFSFileSystem fs = new POIFSFileSystem(); + ByteArrayOutputStream out = new ByteArrayOutputStream()) { + fs.getRoot().createDocument("WordDocument", new ByteArrayInputStream(wd)); + fs.getRoot().createDocument("1Table", new ByteArrayInputStream(tab)); + fs.getRoot().createDocument("Data", new ByteArrayInputStream(new byte[64])); + fs.writeFilesystem(out); + return out.toByteArray(); + } + } + + private static int countOccurrences(String s, String sub) { + int n = 0; + for (int i = s.indexOf(sub); i >= 0; i = s.indexOf(sub, i + 1)) { + n++; + } + return n; + } + + /** Деградация: результат плоским текстом, ни тега, ни rels-записи. */ + private static void assertNoHyperlink(byte[] doc) throws IOException { + String xml = documentXml(doc); + assertFalse(xml.contains(""), xml); + assertTrue(xml.contains(">Сайт<"), "результат поля потерян: " + xml); + assertFalse(xml.contains("HYPERLINK"), "инструкция утёк в вывод: " + xml); + assertFalse(xml.contains("example.com"), "URL утёк в текст: " + xml); + assertFalse(xml.contains("Подсказка"), "switch утёк в вывод: " + xml); + String rels = partXml(doc, "word/_rels/document.xml.rels"); + assertTrue(rels.contains("Id=\"hl0\""), rels); + assertTrue(rels.contains("Type=\"http://schemas.openxmlformats.org/officeDocument" + + "/2006/relationships/hyperlink\""), rels); + assertTrue(rels.contains("Target=\"https://example.com/x?a=1&b=2\""), rels); + assertTrue(rels.contains("TargetMode=\"External\""), rels); + } + + /** URL без кавычек — валидная форма инструкции Word. */ + @Test + void hyperlink_unquotedUrl_accepted() throws IOException { + byte[] doc = hyperlinkDoc("x" + (char) 0x13 + "HYPERLINK https://example.com" + + (char) 0x14 + "Сайт" + (char) 0x15 + "\r"); + assertTrue(documentXml(doc).contains("")); + assertTrue(partXml(doc, "word/_rels/document.xml.rels") + .contains("Target=\"https://example.com\"")); + } + + /** Якорный переключатель \l: закладок мост не переносит — плоский текст. */ + @Test + void hyperlink_anchorSwitch_degradesToPlain() throws IOException { + assertNoHyperlink(hyperlinkDoc((char) 0x13 + " HYPERLINK \"https://example.com\"" + + " \\l \"закладка\" " + (char) 0x14 + "Сайт" + (char) 0x15 + "\r")); + } + + /** URL без схемы RFC 3986 (относительный путь) — плоский текст. */ + @Test + void hyperlink_noScheme_degradesToPlain() throws IOException { + assertNoHyperlink(hyperlinkDoc((char) 0x13 + "HYPERLINK readme.txt" + + (char) 0x14 + "Сайт" + (char) 0x15 + "\r")); + } + + /** + * Поле покрывает границу абзацев: тег переоткрывается/закрывается в + * каждом w:p (баланс по абзацам), rels-запись одна. + */ + @Test + void hyperlink_spansParagraphs_tagsBalancePerParagraph() throws IOException { + byte[] doc = hyperlinkDoc("pre " + (char) 0x13 + " HYPERLINK \"https://ex.com\" " + + (char) 0x14 + "one\r" + "two" + (char) 0x15 + " post\r"); + String xml = documentXml(doc); + assertEquals(2, countOccurrences(xml, ""), xml); + for (String para : xml.split("")) { + assertEquals(countOccurrences(para, ""), + "незакрытый тег ссылки в абзаце: " + para); + } + String rels = partXml(doc, "word/_rels/document.xml.rels"); + assertTrue(rels.contains("Id=\"hl0\""), rels); + assertEquals(1, countOccurrences(rels, "Id=\"hl0\""), "rels-запись должна быть одна"); + } + + /** Грамматика инструкции HYPERLINK (все ветви {@link DocToDocx.DocxBody#hyperlinkUrl}). */ + @Test + void hyperlinkUrl_wordFieldGrammar() { + assertEquals("https://example.com/x?a=1", + DocToDocx.DocxBody.hyperlinkUrl(" HYPERLINK \"https://example.com/x?a=1\" ")); + assertEquals("https://example.com", + DocToDocx.DocxBody.hyperlinkUrl("HYPERLINK https://example.com")); + assertEquals("http://a.b", DocToDocx.DocxBody.hyperlinkUrl("hyperlink \"http://a.b\"")); + assertEquals("mailto:a@b.c", + DocToDocx.DocxBody.hyperlinkUrl(" HYPERLINK \"mailto:a@b.c\" \\h")); + assertNull(DocToDocx.DocxBody.hyperlinkUrl(" HYPERLINK \"http://a\" \\l \"bk\" ")); + assertNull(DocToDocx.DocxBody.hyperlinkUrl(" HYPERLINK readme.txt")); + assertNull(DocToDocx.DocxBody.hyperlinkUrl(" HYPERLINK \"http://a")); + assertNull(DocToDocx.DocxBody.hyperlinkUrl(" HYPERLINK \"http://a" + (char) 7 + "\"")); + assertNull(DocToDocx.DocxBody.hyperlinkUrl("HYPERLINK \"\"")); + assertNull(DocToDocx.DocxBody.hyperlinkUrl("HYPERLINK")); + assertNull(DocToDocx.DocxBody.hyperlinkUrl("")); + assertNull(DocToDocx.DocxBody.hyperlinkUrl(" PAGE ")); + } + // --- мелочь ---------------------------------------------------------- private static byte[] prl(int sprm, int toggle) {