refactor(core): рефью PR-2 - жёсткий разбор абзаца, header/footer-штамп, сведение нумерации правил
PR checks / web (pull_request) Successful in 48s
PR checks / java (pull_request) Failing after 1m0s

- DistributeStampNormalizer: pPr ищется как первый ребёнок w:p (S17.3.1.23,
  O(1) вместо неограниченного indexOf по хвосту части); окно jc режется
  началом w:pPrChange - старое значение реvision больше не штампуется и не
  маскируется; вставка - после НАРУЖНОГО </w:pPr> (lastIndexOf от конца
  абзаца), идемпотентность позиционная (чужая закладка Word сразу после pPr
  больше не считается штампом);
- штампуется word/headerN.xml / word/footerN.xml (якорь работает и в
  колонтитулах; .rels отсекаются);
- юниты: реvision-only jc, вложенный pPr в реvision, чужая закладка,
  header/footer, pretty-print; LayoutPostRendererTest: якорь внутри
  fo:static-content;
- проба опровергла двойной разделитель suff=space (TP-поток «1.·ITEM») -
  зафиксировано в javadoc правила 6;
- нумерация правил сведена к docs (Distribute=9, OLE=10): код/тесты 12->9,
  README 8/9->9/10, doc-bridge 9->7, xslt-комментарий внутри AUDIT-FIX-2
  10->8 (гейт побайтной копии не затронут);
- GITEA-vars.md: MAVEN_MIRROR_URL = group maven-public (иначе CI не
  резолвит ru.pjandro-оверлей через mirrorOf=*); render-limitations:
  замер framePr - 180pt от КРАЯ страницы при hAnchor=page; счётчики
  58/906.

mvn clean verify зелёные (core 858 + app 48; артефакт форка докачан
через maven-public при пустом кэше).
This commit is contained in:
Pjandro
2026-11-08 23:50:25 +00:00
parent 838ec29a69
commit 4a6cf85f20
13 changed files with 148 additions and 36 deletions
@@ -23,20 +23,26 @@ import java.util.zip.ZipOutputStream;
* нельзя (дрейф-гейт {@code vendoredXsltTracksJarCopy}), а рендер-фильтр
* {@code LayoutPostRenderer} видит только FO и опознал бы distribute-абзац
* лишь по якорю. Штамп — этот якорь: {@code w:bookmarkStart
* w:name="pj-distribute-<часть>-<n>"} сразу после {@code </w:pPr>}; экспорт
* docx4j ({@code BookmarkStartWriter}) превращает её в {@code <fo:inline
* id="pj-distribute-…"/>} первым инлайн-ребёнком блока, и фильтр дописывает
* блоку пару justify-свойств. Имена закладок уникальны в пределах конвертации
* (docx4j дубликаты выбрасывает с warn), поэтому счётчик per-part с меткой
* части в имени.</p>
* w:name="pj-distribute-<часть>-<n>"} сразу после закрывающего {@code </w:pPr>}
* абзаца; экспорт docx4j ({@code BookmarkStartWriter}) превращает её в
* {@code <fo:inline id="pj-distribute-…"/>} первым инлайн-ребёнком блока, и
* фильтр дописывает блоку пару justify-свойств. Имена закладок уникальны в
* пределах конвертации (docx4j дубликаты выбрасывает с warn), поэтому
* счётчик per-part с меткой части в имени.</p>
*
* <p>Штампуются только content-части (document/footnotes/endnotes): в
* {@code numbering.xml} у {@code CT_Lvl} закладки быть не может (не входит в
* EG_PPrGeneralContent, WML XSD), а {@code w:jc} в {@code trPr}/{@code tblPr}
* (выравнивание таблицы/строки) не читается — разбор идёт только содержимым
* {@code w:pPr}. Диапазон абзаца плоский: {@code w:p} не вложен в {@code w:p}.
* Уже проштампованный абзац не дублируется (идемпотентность). Нечего менять →
* {@code null} (контракт rewrite-хуков).</p>
* <p>Штампуются контентные части ({@code document}, {@code footnotes},
* {@code endnotes}, {@code headerN}/{@code footerN} — закладка-якорь работает
* и в колонтитулах): в {@code numbering.xml} у {@code CT_Lvl} закладки быть
* не может (не входит в EG_PPrGeneralContent, WML XSD), а {@code w:jc} в
* {@code trPr}/{@code tblPr} (выравнивание таблицы/строки) не читается —
* разбор идёт только содержимым {@code w:pPr} (первый ребёнок {@code w:p},
* Part 1 §17.3.1.23). Старое значение {@code w:jc} внутри {@code w:pPrChange}
* (реvision) — не текущее выравнивание: окно поиска огранивается началом
* реvision, а штамп вставляется после наружного {@code </w:pPr>}. Диапазон
* абзаца плоский: {@code w:p} не вложен в {@code w:p}. Уже проштампованный
* абзац не дублируется (идемпотентность проверяется позиционно — штамп
* всегда стоит сразу после закрытия pPr). Нечего менять → {@code null}
* (контракт rewrite-хуков).</p>
*
* <p>Регрессии — DistributeStampNormalizerTest (юнит),
* WordPdfConverterTest#distribute_allLinesReachRightMargin (конвейер),
@@ -61,6 +67,15 @@ final class DistributeStampNormalizer {
/** Закрывающий слэш открывающего тега: {@code <w:p/>} — абзац без содержимого. */
private static final char SELF_CLOSE_SLASH = '/';
/** Закрытие w:pPr; наружное ищем от конца абзаца (внутри — w:pPrChange). */
private static final String PPR_CLOSE = "</w:pPr>";
/** Начало реvision абзаца — старое значение jc внутри неё не текущее. */
private static final Pattern PPR_CHANGE = Pattern.compile("<w:pPrChange\\b");
/** Штампы всегда стоят сразу после наружного {@code </w:pPr>} — проверка позиционная. */
private static final String BOOKMARK_OPEN = "<w:bookmarkStart";
private DistributeStampNormalizer() {
}
@@ -98,31 +113,52 @@ final class DistributeStampNormalizer {
if (end < 0) {
break;
}
int pprOpen = xml.indexOf("<w:pPr", body);
if (pprOpen < 0 || pprOpen >= end) {
// pPr — первый ребёнок w:p (Part 1 §17.3.1.23): проверка на месте,
// без поиска по хвосту части (O(1) на абзац без pPr).
int pos = gt + 1;
while (pos < end && xml.charAt(pos) <= ' ') {
pos++;
}
if (!xml.startsWith("<w:pPr", pos)) {
continue;
}
int pprClose = xml.indexOf("</w:pPr>", pprOpen);
if (pprClose < 0 || pprClose >= end) {
// Наружное закрытие — последнее до конца абзаца: внутри pPr может
// стоять w:pPrChange (реvision), чей контент содержит </w:pPr>.
int pprClose = xml.lastIndexOf(PPR_CLOSE, end - 1);
if (pprClose <= pos) {
continue;
}
CharSequence ppr = xml.subSequence(pprOpen, pprClose);
if (!JC_DISTRIBUTE.matcher(ppr).find()) {
CharSequence ppr = xml.subSequence(pos, pprClose);
// Старое значение jc из реvision — не текущее выравнивание:
// окно jc-поиска ограниваем началом w:pPrChange.
Matcher rev = PPR_CHANGE.matcher(ppr);
int jcWindow = rev.find() ? rev.start() : ppr.length();
if (!JC_DISTRIBUTE.matcher(ppr.subSequence(0, jcWindow)).find()) {
continue;
}
int stamped = xml.indexOf(STAMP_MARK, gt);
if (stamped >= 0 && stamped < end) {
continue; // уже проштампован
// Идемпотентность: наш штамп стоит сразу после наружного закрытия,
// проверяем позицию, а не сканируем абзац в поисках метки.
int after = pprClose + PPR_CLOSE.length();
int probe = after;
while (probe < end && xml.charAt(probe) <= ' ') {
probe++;
}
if (xml.startsWith(BOOKMARK_OPEN, probe)) {
int tagEnd = xml.indexOf('>', probe);
int stampAt = tagEnd > 0 ? xml.indexOf(STAMP_MARK, probe) : -1;
if (stampAt >= probe && stampAt < tagEnd) {
continue; // уже проштампован
}
}
seq++;
if (sb == null) {
sb = new StringBuilder(xml.length() + 64);
}
sb.append(xml, mark, pprClose + "</w:pPr>".length());
sb.append(xml, mark, after);
sb.append("<w:bookmarkStart w:id=\"").append(nextId++).append("\" w:name=\"")
.append(STAMP_MARK).append(tag).append('-').append(seq).append("\"/>")
.append("<w:bookmarkEnd w:id=\"").append(nextId - 1).append("\"/>");
mark = pprClose + "</w:pPr>".length();
mark = after;
}
return sb == null ? null : sb.append(xml, mark, xml.length()).toString();
}
@@ -140,8 +176,15 @@ final class DistributeStampNormalizer {
case "word/endnotes.xml":
return "endnotes";
default:
return null;
break;
}
// word/header1.xml, word/footer2.xml, … — метка = имя файла без расширения;
// точка в основании отсекает .rels и вложенные пути.
if (part.startsWith("word/header") || part.startsWith("word/footer")) {
String base = part.substring("word/".length(), part.length() - ".xml".length());
return base.indexOf('.') < 0 ? base : null;
}
return null;
}
private static int maxBookmarkId(String xml) {
@@ -29,7 +29,7 @@ import java.util.regex.Pattern;
* cellMar). Регрессия — WordPdfConverterTest#tableCellPadding_textInsetLikeWord.</li>
* <li><b>distribute → justify-пара.</b> docx4j для {@code w:jc="distribute"}
* не эмитит в FO ничего; по якорю-закладке {@code pj-distribute-…}
* (DistributeStampNormalizer, правило 12) блоку дописывается
* (DistributeStampNormalizer, правило 9) блоку дописывается
* {@code text-align="justify" text-align-last="justify"} — Word растягивает
* пробелы всех строк, включая последнюю (Part 1 §17.18.44). Регрессия —
* LayoutPostRendererTest (фильтр),
@@ -28,6 +28,11 @@ import java.util.zip.ZipOutputStream;
* wml.xsd: suff → lvlText; между ними нет {@code </w:lvl>}); уже
* заканчивающийся пробелом lvlText не дублируется. suff=tab/absent/nothing —
* не трогаем. Нечего менять → тот же массив.
*
* <p>Двойного пробела правило с форком не даёт: TP-поток PDF на suff=space —
* «1.·ITEM» (один разделитель): word-layout путь форка
* ({@code labelSuffixSpace}) разделитель не дописывает — эмитится только наш
* lvlText-пробел.</p>
*/
final class NumberingSuffixNormalizer {
@@ -1191,7 +1191,7 @@
bidi-направление — принятая деградация (complex-script в FOP-форке нет).
Руби (w:rubyBase/w:rt, §17.3.3.19/.20/.21) тут не чинится: схема docx4j
не биндит эти элементы, unmarshaller выбрасывает их до XSLT — разбор
делает RubyNormalizer (правило 10) в байтах.
делает RubyNormalizer (правило 8) в байтах.
Регрессии — WordPdfConverterTest#movedRevision_textPrinted, #bdoDir_textPrinted. -->
<xsl:template match="w:moveFrom">
<xsl:apply-templates select="*|text()"/>
@@ -444,7 +444,7 @@ public final class SampleDocxGenerator {
/**
* w:jc="distribute" (+ контроль {@code both} и левый): Word растягивает
* пробелы всех строк, включая последнюю (Part 1 §17.18.44); docx4j для
* DISTRIBUTE не эмитит ничего, без правила 12 абзац печатается влево.
* DISTRIBUTE не эмитит ничего, без правила 9 абзац печатается влево.
* Регрессия — WordPdfConverterTest#distribute_allLinesReachRightMargin.
*/
private static void distribute(Path out) throws Exception {
@@ -2935,7 +2935,7 @@ class WordPdfConverterTest {
/**
* w:jc="distribute" (Part 1 §17.18.44): Word растягивает пробелы всех строк,
* включая последнюю. docx4j для DISTRIBUTE не эмитит в FO ничего — без
* правила 12 (DistributeStampNormalizer) и justify-пары (LayoutPostRenderer)
* правила 9 (DistributeStampNormalizer) и justify-пары (LayoutPostRenderer)
* абзац печатается по левому краю. Фикстура — samples/distribute.docx:
* один и тот же текст абзацами distribute / left / both; правое поле
* A4 72pt → 523.28pt; хвостовая строка трёхсловная («quebec romeo sierra») —
@@ -17,7 +17,7 @@ import static org.junit.jupiter.api.Assertions.assertTrue;
/**
* Юниты {@link DistributeStampNormalizer}: штамп {@code w:jc="distribute"}
* закладкой-якорем после {@code </w:pPr>} (Part 1 §17.18.44, правило 12).
* закладкой-якорем после {@code </w:pPr>} (Part 1 §17.18.44, правило 9).
*/
class DistributeStampNormalizerTest {
@@ -118,6 +118,58 @@ class DistributeStampNormalizerTest {
assertTrue(fixed.contains("pj-distribute-document-1"), fixed);
}
/** distribute только в w:pPrChange (старое значение) — не текущий jc, не штампуем. */
@Test
void revisionJcOnly_returnsNull() {
String xml = document("<w:p><w:pPr><w:jc w:val=\"both\"/>"
+ "<w:pPrChange w:id=\"3\" w:author=\"a\">" + JC_DISTRIBUTE + "</w:pPrChange></w:pPr>"
+ "<w:r><w:t>правка</w:t></w:r></w:p>");
assertNull(DistributeStampNormalizer.rewrite("word/document.xml", xml));
}
/** Реvision с собственным w:pPr внутри: штамп — после наружного </w:pPr>. */
@Test
void revisionNestedPPr_stampAfterOuterClose() {
String xml = document("<w:p><w:pPr>" + JC_DISTRIBUTE
+ "<w:pPrChange w:id=\"3\" w:author=\"a\"><w:pPr><w:jc w:val=\"both\"/></w:pPr>"
+ "</w:pPrChange></w:pPr><w:r><w:t>правки</w:t></w:r></w:p>");
String fixed = DistributeStampNormalizer.rewrite("word/document.xml", xml);
int stamp = fixed.indexOf("pj-distribute-document-1");
assertTrue(stamp > fixed.indexOf("</w:pPrChange>"), fixed);
assertTrue(stamp < fixed.indexOf("<w:r>"), fixed);
}
/** Колонтитулы — контентные части: штамп с меткой файла. */
@Test
void headerAndFooter_partStamped() {
String xml = document(para(JC_DISTRIBUTE, "шапка"));
String header = DistributeStampNormalizer.rewrite("word/header1.xml", xml);
assertTrue(header.contains("w:name=\"pj-distribute-header1-1\""), header);
String footer = DistributeStampNormalizer.rewrite("word/footer2.xml", xml);
assertTrue(footer.contains("w:name=\"pj-distribute-footer2-1\""), footer);
assertNull(DistributeStampNormalizer.rewrite("word/header1.xml.rels", xml));
}
/** Отступы между тегами (pretty-printed часть) — pPr остаётся первым ребёнком. */
@Test
void whitespaceBeforePPr_stillStamped() {
String xml = document("<w:p>\n <w:pPr>" + JC_DISTRIBUTE + "</w:pPr>\n"
+ "<w:r><w:t>отступ</w:t></w:r></w:p>");
String fixed = DistributeStampNormalizer.rewrite("word/document.xml", xml);
assertTrue(fixed.contains("</w:pPr><w:bookmarkStart w:id=\"1\""
+ " w:name=\"pj-distribute-document-1\"/>"), fixed);
}
/** Чужая Word-закладка сразу после </w:pPr> — не штамп, штампуем свой. */
@Test
void foreignBookmarkAfterPPr_stillStamped() {
String xml = document("<w:p><w:pPr>" + JC_DISTRIBUTE + "</w:pPr>"
+ "<w:bookmarkStart w:id=\"7\" w:name=\"_Toc9\"/><w:bookmarkEnd w:id=\"7\"/>"
+ "<w:r><w:t>оглав</w:t></w:r></w:p>");
String fixed = DistributeStampNormalizer.rewrite("word/document.xml", xml);
assertTrue(fixed.contains("w:name=\"pj-distribute-document-1\""), fixed);
}
/** Контракт zip-пути: нечего менять → тот же массив; есть штамп → новые байты со штампом. */
@Test
void normalize_identityWhenNothing_stampWhenDistribute() throws IOException {
@@ -139,6 +139,18 @@ class LayoutPostRendererTest {
+ " text-align=\"justify\" text-align-last=\"justify\">"), fixed);
}
/** Якорь в колонтитуле (fo:static-content) — justify-пара так же дописывается. */
@Test
void distributeStamp_inStaticContent_justifyPairAdded() {
String fo = "<fo:static-content flow-name=\"xsl-region-before\">"
+ "<fo:block font-family=\"Carlito Regular\">"
+ "<fo:inline id=\"pj-distribute-header1-1\"/>шапка строки</fo:block>"
+ "</fo:static-content>";
String fixed = LayoutPostRenderer.fix(fo);
assertTrue(fixed.contains("<fo:block font-family=\"Carlito Regular\""
+ " text-align=\"justify\" text-align-last=\"justify\">"), fixed);
}
/** Реальная форма сериализации docx4j: DOM-поддерево без префикса fo. */
@Test
void distributeStamp_unprefixedInline_stillStamped() {