From 93ec325aa669727d5d05da1c529adb0a5cd8e71c Mon Sep 17 00:00:00 2001 From: Pjandro Date: Thu, 22 Oct 2026 21:08:18 +0000 Subject: [PATCH] =?UTF-8?q?OLE-=D0=BE=D0=B1=D1=8A=D0=B5=D0=BA=D1=82=D1=8B:?= =?UTF-8?q?=20=D0=BF=D0=B5=D1=80=D0=B5=D0=BA=D0=BB=D1=8E=D1=87=D0=B0=D1=82?= =?UTF-8?q?=D0=B5=D0=BB=D1=8C=20errorOnOle=20+=20=D1=82=D0=B8=D1=85=D0=BE?= =?UTF-8?q?=D0=B5=20=D1=83=D0=B4=D0=B0=D0=BB=D0=B5=D0=BD=D0=B8=D0=B5=20?= =?UTF-8?q?=D0=B8=D0=B7=20docx?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit docx4j падает на внедрённых OLE-объектах двумя путями: JAXB-парсинг бинарника под ложным XML-типом в [Content_Types] («Content is not allowed in prolog» → NPE) и NPE chunkType is null в VML-сериализации w:object. Новый OleObjectNormalizer (шестой в цепочке, после GlyphCoverageNormalizer) удаляет OLE-bin-части, rels-ссылки, элементы w:object и Override удалённых частей; при errorOnOle=true вместо удаления — DrawingFoundException(OLE) → 422 «Конвертация отменена: в документе найдены OLE-объекты». - ядро: Kind.OLE, ConvertOptions.errorOnOle, WordPdfSettings.ERROR_ON_OLE, фикстура samples/ole-embedded.docx (ручная, оба механизма) - app: параметр errorOnOle, 422-контракт, тесты errorFlagOle_rejected / oleObjects_removedByDefault - SPA: третий переключатель «OLE-объекты» - прод-автотесты: +2 проверки (21) - регрессии: OleObjectNormalizerTest ↔ oleObjects_removedAndConverted / drawingErrors_errorFlagRejectsOle; E2E: notConverted.docx 500 → 200 --- AGENTS.md | 28 +- prod-autotests/test_prod_api.py | 26 ++ .../wordpdf/app/ApiExceptionHandler.java | 2 +- .../wordpdf/app/ConvertController.java | 8 +- .../wordpdf/app/DrawingRejectedException.java | 10 +- .../wordpdf/app/ConvertControllerTest.java | 32 ++ .../ru/pjandro/wordpdf/ConvertOptions.java | 6 +- .../wordpdf/DrawingFoundException.java | 21 +- .../ru/pjandro/wordpdf/WordPdfConverter.java | 6 + .../ru/pjandro/wordpdf/WordPdfSettings.java | 7 + .../wordpdf/internal/OleObjectNormalizer.java | 321 ++++++++++++++++++ .../pjandro/wordpdf/WordPdfConverterTest.java | 45 ++- .../pjandro/wordpdf/WordPdfValidatorTest.java | 2 +- .../internal/OleObjectNormalizerTest.java | 223 ++++++++++++ .../test/resources/samples/ole-embedded.docx | Bin 0 -> 2095 bytes wordpdf-web/src/api.ts | 4 +- wordpdf-web/src/components/App.tsx | 16 +- 17 files changed, 718 insertions(+), 39 deletions(-) create mode 100644 wordpdf-core/src/main/java/ru/pjandro/wordpdf/internal/OleObjectNormalizer.java create mode 100644 wordpdf-core/src/test/java/ru/pjandro/wordpdf/internal/OleObjectNormalizerTest.java create mode 100644 wordpdf-core/src/test/resources/samples/ole-embedded.docx diff --git a/AGENTS.md b/AGENTS.md index 4bcf9a7..b77cbbb 100644 --- a/AGENTS.md +++ b/AGENTS.md @@ -11,7 +11,7 @@ Наружу `WordPdfValidator.validate(docxBytes, options)` (размер → zip-подпись `PK\x03\x04` → контейнер (.docx-манифест + zip-бомба) → страницы) вызывается **до** приватного `convertToStream`; внутри `convertToStream`: 1. `new BundledFontMapper()` → `BundledFonts.init()` → `BundledFonts.restrictToBundled()`. Конструктор маппера каждый раз добавляет системные шрифты в реестр `PhysicalFonts`; ключ реестра — имя из name-таблицы TTF, `addPhysicalFont(URI)` не перезаписывает занятый → `init()` вызывает `dropNonBundled()` **до** регистрации и `load()` (иначе системный Calibri ломает em-dash-fallback). -2. Нормализация байтов docx до JAXB-загрузки (цепочка `byte[] → byte[]`, порядок значим): `StrictOoxmlNormalizer` (strict-OOXML → transitional-байт: `a:`-проценты и `w14:fillToRect` → тысячные ×1000, текст `wp14:pctWidth`/`pctHeight`, элементы и атрибуты `w:start`/`w:end` → `w:left`/`w:right` (кроме `w:lvl/w:start` в numbering.xml), значения `start`/`end` у `w:jc`/`w:tab`; в `mc-preprocessor.xslt` docx4j ветка `%` закомментирована, start/end не маппятся; namespaces и `pt`-значения правит сам mc-preprocessor — собственный рерайт URI ломает его pt-конверсию) → `DocxOnOffNormalizer` (`w:val="off"/"on"` → `false`/`true`) → `SymbolFontNormalizer` (PUA U+F0xx Symbol/Wingdings/Webdings → Unicode + DejaVu Sans, переписывает и элементы ``; 5 карт по 256 слотов, таблица `SymbolMapper` сгенерирована из docx4j 17.x) → `FieldNormalizer` (`fldChar` PAGE/NUMPAGES/SECTIONPAGES → `w:fldSimple`, вложенные/битые поля пропускает) → `GlyphCoverageNormalizer` (режет ран по покрытию глифов, пишет семейство в `w:rFonts`, иначе FOP рисует «#»; покрытие — `GlyphFont` (fontbox, cmap) + BitSet-кэш, НЕ docx4j `GlyphCheck` — тот плодит INFO-лог, `java.awt.Font` требовал fontconfig на хосте; для serif-ран fallback ищется сначала в `SERIF_FAMILIES` (DejaVu Serif/Tinos/Caladea), затем в sans) → `WordprocessingMLPackage.load`. +2. Нормализация байтов docx до JAXB-загрузки (цепочка `byte[] → byte[]`, порядок значим): `StrictOoxmlNormalizer` (strict-OOXML → transitional-байт: `a:`-проценты и `w14:fillToRect` → тысячные ×1000, текст `wp14:pctWidth`/`pctHeight`, элементы и атрибуты `w:start`/`w:end` → `w:left`/`w:right` (кроме `w:lvl/w:start` в numbering.xml), значения `start`/`end` у `w:jc`/`w:tab`; в `mc-preprocessor.xslt` docx4j ветка `%` закомментирована, start/end не маппятся; namespaces и `pt`-значения правит сам mc-preprocessor — собственный рерайт URI ломает его pt-конверсию) → `DocxOnOffNormalizer` (`w:val="off"/"on"` → `false`/`true`) → `SymbolFontNormalizer` (PUA U+F0xx Symbol/Wingdings/Webdings → Unicode + DejaVu Sans, переписывает и элементы ``; 5 карт по 256 слотов, таблица `SymbolMapper` сгенерирована из docx4j 17.x) → `FieldNormalizer` (`fldChar` PAGE/NUMPAGES/SECTIONPAGES → `w:fldSimple`, вложенные/битые поля пропускает) → `GlyphCoverageNormalizer` (режет ран по покрытию глифов, пишет семейство в `w:rFonts`, иначе FOP рисует «#»; покрытие — `GlyphFont` (fontbox, cmap) + BitSet-кэш, НЕ docx4j `GlyphCheck` — тот плодит INFO-лог, `java.awt.Font` требовал fontconfig на хосте; для serif-ран fallback ищется сначала в `SERIF_FAMILIES` (DejaVu Serif/Tinos/Caladea), затем в sans) → `OleObjectNormalizer` (шестой, принимает флаг `errorOnOle`: OLE-bin-части — детекция по `[Content_Types].xml`: тип `…oleObject` ИЛИ ложный `+xml`-тип у `.bin` (XML в bin не бывает; printerSettings не трогается) — удаляются вместе с rels-ссылками (TargetMode=External не трогается), элементами `` из `word/*.xml` и Override удалённых частей; при `errorOnOle=true` вместо удаления — `DrawingFoundException(OLE)`. Лечит оба механизма падения docx4j: JAXB-парсинг бинарника под ложным XML-типом («Content is not allowed in prolog» → NPE) и NPE `chunkType is null` в VML-сериализации `w:object` при честном типе; многочастный — публичный член только `normalize(byte[], boolean)`, `rewrite`-хука нет) → `WordprocessingMLPackage.load`. 3. `WordPdfValidator.checkPageCount(docxBytes, maxPages)` — **до** рендера, lightweight (zip/StAX) по нормализованным байтам — тот же путь, что у приложения до очереди. 4. `pkg.setFontMapper(mapper)` → `DrawingPreRenderer.run(pkg, options)` (шаг 3.5: `c:chart`/`dgm:relIds` docx2fo.xslt не умеет — свой Java2D-движок `internal/chart/*` рендерит в PNG 300 dpi и подменяет на `pic:pic`; объекты конвертируются всегда, отказ только по error-флагу `ConvertOptions` — `DrawingFoundException`; упавший рендер — объект **удаляется** из docx (`gd.getAny().clear()`) + warn, деградация не падение). 5. `new FOSettings(pkg)` + `FopFallbackFonts.declare` (декларирует **все** бандл-семейства — FOP встраивает только задекларированные) → `FORendererApacheFOP`/`FOUserAgent` (непустой `title` → заголовок PDF) → `Docx4J.toFO(..., FLAG_EXPORT_PREFER_XSL)`. @@ -19,12 +19,12 @@ ### REST API (`wordpdf-app`, всё package-private кроме `WordPdfApplication`) -- Единственный эндпоинт `POST /api/v1/convert` (multipart-поле `file`, факультативные query/form-параметры `errorOnCharts`/`errorOnSmartArt`; диаграммы/SmartArt конвертируются всегда) → `application/pdf`, `Content-Disposition: attachment; filename*=UTF-8''…`. Проверка `.docx`-расширения — в `ConvertController`; `safeBaseName` в `ConversionService` — единый источник имени для файла, заголовка ответа и PDF-title (разрешены `[\p{L}\p{N} ._-]`, пустое → `document`). +- Единственный эндпоинт `POST /api/v1/convert` (multipart-поле `file`, факультативные query/form-параметры `errorOnCharts`/`errorOnSmartArt`/`errorOnOle` — дефолт каждого `WordPdfSettings.ERROR_*`; диаграммы/SmartArt конвертируются всегда, OLE-объекты при выключенном флаге тихо удаляются) → `application/pdf`, `Content-Disposition: attachment; filename*=UTF-8''…`. Проверка `.docx`-расширения — в `ConvertController`; `safeBaseName` в `ConversionService` — единый источник имени для файла, заголовка ответа и PDF-title (разрешены `[\p{L}\p{N} ._-]`, пустое → `document`). - Конвертации **сериализованы** однопоточным `ThreadPoolExecutor` (`ConversionService.QUEUE_CAPACITY = 16`, переполнение → 503): ядро мутирует глобальный реестр `PhysicalFonts`. `future.cancel(true)` при таймауте не останавливает FOP мгновенно — осознанный компромисс. -- Ошибки (`ApiExceptionHandler`, тело `{"error": …}`): `ValidationException` → 400; `DrawingRejectedException` (core-`DrawingFoundException` от error-флагов, конвертируется в `ConversionService.doConvert`) → **422** (текст — контракт с фронтом, показывается дословно); `ConversionFailedException` → 500; `ConversionRejectedException` → 503; `ConversionTimeoutException` (`wordpdf.convert-timeout`, 2m) → 504; `MaxUploadSizeExceededException` → 413; `MissingServletRequestPartException`/`MissingServletRequestParameterException` → 400; `NoResourceFoundException` (неизвестный путь) → 404; catch-all → 500 (подробности только в лог). `ValidationException` — тип ядра `ru.pjandro.wordpdf.ValidationException extends ConversionException` (публичный), валидатор бросает его сам, app-дубликата нет; четыре app-исключения (`ConversionFailed/Rejected/Timeout/DrawingRejected`) — package-private, несут семантику 500/503/504/422. Граница: сломанный контейнер (не zip / голый zip без манифеста wordprocessingml / zip-бомба / размер / страницы) → 400, валидный .docx-контейнер с мусором внутри → 500. Валидация до очереди: `WordPdfValidator.validate(docxBytes, options)` (внутри порядок значим: `checkInput` → zip-магик `PK\x03\x04` → `checkDocxContainer` — потоковый проход: декларация `wordprocessingml.document` в `[Content_Types].xml` + лимиты zip-бомбы `WordPdfSettings.MAX_DECOMPRESSED_MB`/`MAX_ZIP_ENTRIES`, не переопределяются `ConvertOptions` — → `checkPageCount`); тот же метод — вход ядра. +- Ошибки (`ApiExceptionHandler`, тело `{"error": …}`): `ValidationException` → 400; `DrawingRejectedException` (core-`DrawingFoundException` от error-флагов — `Kind {CHARTS, SMARTART, OLE}`, конвертируется в `ConversionService.doConvert`) → **422** (текст — контракт с фронтом, показывается дословно: «Конвертация отменена: в документе найдены диаграммы/найден SmartArt/найдены OLE-объекты»); `ConversionFailedException` → 500; `ConversionRejectedException` → 503; `ConversionTimeoutException` (`wordpdf.convert-timeout`, 2m) → 504; `MaxUploadSizeExceededException` → 413; `MissingServletRequestPartException`/`MissingServletRequestParameterException` → 400; `NoResourceFoundException` (неизвестный путь) → 404; catch-all → 500 (подробности только в лог). `ValidationException` — тип ядра `ru.pjandro.wordpdf.ValidationException extends ConversionException` (публичный), валидатор бросает его сам, app-дубликата нет; четыре app-исключения (`ConversionFailed/Rejected/Timeout/DrawingRejected`) — package-private, несут семантику 500/503/504/422. Граница: сломанный контейнер (не zip / голый zip без манифеста wordprocessingml / zip-бомба / размер / страницы) → 400, валидный .docx-контейнер с мусором внутри → 500. Валидация до очереди: `WordPdfValidator.validate(docxBytes, options)` (внутри порядок значим: `checkInput` → zip-магик `PK\x03\x04` → `checkDocxContainer` — потоковый проход: декларация `wordprocessingml.document` в `[Content_Types].xml` + лимиты zip-бомбы `WordPdfSettings.MAX_DECOMPRESSED_MB`/`MAX_ZIP_ENTRIES`, не переопределяются `ConvertOptions` — → `checkPageCount`); тот же метод — вход ядра. - **Ключ доступа**: `ApiKeyFilter` сверяет заголовок `X-API-Key` (`ApiKeyFilter.HEADER`) со свойством `wordpdf.api-key` (env `WORDPDF_API_KEY`, сравнение `MessageDigest.isEqual`). Пустое свойство = аутентификация выключена (dev `java -jar`, тесты). Без ключа открыты `/actuator/**` (HEALTHCHECK), `/swagger-ui*`, `/v3/api-docs*` — матч по пути **без forwarded-contextPath** (`getRequestURI()` минус `getContextPath()`; иначе под `X-Forwarded-Prefix` HEALTHCHECK получил бы 401). 401 пишет сам фильтр (`ApiExceptionHandler` ошибок фильтров не видит). Springdoc в repo `compose.yml` **выключён** (`SPRINGDOC_API_DOCS_ENABLED`/`SPRINGDOC_SWAGGER_UI_ENABLED=false`); на живом проде (compose вне репо) включён и документация открыта без ключа под `https://pjandro.ru/pdf-converter/swagger-ui.html` — это безусловно проверяют prod-автотесты; server-URL спека собирается из `X-Forwarded-*` (`server.forward-headers-strategy=framework` — `native`-клапан Tomcat `X-Forwarded-Prefix` не понимает). Регрессии — `ApiKeyFilterTest#forwardedPrefix_healthStaysOpen`, `ApiKeyFilterTest#docsOpenWithoutKey`. - Лимиты входа задаёт **только конфигурация сервера**: `wordpdf.max-mb`/`wordpdf.max-pages` (env `WORDPDF_MAX_MB`/`WORDPDF_MAX_PAGES`), `@Value` в `ConvertController` с дефолтом-SpEL из `WordPdfSettings` (5 МБ / 100); значение ≤ 0 → `IllegalStateException` на старте; параметрами запроса не переопределяются. Ключи в `application.properties` **не объявлены** — пустое значение затенит SpEL-дефолт. -- SPA: вся сеть в `src/api.ts` (компоненты `fetch` не вызывают); ключ в `localStorage` (`wordpdf.api.key`), при 401 очищается, экран `ApiKeyGate` (`UnauthorizedError` — наследник `ApiError`, проверяется раньше); гейт показывается только когда `probeApiKey()` (GET /api/v1/convert → 401 от `ApiKeyFilter`) подтвердил требование ключа — в dev без ключа форма открывается сразу; запросы на `${import.meta.env.BASE_URL}api/...` (vite `base` из `VITE_BASE`, дефолт `/`) — CORS не нужен (dev: vite-proxy → :8080; prod: nginx с префиксом `/pdf-converter/`). +- SPA: вся сеть в `src/api.ts` (компоненты `fetch` не вызывают); ключ в `localStorage` (`wordpdf.api.key`), при 401 очищается, экран `ApiKeyGate` (`UnauthorizedError` — наследник `ApiError`, проверяется раньше); гейт показывается только когда `probeApiKey()` (GET /api/v1/convert → 401 от `ApiKeyFilter`) подтвердил требование ключа — в dev без ключа форма открывается сразу; запросы на `${import.meta.env.BASE_URL}api/...` (vite `base` из `VITE_BASE`, дефолт `/`) — CORS не нужен (dev: vite-proxy → :8080; prod: nginx с префиксом `/pdf-converter/`). Три переключателя error-флагов в форме (`App.tsx`): «Диаграммы», «SmartArt», «OLE-объекты» (дефолт — все выключены), уходят в `convertDocx` как `errorOnCharts`/`errorOnSmartArt`/`errorOnOle`. ### Chart-движок (`internal/chart`, package-private кроме `DrawingPreRenderer.run`) @@ -47,19 +47,19 @@ Java2D → PNG 300 dpi (`ChartRenderer.DPI = 300`, `PADDING = 4.0`, растр |Путь|Назначение| |---|---| -|`wordpdf-core/src/main/java/ru/pjandro/wordpdf/`|публичный API: `WordPdfConverter`, `WordPdfValidator` (перегрузки `checkInput`/`checkPageCount` и `validate(byte[], ConvertOptions)` — полная цепочка; без зависимости от docx4j), `ConversionException`, `ValidationException` (наследник — «вход некорректен»), `DrawingFoundException` (`enum Kind {CHARTS, SMARTART}` — отказ по error-флагу), `WordPdfSettings` (константы-дефолты: `MAX_INPUT_MB=5`, `MAX_PAGES=100`, защитные `MAX_DECOMPRESSED_MB=200`/`MAX_ZIP_ENTRIES=8192`, `ERROR_*=false`), `ConvertOptions` (record: errorOnCharts, errorOnSmartArt, maxMb, maxPages)| +|`wordpdf-core/src/main/java/ru/pjandro/wordpdf/`|публичный API: `WordPdfConverter`, `WordPdfValidator` (перегрузки `checkInput`/`checkPageCount` и `validate(byte[], ConvertOptions)` — полная цепочка; без зависимости от docx4j), `ConversionException`, `ValidationException` (наследник — «вход некорректен»), `DrawingFoundException` (`enum Kind {CHARTS, SMARTART, OLE}` — отказ по error-флагу), `WordPdfSettings` (константы-дефолты: `MAX_INPUT_MB=5`, `MAX_PAGES=100`, защитные `MAX_DECOMPRESSED_MB=200`/`MAX_ZIP_ENTRIES=8192`, `ERROR_*=false`), `ConvertOptions` (record: errorOnCharts, errorOnSmartArt, errorOnOle, maxMb, maxPages)| |`…/wordpdf/fonts/`|`BundledFonts` (реестр/выгрузка TTF, `families()`, `FALLBACK_FAMILY`), `BundledFontMapper` (алиасы MS→open-source, self-map, DISPLAY_NAMES, public-хук `bundledFamily`), `GlyphFont` (глиф-движок fontbox: метрики/глифы без java.awt.Font)| -|`…/wordpdf/internal/`|5 байтовых нормализатора + `FopFallbackFonts` (классы `public` — вызываются из родительского пакета; публичные члены только `normalize`/`declare`)| +|`…/wordpdf/internal/`|6 байтовых нормализатора + `FopFallbackFonts` (классы `public` — вызываются из родительского пакета; публичные члены только `normalize`/`declare`; `OleObjectNormalizer` — многочастный, публичный `normalize(byte[], boolean)`, бросает `DrawingFoundException(OLE)`)| |`…/wordpdf/internal/chart/`|11 классов Java2D-рендера диаграмм/SmartArt в PNG (public только `DrawingPreRenderer`)| |`wordpdf-core/src/main/resources/fonts/`|30 TTF + 3 лицензии — бинарные фикстуры, часть jar| -|`wordpdf-core/src/test/resources/samples/`|11 закоммиченных `.docx`-фикстур (единственные фикстуры)| +|`wordpdf-core/src/test/resources/samples/`|12 закоммиченных `.docx`-фикстур (единственные фикстуры)| |`wordpdf-app/src/main/java/ru/pjandro/wordpdf/app/`|REST API (10 классов): `WordPdfApplication` (единственный public), `ConvertController`, `ConversionService` (очередь), `ApiExceptionHandler`, `ApiKeyFilter`, `OpenApiConfig` (`@SecurityScheme` X-API-Key для springdoc) + 5 класса исключений| |`wordpdf-web/src/`|SPA (React 19 + TS + Vite + Tailwind): `api.ts` (вся сеть), `components/` (App, ApiKeyGate, PdfPreview, StatusMessage, DropZone, Logo)| |корневые `Containerfile`, `compose.yml`, `compose.dev.yml`, `gateway/nginx.conf`|образ бэкенда (multi-stage maven:3.9-temurin-21 → temurin-**21-jre-alpine** (musl) — chart-движку нужен только модуль java.desktop (Graphics2D, он внутри JRE); fontconfig и системные шрифты рантайму не нужны — текст рисуется глифами fontbox, см. `fonts/GlyphFont` (проверено на musl-стенде без libfontconfig/`/etc/fonts`); HEALTHCHECK busybox `wget` (curl/apt не ставим), non-root uid 10001); compose app+web+gateway: web-образ со своим HEALTHCHECK (`wget /`), в обоих compose `depends_on web: condition: service_healthy`; прод-compose не в репо — его рендерит job `deploy` (лимиты запекаются из Variables); podman-специфика обоих compose: `x-podman.name_separator_compat` (docker-style имена), явные `healthcheck` app/web (дубли Containerfile-HEALTHCHECK — OCI-выгрузка его теряет; app-хелсчеки — `wget`, как в Containerfile), зафиксированная подсеть `10.113.0.0/24` gw `10.113.0.1` под резолвер aardvark-dns; два repo-стенда одновременно не поднять (общая подсеть)| |корневой `.env.example`|шаблон env для локальных/compose-стендов: `WORDPDF_API_KEY` (`openssl rand -hex 32`), закомментированные `WORDPDF_MAX_MB`/`WORDPDF_MAX_PAGES` (пустое значение ломает старт — binding long/int); проду `.env` **не нужен**: ключ и лимиты подаёт job `deploy` из Gitea Secrets/Variables, legacy-`.env` на проде удаляется деплоем| |`.gitea/workflows/`|Gitea Actions: `pr.yml` (PR checks), `main.yml` (тесты → `images` (build+push в Nexus) → deploy (рендер прод-конфигов + pull) → autotests → rollback)| |корневой `GITEA-vars.md`|инструкция владельца: Secrets/Variables, защита ветки, перезапуск — только имена переменных, без значений| -|корневой `prod-autotests/`|прод-автотесты API (pytest + requests, 19 проверок): конфигурация стенда **только env** (`WORDPDF_BASE_URL` обязателен, `WORDPDF_API_KEY`/`WORDPDF_MAX_PAGES`/`WORDPDF_MAX_MB`/`WORDPDF_SAMPLES_DIR` факультативны) — прод-хостов/ключей в коде нет; окружение — mise (`mise.toml`: python 3.15 + автосоздаваемый `.venv`); прод-раннер вне git — `/home/pjandro/prod/java-word-pdf/run-prod-tests.sh`| +|корневой `prod-autotests/`|прод-автотесты API (pytest + requests, 21 проверка): конфигурация стенда **только env** (`WORDPDF_BASE_URL` обязателен, `WORDPDF_API_KEY`/`WORDPDF_MAX_PAGES`/`WORDPDF_MAX_MB`/`WORDPDF_SAMPLES_DIR` факультативны) — прод-хостов/ключей в коде нет; окружение — mise (`mise.toml`: python 3.15 + автосоздаваемый `.venv`); прод-раннер вне git — `/home/pjandro/prod/java-word-pdf/run-prod-tests.sh`| |`develop/` (вне git)|рабочие материалы и эталоны Word (`testDoc.doc/.pdf`, `testDoc.convert.pdf`, `openxml.docx/.pdf`) — **ручное сравнение, не фикстуры**, в тесты/jar не подключать| ## Development Commands @@ -76,7 +76,7 @@ npm run build # (wordpdf-web/) tsc -b && vite build podman-compose -f compose.dev.yml up -d --build # dev-стенд: http://:9011 (0.0.0.0), без ключа, springdoc вкл ``` -Пересоздать 10 фикстур (POI, test scope; `charts-smartart.docx` НЕ генерируется — создана вручную, не перезаписывать): +Пересоздать 10 фикстур (POI, test scope; `charts-smartart.docx` и `ole-embedded.docx` НЕ генерируются — созданы вручную, не перезаписывать): ```bash mvn -pl wordpdf-core test-compile -Dmdep.outputFile=/tmp/cp.txt dependency:build-classpath -q @@ -154,12 +154,12 @@ SSH-пользователи/логины, ни хосты, ни директо ## Testing & QA - Гейт `maven-pmd-plugin` 3.28.0 (PMD 7.17) на `verify` для обоих модулей, ruleset `pmd-ruleset.xml` (codestyle без opinionated-правил + unused-правила + XPath `LiteralFirstInEquals` — строковый литерал слева в `equals`/`equalsIgnoreCase`; `junit5TestPattern` разрешает underscore-имена регрессий; `includeTests=true` — тесты сканируются; `failurePriority` не задан — дефолт 2, т.е. нарушения priority ≤ 2 валят build, priority 3 — только WARNING в отчёт). Литералы в условиях `if` — только именованными константами (`AvoidLiteralsInIfCondition`), `null` вместо пустой коллекции запрещён (`ReturnEmptyCollectionRatherThanNull` — `GlyphCoverageNormalizer.split` возвращает пустой список). -- 16 тестовых классов / 149 `@Test` (core 13/124, app 3/25). JUnit 6 (`org.junit.jupiter:junit-jupiter`), surefire 3.6.0 с `-Djava.awt.headless=true` в argLine; только `Assertions` (Mockito/AssertJ не использовать, несмотря на test-classpath Boot; в app-тестах допустим inline-Hamcrest `org.hamcrest.Matchers.containsString` в `andExpect`); тестовые классы package-private, зеркалят main-пакеты; только `@Test` (+ единственный `@BeforeAll` — warm-up шрифтов в `GlyphCoverageNormalizerTest`). +- 17 тестовых классов / 162 `@Test` (core 14/132, app 3/30). JUnit 6 (`org.junit.jupiter:junit-jupiter`), surefire 3.6.0 с `-Djava.awt.headless=true` в argLine; только `Assertions` (Mockito/AssertJ не использовать, несмотря на test-classpath Boot; в app-тестах допустим inline-Hamcrest `org.hamcrest.Matchers.containsString` в `andExpect`); тестовые классы package-private, зеркалят main-пакеты; только `@Test` (+ единственный `@BeforeAll` — warm-up шрифтов в `GlyphCoverageNormalizerTest`). - **PDF сравнивается текстом, не растеризацией**: PDFBox 3 (`Loader.loadPDF`) — `PDFTextStripper` для текста (пер-странично `setStartPage/setEndPage`), override `processTextPosition` для шрифта конкретного символа (`fontNameOf`), обход ресурсов страниц для встроенных шрифтов (`EAAAAA+Carlito-Bold`) и счётчика картинок (`imageCount`). Негативные маркеры — регрессии: `assertFalse(text.contains("#"))` (.notdef), `assertFalse(font.startsWith("Helvetica"))`. Текст нормализуется по пробелам (`norm`); в `tableImage_tableAndImage` — полное удаление пробелов (docx4j переносит слова в auto-fit таблицах). - Пиксели (BufferedImage) — только в unit-тестах chart-пейнтеров: безразмерные отношения к эталону Word, допуски `assertRatio` <0.06 (`PiePainterTest` аспект h/w=0.585) / <0.10 (`Surface3dPainterTest`, + `assertRange` ±6 pt для центров силуэта); пороги залитых px и перцентильные коридоры яркости. Эталонные замеры — по Word-экспорту 300 dpi (`develop/`, вне git). - `GlyphFont` (fontbox): метрики пиксельно-метрически эквивалентны AWT (ascent/descent/leading/advance совпадают до 4-го знака, кернинг-дрейф 0.0000 — DejaVu Sans, Carlito). Приёмочный стенд без-fontconfig: контейнер без `libfontconfig.so.1*` и `/etc/fonts`, `mvn verify` + `java -jar` (до перехода на GlyphFont там падали `GlyphCoverageNormalizerTest` 12 / `CartesianPainterTest` 3 / `PiePainterTest` 2 / chart-тесты `WordPdfConverterTest` 4, chart-рендер молча деградировал). `GlyphFontTest` написан без единого `java.awt.Font` — обязан проходить на хосте без fontconfig. -- Фикстуры — закоммиченные `samples/*.docx` (11; в тестах не генерировать): core грузит classpath-ресурсом → `byte[]`, PDF для PDFBox — временный файл; app читает `/samples/…` из **test-jar core** (classifier `tests`) → `mvn -pl wordpdf-app` без `-am` не соберётся. In-memory docx — `ZipOutputStream` из литеральных XML или POI в `byte[]`. Ключевые: `too-many-pages` (150 явных разрывов → 151), `stale-cache` (кэш `1` + 110 `lastRenderedPageBreak`), `charts-smartart` (4 растра; SmartArt-одиночка = ровно 2 Image XObject). -- Юниты нормализаторов работают строками (`rewrite`) + zip'ами из `ZipOutputStream`; обязательные контракты: «нечего менять → тот же массив» (`assertSame` покрыт тестами только у zip-нормализаторов `DocxOnOff`/`SymbolFont`/`StrictOoxml`; у `Field`/`GlyphCoverage` — `rewrite`→`null`) и неприкосновенность частей вне `word/*.xml` (`[Content_Types].xml`). Тесты бьют и в package-private API (`GlyphCoverageNormalizer.split(text, family)`, `ChartSpec.readTitle`). +- Фикстуры — закоммиченные `samples/*.docx` (12; в тестах не генерировать): core грузит classpath-ресурсом → `byte[]`, PDF для PDFBox — временный файл; app читает `/samples/…` из **test-jar core** (classifier `tests`) → `mvn -pl wordpdf-app` без `-am` не соберётся. In-memory docx — `ZipOutputStream` из литеральных XML или POI в `byte[]`. Ключевые: `too-many-pages` (150 явных разрывов → 151), `stale-cache` (кэш `1` + 110 `lastRenderedPageBreak`), `charts-smartart` (4 растра; SmartArt-одиночка = ровно 2 Image XObject), `ole-embedded` (осиротевший bin с ложным `Default bin→footer+xml` + настоящий `w:object` с честным `Override → oleObject`; ручная, генератором не перезаписывать). +- Юниты нормализаторов работают строками (`rewrite`) + zip'ами из `ZipOutputStream`; обязательные контракты: «нечего менять → тот же массив» (`assertSame` покрыт тестами только у zip-нормализаторов `DocxOnOff`/`SymbolFont`/`StrictOoxml` и у `OleObject` — `printerSettings`-bin/нет `.bin`; у `Field`/`GlyphCoverage` — `rewrite`→`null`) и неприкосновенность частей вне `word/*.xml` (`[Content_Types].xml`). Тесты бьют и в package-private API (`GlyphCoverageNormalizer.split(text, family)`, `ChartSpec.readTitle`). Исключение — `OleObjectNormalizerTest`: многочастный нормализатор без `rewrite`-хука, тесты только через `normalize` на in-memory zip. - App-тесты: `@SpringBootTest` + `@AutoConfigureMockMvc` (Boot 4: `org.springframework.boot.webmvc.test.autoconfigure`); три контекста — `ConvertControllerTest` (пустой ключ), `ApiKeyFilterTest` (`properties = "wordpdf.api-key=…"`), `ConvertLimitsTest` (`@TestPropertySource` с лимитами — отдельный класс, не `@Nested`). -- Регрессивные пары (фикс = нормализатор/pre-renderer + юнит + конвертер-тест с фикстурой): `StrictOoxmlNormalizerTest`↔`strictOoxml_convertsNotRejected` (+`pageCount_strictBreaksCountedLightweight` — lightweight против strict), `DocxOnOffNormalizerTest`↔`ruPlain_regularRunsUseRegularFont`, `SymbolFontNormalizerTest`↔`symbolFonts_bulletsAreNotHash`, `FieldNormalizerTest`↔`pageNumbers_recomputedNotCached`, `GlyphCoverageNormalizerTest`↔`exoticGlyphs_drawnNotHash`, `WordPdfValidatorTest`↔`staleCachePageCountRejectedBeforeRender` (+`checkPageCount_limitBoundary` 99/100/101, `pageCount_breaksInsideTablesAreCounted`, `pageCount_continuousSectionsNotCountedLightweight`, `validate_notAZip`↔`inputNotAZip_rejectedBeforeRender`, `validate_plainZipRejected`/`validate_xlsxRenamedRejected`/`validate_zipBombRejected`/`validate_tooManyEntriesRejected`↔`plainZipNotDocx_rejected`/`inputNotDocx_rejectedBeforeRender` — контейнер и zip-бомба), `BundledFontsTest`↔`ruPlain_emDashEmbeddedNotHelvetica`, `ChartSpecTest`↔автозаголовки, chart-пейнтеры↔`chartsSmartArt_drawingsBecomeImages` (+`drawingErrors_*`↔app `errorFlagCharts_rejected`/`errorFlagSmartArt_rejected`); `noLoggingWarningInPdf` — регрессия `slf4j-simple`, `pdfTitle_comesFromParameter` — регрессия PDF-title (юнит-партнёра нет). App-регрессии: `requestLimitParams_areIgnored`, `nonPositiveLimits_failStartup`, `unknownPath_notFound`, `concurrentRequests_bothSucceed` (гонка реестра `PhysicalFonts`), `corruptNotAZip_rejected`, `plainZipNotDocx_rejected` (голый zip без манифеста → 400), `junkInsideValidZip_conversionError` (500 на валидном .docx-контейнере с мусором), `nonDocxFilename_rejected`, `oversizedOverCoreLimit_rejected`, `drawingsAlwaysRendered`, `cyrillicAndPathInFilename_sanitizedResponseName` (RFC 5987 + path-traversal), `docsOpenWithoutKey`/`forwardedPrefix_healthStaysOpen`/`forwardedPrefix_docsOpenWithoutKey` (открытая документация + матч фильтра без forwarded-contextPath). -- UI-тестов нет; гейт SPA — `npm run build` (tsc -b) + `npm run lint` (oxlint, `.oxlintrc.json`: rules-of-hooks error, only-export-components warn). Прод-автотесты (pytest 9 + requests, 19 проверок, env-конфиг, `mise exec -- python -m pytest -q .` из `prod-autotests/`) гоняются CI после deploy против живого прода; `WORDPDF_API_KEY` пуст → честный SKIP `@needs_key`-проверок. +- Регрессивные пары (фикс = нормализатор/pre-renderer + юнит + конвертер-тест с фикстурой): `StrictOoxmlNormalizerTest`↔`strictOoxml_convertsNotRejected` (+`pageCount_strictBreaksCountedLightweight` — lightweight против strict), `DocxOnOffNormalizerTest`↔`ruPlain_regularRunsUseRegularFont`, `SymbolFontNormalizerTest`↔`symbolFonts_bulletsAreNotHash`, `FieldNormalizerTest`↔`pageNumbers_recomputedNotCached`, `GlyphCoverageNormalizerTest`↔`exoticGlyphs_drawnNotHash`, `OleObjectNormalizerTest`↔`oleObjects_removedAndConverted`/`drawingErrors_errorFlagRejectsOle` (+app `errorFlagOle_rejected`/`oleObjects_removedByDefault`), `WordPdfValidatorTest`↔`staleCachePageCountRejectedBeforeRender` (+`checkPageCount_limitBoundary` 99/100/101, `pageCount_breaksInsideTablesAreCounted`, `pageCount_continuousSectionsNotCountedLightweight`, `validate_notAZip`↔`inputNotAZip_rejectedBeforeRender`, `validate_plainZipRejected`/`validate_xlsxRenamedRejected`/`validate_zipBombRejected`/`validate_tooManyEntriesRejected`↔`plainZipNotDocx_rejected`/`inputNotDocx_rejectedBeforeRender` — контейнер и zip-бомба), `BundledFontsTest`↔`ruPlain_emDashEmbeddedNotHelvetica`, `ChartSpecTest`↔автозаголовки, chart-пейнтеры↔`chartsSmartArt_drawingsBecomeImages` (+`drawingErrors_*`↔app `errorFlagCharts_rejected`/`errorFlagSmartArt_rejected`); `noLoggingWarningInPdf` — регрессия `slf4j-simple`, `pdfTitle_comesFromParameter` — регрессия PDF-title (юнит-партнёра нет). App-регрессии: `requestLimitParams_areIgnored`, `nonPositiveLimits_failStartup`, `unknownPath_notFound`, `concurrentRequests_bothSucceed` (гонка реестра `PhysicalFonts`), `corruptNotAZip_rejected`, `plainZipNotDocx_rejected` (голый zip без манифеста → 400), `junkInsideValidZip_conversionError` (500 на валидном .docx-контейнере с мусором), `nonDocxFilename_rejected`, `oversizedOverCoreLimit_rejected`, `drawingsAlwaysRendered`, `cyrillicAndPathInFilename_sanitizedResponseName` (RFC 5987 + path-traversal), `docsOpenWithoutKey`/`forwardedPrefix_healthStaysOpen`/`forwardedPrefix_docsOpenWithoutKey` (открытая документация + матч фильтра без forwarded-contextPath). +- UI-тестов нет; гейт SPA — `npm run build` (tsc -b) + `npm run lint` (oxlint, `.oxlintrc.json`: rules-of-hooks error, only-export-components warn). Прод-автотесты (pytest 9 + requests, 21 проверка, env-конфиг, `mise exec -- python -m pytest -q .` из `prod-autotests/`) гоняются CI после deploy против живого прода; `WORDPDF_API_KEY` пуст → честный SKIP `@needs_key`-проверок. diff --git a/prod-autotests/test_prod_api.py b/prod-autotests/test_prod_api.py index 4d3db52..75886a8 100644 --- a/prod-autotests/test_prod_api.py +++ b/prod-autotests/test_prod_api.py @@ -283,3 +283,29 @@ def test_charts_full_render(url, samples, key_header): ) assert r.status_code == 200 assert r.content[:4] == b"%PDF" + + +@needs_key +def test_error_on_ole_rejected(url, samples, key_header): + """errorOnOle=true — 422; OLE-объекты найдены, документ отвергнут по флагу.""" + r = requests.post( + url(CONVERT) + "?errorOnOle=true", + headers=key_header, + files={"file": ("ole-embedded.docx", (samples / "ole-embedded.docx").read_bytes())}, + timeout=TIMEOUT, + ) + assert r.status_code == 422 + assert "error" in r.json() + + +@needs_key +def test_ole_removed_by_default(url, samples, key_header): + """Дефолтные флаги — OLE-объекты тихо удаляются, документ конвертируется.""" + r = requests.post( + url(CONVERT), + headers=key_header, + files={"file": ("ole-embedded.docx", (samples / "ole-embedded.docx").read_bytes())}, + timeout=TIMEOUT, + ) + assert r.status_code == 200 + assert r.content[:4] == b"%PDF" diff --git a/wordpdf-app/src/main/java/ru/pjandro/wordpdf/app/ApiExceptionHandler.java b/wordpdf-app/src/main/java/ru/pjandro/wordpdf/app/ApiExceptionHandler.java index 4e2c232..57e0c98 100644 --- a/wordpdf-app/src/main/java/ru/pjandro/wordpdf/app/ApiExceptionHandler.java +++ b/wordpdf-app/src/main/java/ru/pjandro/wordpdf/app/ApiExceptionHandler.java @@ -36,7 +36,7 @@ final class ApiExceptionHandler { return ResponseEntity.badRequest().body(new ApiError(e.getMessage())); } - /** Документ содержит диаграммы/SmartArt при включённом error-флаге — вход корректен, но отвергнут по настройке. */ + /** Документ содержит диаграммы/SmartArt/OLE-объекты при включённом error-флаге — вход корректен, но отвергнут по настройке. */ @ExceptionHandler(DrawingRejectedException.class) ResponseEntity drawingRejected(DrawingRejectedException e) { return ResponseEntity.status(HttpStatus.UNPROCESSABLE_ENTITY) diff --git a/wordpdf-app/src/main/java/ru/pjandro/wordpdf/app/ConvertController.java b/wordpdf-app/src/main/java/ru/pjandro/wordpdf/app/ConvertController.java index 4419e26..6f73706 100644 --- a/wordpdf-app/src/main/java/ru/pjandro/wordpdf/app/ConvertController.java +++ b/wordpdf-app/src/main/java/ru/pjandro/wordpdf/app/ConvertController.java @@ -59,9 +59,9 @@ final class ConvertController { } @Operation(summary = "Конвертировать .docx в PDF", - description = "errorOnCharts/errorOnSmartArt — факультативно, по умолчанию " + description = "errorOnCharts/errorOnSmartArt/errorOnOle — факультативно, по умолчанию " + "настройки ядра (ошибка не выбрасывается); диаграммы/SmartArt " - + "конвертируются всегда. " + + "конвертируются всегда, OLE-объекты при выключенном флаге тихо удаляются. " + "Лимиты входа (размер/страницы) задаёт только конфигурация сервера " + "(свойства wordpdf.max-mb/wordpdf.max-pages), параметрами запроса не переопределяются") @SecurityRequirement(name = OpenApiConfig.SCHEME) @@ -72,7 +72,8 @@ final class ConvertController { ResponseEntity convert( @RequestParam("file") MultipartFile file, @RequestParam(name = "errorOnCharts", required = false) Boolean errorOnCharts, - @RequestParam(name = "errorOnSmartArt", required = false) Boolean errorOnSmartArt) { + @RequestParam(name = "errorOnSmartArt", required = false) Boolean errorOnSmartArt, + @RequestParam(name = "errorOnOle", required = false) Boolean errorOnOle) { if (file == null || file.isEmpty()) { throw new ValidationException("Файл не передан (multipart-поле «file» обязательно)"); } @@ -90,6 +91,7 @@ final class ConvertController { ConvertOptions options = new ConvertOptions( errorOnCharts != null ? errorOnCharts : WordPdfSettings.ERROR_ON_CHARTS, errorOnSmartArt != null ? errorOnSmartArt : WordPdfSettings.ERROR_ON_SMARTART, + errorOnOle != null ? errorOnOle : WordPdfSettings.ERROR_ON_OLE, maxMb, maxPages); byte[] pdf = conversionService.convert(docxBytes, name, options); ContentDisposition disposition = ContentDisposition.attachment() diff --git a/wordpdf-app/src/main/java/ru/pjandro/wordpdf/app/DrawingRejectedException.java b/wordpdf-app/src/main/java/ru/pjandro/wordpdf/app/DrawingRejectedException.java index a1f6cba..72a9a49 100644 --- a/wordpdf-app/src/main/java/ru/pjandro/wordpdf/app/DrawingRejectedException.java +++ b/wordpdf-app/src/main/java/ru/pjandro/wordpdf/app/DrawingRejectedException.java @@ -3,7 +3,7 @@ package ru.pjandro.wordpdf.app; import ru.pjandro.wordpdf.DrawingFoundException; /** - * Документ содержит диаграммы/SmartArt при включённом error-флаге + * Документ содержит диаграммы/SmartArt/OLE-объекты при включённом error-флаге * ({@link DrawingFoundException} ядра). * *

Маппится в HTTP 422 ({@link ApiExceptionHandler}); клиенту осмысленно @@ -13,8 +13,10 @@ import ru.pjandro.wordpdf.DrawingFoundException; class DrawingRejectedException extends RuntimeException { DrawingRejectedException(DrawingFoundException.Kind kind) { - super(kind == DrawingFoundException.Kind.CHARTS - ? "Конвертация отменена: в документе найдены диаграммы" - : "Конвертация отменена: в документе найден SmartArt"); + super(switch (kind) { + case CHARTS -> "Конвертация отменена: в документе найдены диаграммы"; + case SMARTART -> "Конвертация отменена: в документе найден SmartArt"; + case OLE -> "Конвертация отменена: в документе найдены OLE-объекты"; + }); } } diff --git a/wordpdf-app/src/test/java/ru/pjandro/wordpdf/app/ConvertControllerTest.java b/wordpdf-app/src/test/java/ru/pjandro/wordpdf/app/ConvertControllerTest.java index 38d203d..8b80fa2 100644 --- a/wordpdf-app/src/test/java/ru/pjandro/wordpdf/app/ConvertControllerTest.java +++ b/wordpdf-app/src/test/java/ru/pjandro/wordpdf/app/ConvertControllerTest.java @@ -201,6 +201,38 @@ class ConvertControllerTest { org.hamcrest.Matchers.containsString("SmartArt"))); } + /** + * errorOnOle=true — HTTP 422 с текстом про OLE-объекты (документ валиден, + * отвергнут по настройке запроса). + * Регрессия — WordPdfConverterTest#drawingErrors_errorFlagRejectsOle, + * фикстура samples/ole-embedded.docx. + */ + @Test + void errorFlagOle_rejected() throws Exception { + mockMvc.perform(multipart("/api/v1/convert") + .file(docx("ole-embedded.docx", bytes("/samples/ole-embedded.docx"))) + .param("errorOnOle", "true")) + .andExpect(status().isUnprocessableEntity()) + .andExpect(jsonPath("$.error", + org.hamcrest.Matchers.containsString("OLE-объект"))); + } + + /** + * Без параметров OLE-объекты тихо удаляются: 200, PDF. + * Регрессия — WordPdfConverterTest#oleObjects_removedAndConverted, + * фикстура samples/ole-embedded.docx. + */ + @Test + void oleObjects_removedByDefault() throws Exception { + byte[] pdf = mockMvc.perform(multipart("/api/v1/convert") + .file(docx("ole-embedded.docx", bytes("/samples/ole-embedded.docx")))) + .andExpect(status().isOk()) + .andExpect(content().contentType(MediaType.APPLICATION_PDF)) + .andReturn().getResponse().getContentAsByteArray(); + assertTrue("%PDF".equals(new String(pdf, 0, 4, StandardCharsets.US_ASCII)), + "тело не начинается с %PDF"); + } + @Test void cyrillicAndPathInFilename_sanitizedResponseName() throws Exception { byte[] sample = bytes("/samples/ru-plain.docx"); diff --git a/wordpdf-core/src/main/java/ru/pjandro/wordpdf/ConvertOptions.java b/wordpdf-core/src/main/java/ru/pjandro/wordpdf/ConvertOptions.java index 1a28873..ea13de4 100644 --- a/wordpdf-core/src/main/java/ru/pjandro/wordpdf/ConvertOptions.java +++ b/wordpdf-core/src/main/java/ru/pjandro/wordpdf/ConvertOptions.java @@ -8,17 +8,19 @@ package ru.pjandro.wordpdf; * * @param errorOnCharts бросать {@link DrawingFoundException} при находке диаграмм * @param errorOnSmartArt бросать {@link DrawingFoundException} при находке SmartArt + * @param errorOnOle бросать {@link DrawingFoundException} при находке OLE-объектов + * (иначе — тихо удалить их из документа) * @param maxMb лимит размера входа в МБ (MiB) на этот вызов; * дефолт — {@link WordPdfSettings#MAX_INPUT_MB} * @param maxPages лимит числа страниц на этот вызов; * дефолт — {@link WordPdfSettings#MAX_PAGES} */ -public record ConvertOptions(boolean errorOnCharts, boolean errorOnSmartArt, +public record ConvertOptions(boolean errorOnCharts, boolean errorOnSmartArt, boolean errorOnOle, long maxMb, int maxPages) { /** Дефолты ядра из {@link WordPdfSettings}. */ public static ConvertOptions defaults() { return new ConvertOptions(WordPdfSettings.ERROR_ON_CHARTS, WordPdfSettings.ERROR_ON_SMARTART, - WordPdfSettings.MAX_INPUT_MB, WordPdfSettings.MAX_PAGES); + WordPdfSettings.ERROR_ON_OLE, WordPdfSettings.MAX_INPUT_MB, WordPdfSettings.MAX_PAGES); } } diff --git a/wordpdf-core/src/main/java/ru/pjandro/wordpdf/DrawingFoundException.java b/wordpdf-core/src/main/java/ru/pjandro/wordpdf/DrawingFoundException.java index 2d71cc3..1de5e4a 100644 --- a/wordpdf-core/src/main/java/ru/pjandro/wordpdf/DrawingFoundException.java +++ b/wordpdf-core/src/main/java/ru/pjandro/wordpdf/DrawingFoundException.java @@ -3,25 +3,32 @@ package ru.pjandro.wordpdf; /** * Документ содержит объект, находку которого вызывающий запретил: * соответствующий error-флаг включён - * ({@link ConvertOptions#errorOnCharts()}, {@link ConvertOptions#errorOnSmartArt()}). - * Диаграммы/SmartArt конвертируются всегда; исключение отвергает документ целиком. + * ({@link ConvertOptions#errorOnCharts()}, {@link ConvertOptions#errorOnSmartArt()}, + * {@link ConvertOptions#errorOnOle()}). + * Диаграммы/SmartArt конвертируются всегда; OLE-объекты при выключенном + * {@code errorOnOle} тихо удаляются из документа (в отличие от них). + * Исключение отвергает документ целиком. * *

Наследник {@link ConversionException} — наружу по-прежнему ловится * только он; {@code kind()} даёт вызывающему тип объекта без разбора текста. * Регрессия — WordPdfConverterTest#drawingErrors_errorFlagRejectsCharts, - * фикстура samples/charts-smartart.docx.

+ * фикстура samples/charts-smartart.docx; OLE — + * WordPdfConverterTest#drawingErrors_errorFlagRejectsOle, + * фикстура samples/ole-embedded.docx.

*/ public class DrawingFoundException extends ConversionException { /** Тип найденного объекта. */ - public enum Kind { CHARTS, SMARTART } + public enum Kind { CHARTS, SMARTART, OLE } private final Kind kind; public DrawingFoundException(Kind kind) { - super(kind == Kind.CHARTS - ? "В документе найдены диаграммы, а их обработка запрещена (errorOnCharts)" - : "В документе найден SmartArt, а его обработка запрещена (errorOnSmartArt)"); + super(switch (kind) { + case CHARTS -> "В документе найдены диаграммы, а их обработка запрещена (errorOnCharts)"; + case SMARTART -> "В документе найден SmartArt, а его обработка запрещена (errorOnSmartArt)"; + case OLE -> "В документе найдены OLE-объекты, а их обработка запрещена (errorOnOle)"; + }); this.kind = kind; } diff --git a/wordpdf-core/src/main/java/ru/pjandro/wordpdf/WordPdfConverter.java b/wordpdf-core/src/main/java/ru/pjandro/wordpdf/WordPdfConverter.java index 93e3cdf..0ff0867 100644 --- a/wordpdf-core/src/main/java/ru/pjandro/wordpdf/WordPdfConverter.java +++ b/wordpdf-core/src/main/java/ru/pjandro/wordpdf/WordPdfConverter.java @@ -14,6 +14,7 @@ import ru.pjandro.wordpdf.internal.chart.DrawingPreRenderer; import ru.pjandro.wordpdf.internal.DocxOnOffNormalizer; import ru.pjandro.wordpdf.internal.FieldNormalizer; import ru.pjandro.wordpdf.internal.GlyphCoverageNormalizer; +import ru.pjandro.wordpdf.internal.OleObjectNormalizer; import ru.pjandro.wordpdf.internal.FopFallbackFonts; import ru.pjandro.wordpdf.internal.StrictOoxmlNormalizer; import ru.pjandro.wordpdf.internal.SymbolFontNormalizer; @@ -142,6 +143,11 @@ public final class WordPdfConverter { // FOP рисует «#» (docx4j проверяет покрытие не для всех знаков // и кэширует фолбэк на группу Юникода, см. GlyphCoverageNormalizer). docxBytes = GlyphCoverageNormalizer.normalize(docxBytes); + // ...и OLE-объекты (внедрённые бинарные .bin-части): docx4j падает и на + // ложном XML-типе bin-части в [Content_Types], и на сериализации VML + // w:object. При выключенном errorOnOle объекты тихо удаляются (часть, + // rels, w:object), при включённом — отказ (см. OleObjectNormalizer). + docxBytes = OleObjectNormalizer.normalize(docxBytes, options.errorOnOle()); WordprocessingMLPackage pkg = WordprocessingMLPackage.load( new ByteArrayInputStream(docxBytes)); try { diff --git a/wordpdf-core/src/main/java/ru/pjandro/wordpdf/WordPdfSettings.java b/wordpdf-core/src/main/java/ru/pjandro/wordpdf/WordPdfSettings.java index 1f24875..0c54be0 100644 --- a/wordpdf-core/src/main/java/ru/pjandro/wordpdf/WordPdfSettings.java +++ b/wordpdf-core/src/main/java/ru/pjandro/wordpdf/WordPdfSettings.java @@ -30,6 +30,13 @@ public final class WordPdfSettings { /** Ошибка при находке SmartArt ({@code dgm:relIds}) — {@link DrawingFoundException}. */ public static final boolean ERROR_ON_SMARTART = false; + /** + * Ошибка при находке OLE-объектов (бинарные {@code .bin}-части) — + * {@link DrawingFoundException}. Дефолт {@code false} — объекты тихо + * удаляются из документа (см. OleObjectNormalizer), конвертация проходит. + */ + public static final boolean ERROR_ON_OLE = false; + private WordPdfSettings() { } } diff --git a/wordpdf-core/src/main/java/ru/pjandro/wordpdf/internal/OleObjectNormalizer.java b/wordpdf-core/src/main/java/ru/pjandro/wordpdf/internal/OleObjectNormalizer.java new file mode 100644 index 0000000..55bbe05 --- /dev/null +++ b/wordpdf-core/src/main/java/ru/pjandro/wordpdf/internal/OleObjectNormalizer.java @@ -0,0 +1,321 @@ +package ru.pjandro.wordpdf.internal; + +import ru.pjandro.wordpdf.DrawingFoundException; + +import java.io.ByteArrayInputStream; +import java.io.ByteArrayOutputStream; +import java.io.IOException; +import java.nio.charset.StandardCharsets; +import java.util.ArrayList; +import java.util.HashMap; +import java.util.HashSet; +import java.util.LinkedHashMap; +import java.util.List; +import java.util.Map; +import java.util.Set; +import java.util.Locale; +import java.util.logging.Logger; +import java.util.regex.Matcher; +import java.util.regex.Pattern; +import java.util.zip.ZipEntry; +import java.util.zip.ZipInputStream; +import java.util.zip.ZipOutputStream; + +/** + * Удаление OLE-объектов из docx перед загрузкой docx4j. + * + *

docx4j падает на документах с внедрёнными OLE-объектами двумя путями: + * (1) продюсер файла пишет ложный content type для бинарной части + * {@code word/_embedded/*.bin} (например {@code …wordprocessingml.footer+xml}) — + * docx4j инстанцирует JAXB-часть, на экспорте парсер натыкается на бинарник + * («Content is not allowed in prolog») и экспорт тонет в NPE; (2) настоящий + * {@code w:object} — VML-сериализация docx4j падает NPE + * {@code chunkType is null} даже при честном типе + * {@code application/vnd.openxmlformats-officedocument.oleObject}. + * Лечится одинаково: OLE-части, ссылки на них и элементы {@code w:object} + * удаляются из контейнера — документ конвертируется без объектов.

+ * + *

Отличие от остальных нормализаторов пакета: принимает флаг + * {@code errorOnOle} и умеет бросать {@link DrawingFoundException} + * (при включённом флаге документ отвергается вместо удаления), и правит + * не только {@code word/*.xml}, но и {@code [Content_Types].xml} с + * {@code *.rels}. Хука {@code rewrite(String)} нет — нормализатор + * многочастный (решение об удалении зависит от связки content type + rels), + * тесты работают через {@link #normalize} на in-memory zip.

+ * + *

Если OLE-объектов нет, возвращает исходный массив без переупаковки zip. + * Регрессия — WordPdfConverterTest#oleObjects_removedAndConverted, + * WordPdfConverterTest#drawingErrors_errorFlagRejectsOle, + * фикстура samples/ole-embedded.docx.

+ */ +public final class OleObjectNormalizer { + + /** Честный content type внедрённого OLE-объекта. */ + private static final String OLE_OBJECT_TYPE = + "application/vnd.openxmlformats-officedocument.oleObject"; + /** XML-окончание типа; в `.bin`-части XML не бывает никогда — ложь продюсера. */ + private static final String XML_TYPE_SUFFIX = "+xml"; + private static final String BIN_SUFFIX = ".bin"; + private static final String CONTENT_TYPES_ENTRY = "[Content_Types].xml"; + /** Сегмент «наверх» в относительном Target rels. */ + private static final String PARENT_DIR = ".."; + + private static final Pattern DEFAULT_TYPE = Pattern.compile( + "]*\\bExtension=\"([^\"]*)\"[^>]*\\bContentType=\"([^\"]*)\"[^>]*/>" + + "|]*\\bContentType=\"([^\"]*)\"[^>]*\\bExtension=\"([^\"]*)\"[^>]*/>"); + private static final Pattern OVERRIDE_TYPE = Pattern.compile( + "]*\\bPartName=\"([^\"]*)\"[^>]*\\bContentType=\"([^\"]*)\"[^>]*/>" + + "|]*\\bContentType=\"([^\"]*)\"[^>]*\\bPartName=\"([^\"]*)\"[^>]*/>"); + private static final Pattern RELATIONSHIP = Pattern.compile( + "]*/>"); + private static final Pattern TARGET_ATTR = Pattern.compile("\\bTarget=\"([^\"]*)\""); + private static final Pattern TARGET_MODE_EXTERNAL = Pattern.compile( + "\\bTargetMode=\"External\""); + /** Парный w:object (внутри VML-обёртка, роняющая экспорт) и самозакрытый. */ + private static final Pattern W_OBJECT = Pattern.compile( + "]*>.*?
|]*/>", Pattern.DOTALL); + private static final Pattern PART_NAME_ATTR = Pattern.compile("\\bPartName=\"([^\"]*)\""); + + private static final Logger LOG = Logger.getLogger(OleObjectNormalizer.class.getName()); + + private OleObjectNormalizer() { + } + + /** + * Удаляет из docx OLE-объекты: бинарные `.bin`-части с OLE-типом (или + * ложным XML-типом), ссылки на них в `*.rels`, элементы `w:object` в + * `word/*.xml` и `Override` удалённых частей в `[Content_Types].xml`. + * + * @param docx байты .docx (zip) + * @param errorOnOle true — не удалять, а отвергнуть документ + * @return те же байты, если OLE-объектов нет; иначе переупакованный zip без OLE + * @throws DrawingFoundException при {@code errorOnOle} и найденном OLE-объекте + */ + public static byte[] normalize(byte[] docx, boolean errorOnOle) throws IOException { + Map entries = new LinkedHashMap<>(); + try (ZipInputStream zis = new ZipInputStream(new ByteArrayInputStream(docx))) { + ZipEntry entry; + while ((entry = zis.getNextEntry()) != null) { + entries.put(entry.getName(), zis.readAllBytes()); + } + } + byte[] contentTypes = entries.get(CONTENT_TYPES_ENTRY); + if (contentTypes == null) { + return docx; + } + String ctXml = new String(contentTypes, StandardCharsets.UTF_8); + Map defaults = defaultTypes(ctXml); + Map overrides = overrideTypes(ctXml); + + Set oleParts = new HashSet<>(); + for (Map.Entry e : entries.entrySet()) { + String name = e.getKey(); + if (!name.endsWith(BIN_SUFFIX)) { + continue; + } + String type = effectiveType(name, overrides, defaults); + if (type != null && (OLE_OBJECT_TYPE.equalsIgnoreCase(type) + || type.endsWith(XML_TYPE_SUFFIX))) { + oleParts.add(name); + } + } + if (oleParts.isEmpty()) { + return docx; + } + if (errorOnOle) { + throw new DrawingFoundException(DrawingFoundException.Kind.OLE); + } + for (String part : oleParts) { + LOG.warning("Удалён OLE-объект: " + part); + } + + ByteArrayOutputStream out = new ByteArrayOutputStream(docx.length); + try (ZipOutputStream zos = new ZipOutputStream(out)) { + for (Map.Entry e : entries.entrySet()) { + String name = e.getKey(); + byte[] data = e.getValue(); + if (oleParts.contains(name)) { + continue; + } + if (name.endsWith(".rels")) { + String fixed = stripRels( + new String(data, StandardCharsets.UTF_8), name, oleParts); + if (fixed != null) { + data = fixed.getBytes(StandardCharsets.UTF_8); + } + } else if (name.startsWith("word/") && name.endsWith(".xml")) { + String fixed = stripObjects( + new String(data, StandardCharsets.UTF_8)); + if (fixed != null) { + data = fixed.getBytes(StandardCharsets.UTF_8); + } + } else if (name.equals(CONTENT_TYPES_ENTRY)) { + String fixed = stripOverrides( + new String(data, StandardCharsets.UTF_8), oleParts); + if (fixed != null) { + data = fixed.getBytes(StandardCharsets.UTF_8); + } + } + zos.putNextEntry(new ZipEntry(name)); + zos.write(data); + zos.closeEntry(); + } + } + return out.toByteArray(); + } + + /** Extension (lowercase) -> ContentType из элементов Default. */ + private static Map defaultTypes(String ctXml) { + Map map = new HashMap<>(); + Matcher m = DEFAULT_TYPE.matcher(ctXml); + while (m.find()) { + String ext = m.group(1) != null ? m.group(1) : m.group(4); + String type = m.group(2) != null ? m.group(2) : m.group(3); + map.put(ext.toLowerCase(Locale.ROOT), type); + } + return map; + } + + /** PartName (как в атрибуте, с ведущим «/») -> ContentType из Override. */ + private static Map overrideTypes(String ctXml) { + Map map = new HashMap<>(); + Matcher m = OVERRIDE_TYPE.matcher(ctXml); + while (m.find()) { + String part = m.group(1) != null ? m.group(1) : m.group(4); + String type = m.group(2) != null ? m.group(2) : m.group(3); + map.put(part, type); + } + return map; + } + + /** Override имеет приоритет над Default по расширению. */ + private static String effectiveType(String partName, Map overrides, + Map defaults) { + String type = overrides.get("/" + partName); + if (type != null) { + return type; + } + int dot = partName.lastIndexOf('.'); + return dot < 0 ? null : defaults.get(partName.substring(dot + 1).toLowerCase(Locale.ROOT)); + } + + /** + * Удаляет из `.rels` элементы Relationship, чей Target резолвится в + * удалённую часть. Внешние ссылки (TargetMode="External") не трогаем. + * + * @return новая строка либо null, если удалять нечего + */ + private static String stripRels(String relsXml, String relsName, Set oleParts) { + if (relsXml.indexOf(" segments = new ArrayList<>(); + if (!base.isEmpty()) { + for (String s : base.split("/")) { + if (!s.isEmpty()) { + segments.add(s); + } + } + } + for (String s : target.split("/")) { + if (s.isEmpty() || ".".equals(s)) { + continue; + } + if (PARENT_DIR.equals(s)) { + if (!segments.isEmpty()) { + segments.remove(segments.size() - 1); + } + } else { + segments.add(s); + } + } + return String.join("/", segments); + } + + /** + * Вырезает из word/*.xml элементы w:object (внутри — VML-обёртка, + * которая сама по себе роняет экспорт docx4j). + * + * @return новая строка либо null, если совпадений не было + */ + private static String stripObjects(String xml) { + if (xml.indexOf(" removedParts) { + StringBuilder sb = new StringBuilder(ctXml.length()); + int last = 0; + int pos = 0; + boolean changed = false; + while ((pos = ctXml.indexOf("= 0) { + int end = ctXml.indexOf("/>", pos); + if (end < 0) { + break; + } + end += 2; + String el = ctXml.substring(pos, end); + Matcher pn = PART_NAME_ATTR.matcher(el); + if (pn.find() && removedParts.contains( + pn.group(1).startsWith("/") ? pn.group(1).substring(1) : pn.group(1))) { + sb.append(ctXml, last, pos); + last = end; + changed = true; + } + pos = end; + } + if (!changed) { + return null; + } + sb.append(ctXml, last, ctXml.length()); + return sb.toString(); + } +} 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 fadb480..ec50b80 100644 --- a/wordpdf-core/src/test/java/ru/pjandro/wordpdf/WordPdfConverterTest.java +++ b/wordpdf-core/src/test/java/ru/pjandro/wordpdf/WordPdfConverterTest.java @@ -155,7 +155,7 @@ class WordPdfConverterTest { void drawingErrors_errorFlagRejectsCharts() throws Exception { ConversionException ex = assertThrows(ConversionException.class, () -> convertPdf(sampleBytes("charts-smartart.docx"), "charts-smartart", - new ConvertOptions(true, false, + new ConvertOptions(true, false, false, WordPdfSettings.MAX_INPUT_MB, WordPdfSettings.MAX_PAGES))); assertTrue(ex instanceof DrawingFoundException dfe @@ -173,7 +173,7 @@ class WordPdfConverterTest { void drawingErrors_errorFlagRejectsSmartArt() throws Exception { ConversionException ex = assertThrows(ConversionException.class, () -> convertPdf(sampleBytes("charts-smartart.docx"), "charts-smartart", - new ConvertOptions(false, true, + new ConvertOptions(false, true, false, WordPdfSettings.MAX_INPUT_MB, WordPdfSettings.MAX_PAGES))); assertTrue(ex instanceof DrawingFoundException dfe @@ -183,6 +183,41 @@ class WordPdfConverterTest { "сообщение должно упоминать SmartArt: " + ex.getMessage()); } + /** + * Регрессия: OLE-объекты (осиротевший bin с ложным XML-типом и настоящий + * w:object) роняли экспорт docx4j; при выключенном errorOnOle + * OleObjectNormalizer тихо удаляет их и документ конвертируется. + * Фикстура samples/ole-embedded.docx. + */ + @Test + void oleObjects_removedAndConverted() throws Exception { + Path pdf = convertPdf(sampleBytes("ole-embedded.docx"), "ole-embedded"); + + String text = norm(pdfText(pdf)); + assertTrue(text.contains("OLE object test before"), + "пропал текст до OLE-объекта: " + text); + assertTrue(text.contains("OLE object test after"), + "пропал текст после OLE-объекта: " + text); + } + + /** + * errorOnOle=true — {@link DrawingFoundException} с {@code Kind.OLE}, + * документ отвергается. Фикстура samples/ole-embedded.docx. + */ + @Test + void drawingErrors_errorFlagRejectsOle() throws Exception { + ConversionException ex = assertThrows(ConversionException.class, () -> + convertPdf(sampleBytes("ole-embedded.docx"), "ole-embedded", + new ConvertOptions(false, false, true, + WordPdfSettings.MAX_INPUT_MB, WordPdfSettings.MAX_PAGES))); + + assertTrue(ex instanceof DrawingFoundException dfe + && dfe.kind() == DrawingFoundException.Kind.OLE, + "ожидался DrawingFoundException(OLE), получено: " + ex); + assertTrue(ex.getMessage().contains("OLE-объект"), + "сообщение должно упоминать OLE-объекты: " + ex.getMessage()); + } + /** * Маркеры списков из символьных шрифтов (Symbol/Wingdings, коды из * PUA U+F0xx) экспорт в FO не понимает и рисует .notdef — решётку «#». @@ -442,7 +477,7 @@ class WordPdfConverterTest { byte[] big = new byte[1024 * 1024 + 1]; ValidationException ex = assertThrows(ValidationException.class, () -> WordPdfConverter.convert(big, "x", - new ConvertOptions(false, false, 1, WordPdfSettings.MAX_PAGES))); + new ConvertOptions(false, false, false, 1, WordPdfSettings.MAX_PAGES))); assertTrue(ex.getMessage().contains("1 МБ"), "сообщение должно упоминать переданный лимит: " + ex.getMessage()); assertTrue(ex.getMessage().contains("1048576 байт"), @@ -459,7 +494,7 @@ class WordPdfConverterTest { ValidationException ex = assertThrows(ValidationException.class, () -> WordPdfConverter.convert( sampleBytes("too-many-pages.docx"), "too-many-pages", - new ConvertOptions(false, false, WordPdfSettings.MAX_INPUT_MB, 100))); + new ConvertOptions(false, false, false, WordPdfSettings.MAX_INPUT_MB, 100))); assertTrue(ex.getMessage().contains("100"), "сообщение должно упоминать лимит: " + ex.getMessage()); } @@ -475,7 +510,7 @@ class WordPdfConverterTest { void staleCachePageCountRejectedBeforeRender() { ValidationException ex = assertThrows(ValidationException.class, () -> WordPdfConverter.convert(sampleBytes("stale-cache.docx"), "stale-cache", - new ConvertOptions(false, false, WordPdfSettings.MAX_INPUT_MB, 100))); + new ConvertOptions(false, false, false, WordPdfSettings.MAX_INPUT_MB, 100))); assertTrue(ex.getMessage().contains("100"), "сообщение должно упоминать лимит: " + 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 c3c58e4..c3432db 100644 --- a/wordpdf-core/src/test/java/ru/pjandro/wordpdf/WordPdfValidatorTest.java +++ b/wordpdf-core/src/test/java/ru/pjandro/wordpdf/WordPdfValidatorTest.java @@ -263,7 +263,7 @@ class WordPdfValidatorTest { // ===== validate(byte[], ConvertOptions) ===== private static ConvertOptions options(long maxMb, int maxPages) { - return new ConvertOptions(false, false, maxMb, maxPages); + return new ConvertOptions(false, false, false, maxMb, maxPages); } @Test diff --git a/wordpdf-core/src/test/java/ru/pjandro/wordpdf/internal/OleObjectNormalizerTest.java b/wordpdf-core/src/test/java/ru/pjandro/wordpdf/internal/OleObjectNormalizerTest.java new file mode 100644 index 0000000..7eb520b --- /dev/null +++ b/wordpdf-core/src/test/java/ru/pjandro/wordpdf/internal/OleObjectNormalizerTest.java @@ -0,0 +1,223 @@ +package ru.pjandro.wordpdf.internal; + +import org.junit.jupiter.api.Test; +import ru.pjandro.wordpdf.DrawingFoundException; + +import java.io.ByteArrayInputStream; +import java.io.ByteArrayOutputStream; +import java.io.IOException; +import java.nio.charset.StandardCharsets; +import java.util.LinkedHashMap; +import java.util.Map; +import java.util.zip.ZipEntry; +import java.util.zip.ZipInputStream; +import java.util.zip.ZipOutputStream; + +import static org.junit.jupiter.api.Assertions.*; + +/** + * Удаление OLE-объектов из docx (docx4j падает и на ложном XML-типе + * bin-части, и на VML w:object, см. OleObjectNormalizer). + * Многочастный нормализатор — тесты через normalize на in-memory zip. + */ +class OleObjectNormalizerTest { + + private static final String CT_LIE = + "" + + "" + + "" + + "" + + "" + + "" + + ""; + + private static final String CT_OLE = + "" + + "" + + "" + + "" + + "" + + "" + + ""; + + private static final String ROOT_RELS = + "" + + "" + + "" + + ""; + + /** Документ без w:object. */ + private static final String DOC_PLAIN = + "" + + "before"; + + /** Документ с w:object между текстами. */ + private static final String DOC_OBJECT = + "" + + "before" + + "" + + "" + + "after"; + + private static final String DOCRELS_TO_BIN = + "" + + "" + + "" + + ""; + + private static final byte[] BIN = {'P', 'K', 3, 4, 0, 1, 2, (byte) 0xFF}; + + private static byte[] zip(Map entries) throws IOException { + ByteArrayOutputStream out = new ByteArrayOutputStream(); + try (ZipOutputStream zos = new ZipOutputStream(out)) { + for (Map.Entry e : entries.entrySet()) { + zos.putNextEntry(new ZipEntry(e.getKey())); + zos.write(e.getValue()); + zos.closeEntry(); + } + } + return out.toByteArray(); + } + + private static byte[] utf8(String s) { + return s.getBytes(StandardCharsets.UTF_8); + } + + /** Форма «ложь продюсера»: Default bin -> footer+xml + осиротевший bin + rel. */ + private static byte[] lyingDocx() throws IOException { + Map m = new LinkedHashMap<>(); + m.put("[Content_Types].xml", utf8(CT_LIE)); + m.put("_rels/.rels", utf8(ROOT_RELS)); + m.put("word/document.xml", utf8(DOC_PLAIN)); + m.put("word/_rels/document.xml.rels", utf8(DOCRELS_TO_BIN)); + m.put("word/_embedded/ole.bin", BIN); + return zip(m); + } + + /** Настоящий w:object + честный Override -> oleObject. */ + private static byte[] referencedDocx() throws IOException { + Map m = new LinkedHashMap<>(); + m.put("[Content_Types].xml", utf8(CT_OLE)); + m.put("_rels/.rels", utf8(ROOT_RELS)); + m.put("word/document.xml", utf8(DOC_OBJECT)); + m.put("word/_rels/document.xml.rels", utf8(DOCRELS_TO_BIN)); + m.put("word/_embedded/ole.bin", BIN); + return zip(m); + } + + private static Map unzip(byte[] z) throws IOException { + Map m = new LinkedHashMap<>(); + try (ZipInputStream zis = new ZipInputStream(new ByteArrayInputStream(z))) { + ZipEntry e; + while ((e = zis.getNextEntry()) != null) { + m.put(e.getName(), zis.readAllBytes()); + } + } + return m; + } + + private static String readEntry(byte[] zip, String name) throws IOException { + byte[] data = unzip(zip).get(name); + assertNotNull(data, "нет записи " + name); + return new String(data, StandardCharsets.UTF_8); + } + + @Test + void oleBinWithXmlTypeRemoved() throws Exception { + byte[] result = OleObjectNormalizer.normalize(lyingDocx(), false); + + Map entries = unzip(result); + assertFalse(entries.containsKey("word/_embedded/ole.bin"), + "bin-часть с ложным XML-типом обязана быть удалена"); + String rels = readEntry(result, "word/_rels/document.xml.rels"); + assertFalse(rels.contains("_embedded/ole.bin"), + "rel на удалённую часть обязан исчезнуть: " + rels); + // прочие entries — байтово идентичны + Map before = unzip(lyingDocx()); + assertArrayEquals(before.get("word/document.xml"), entries.get("word/document.xml")); + assertArrayEquals(before.get("_rels/.rels"), entries.get("_rels/.rels")); + assertArrayEquals(before.get("[Content_Types].xml"), entries.get("[Content_Types].xml")); + } + + @Test + void referencedOleRemovedWithObjectElement() throws Exception { + byte[] result = OleObjectNormalizer.normalize(referencedDocx(), false); + + String doc = readEntry(result, "word/document.xml"); + assertFalse(doc.contains("w:object"), "w:object обязан быть вырезан: " + doc); + assertTrue(doc.contains("before") && doc.contains("after"), + "тексты вокруг объекта обязаны сохраниться: " + doc); + Map entries = unzip(result); + assertFalse(entries.containsKey("word/_embedded/ole.bin")); + assertFalse(readEntry(result, "word/_rels/document.xml.rels").contains("ole.bin")); + String ct = readEntry(result, "[Content_Types].xml"); + assertFalse(ct.contains("/word/_embedded/ole.bin"), + "Override удалённой части обязан исчезнуть: " + ct); + assertTrue(ct.contains("/word/document.xml"), + "чужой Override обязан сохраниться: " + ct); + } + + @Test + void errorOnOleThrowsDrawingFound() throws Exception { + DrawingFoundException ex = assertThrows(DrawingFoundException.class, + () -> OleObjectNormalizer.normalize(referencedDocx(), true)); + assertEquals(DrawingFoundException.Kind.OLE, ex.kind()); + } + + @Test + void printerSettingsBinUntouched() throws Exception { + Map m = new LinkedHashMap<>(); + m.put("[Content_Types].xml", utf8( + "" + + "" + + "" + + "" + + "" + + "")); + m.put("_rels/.rels", utf8(ROOT_RELS)); + m.put("word/document.xml", utf8(DOC_PLAIN)); + m.put("word/printSettings.bin", BIN); + byte[] docx = zip(m); + + assertSame(docx, OleObjectNormalizer.normalize(docx, false)); + } + + @Test + void noOleReturnsOriginalArray() throws Exception { + Map m = new LinkedHashMap<>(); + m.put("[Content_Types].xml", utf8( + "" + + "" + + "" + + "" + + "")); + m.put("_rels/.rels", utf8(ROOT_RELS)); + m.put("word/document.xml", utf8(DOC_PLAIN)); + byte[] docx = zip(m); + + assertSame(docx, OleObjectNormalizer.normalize(docx, false)); + assertSame(docx, OleObjectNormalizer.normalize(docx, true)); + } + + @Test + void externalHyperlinkRelNotTouched() throws Exception { + Map m = new LinkedHashMap<>(); + m.put("[Content_Types].xml", utf8(CT_LIE)); + m.put("_rels/.rels", utf8(ROOT_RELS)); + m.put("word/document.xml", utf8(DOC_PLAIN)); + m.put("word/_rels/document.xml.rels", utf8( + "" + + "" + + "" + + "" + + "")); + m.put("word/_embedded/ole.bin", BIN); + + String rels = readEntry(OleObjectNormalizer.normalize(zip(m), false), + "word/_rels/document.xml.rels"); + assertTrue(rels.contains("https://example.com/"), + "внешняя гиперссылка не должна удаляться: " + rels); + assertFalse(rels.contains("_embedded/ole.bin"), + "rel на OLE-часть обязан исчезнуть: " + rels); + } +} diff --git a/wordpdf-core/src/test/resources/samples/ole-embedded.docx b/wordpdf-core/src/test/resources/samples/ole-embedded.docx new file mode 100644 index 0000000000000000000000000000000000000000..8c4582a1b66b03ed1fe629a8953fc3ae00614fe7 GIT binary patch literal 2095 zcmWIWW@Zs#U|`^2&{!T8yQb;0g)}1r!!afX24SFRv~zx5Norn6d`M+MYH_SyMQ+a0 zNvHjs32l=17n#B;C{%d!=kxjbdb0lJ z2fIy|yy1whyvwtc!6ZfY+uEAB_PlvZPq;3=I!_>KXRFTg$scQ^6}i79zAOAXf8A2X{&xBk3fyW(O&#bTaBMxExM>=P${Fk0>X=vFCmA!+@^e zwQ;UngO0zLd$Bcjt6MdTWWaSx=4ofNHZ1+QBqdpi+48f(L37!_#*(9aE9+F%KK#r- z@qVUM*}I}omyXu71x&r%aCu+H--+j2cb%3>Ki<GG1#6eUfqt6lD8MzOU7T-M`QsjbDnLCAbr!l2MnB zG|Le&SoVZ}j=SZggAo?~X8vsAJj-I(&f1>R&U$ov)18kWG7sEJnJXk<70UQp-2eZL zJP9>VclG?XoL_~Hv?r$W%$n5D&fT@TeD?{R56hmd7N0GS>Z{@pa}rJfedNi^z#s_p zRe63C!*H{$y^PrZlOn zSMGwNX1~DGw`Inw*k12tb#G#g2}#zhR$9MF=bCMV?D`AMk7K$IW<4?}x!JMsBV%^Q z#IJ8B#6JJ2wfUBX<>{9H6Ax}PHGT7pO>H7Wv)VkxZ^w>rzO``5?*~_Owr*I)C$Vv< zYj2qBn}TBx_ZI|jt(=_sg==>5t=cH3sEpqqe)=VRmCX`jndriL$1rEp6z}YcgMKUC zK3kBq-j?I?6d`tvN#~C@>dN^#?~Qso@80)>UGuI?I&Wmyb5+)4))o$}kB4fDby>BH zrp#C?*XDKIKINEc`ro%~qUPTXzJ9Cu(zAQBs7a6w+naagOKVcNUVD9 zABt7arhZbkO4_`1MvKr3Y3I0G8h)nwm-kBj%&#u-7Kqz9`D~rrF`Ic2`>KDb9{aMX z>rw2!Nj2|&?upXBzA}QT=3-+$XYC=K`zjtDeN&76n)wH|x@73zWQ_6?Gp{V1#C(^* ze&_6(xrf9i{^QtfJNHnH+}k^mWp#`CE4+X2onuKN3x73_V*I{8 zH{aMbi_1^x?p~AdqDtV1mDKUDgP$Khd?n_x@&sFLN>ITPrrmF!b=q7r3lf{&mBFLO zH7)A$+$pa5A{$B!1-GA*DL!!PR8FeX-?nK_ZhSX4`k!{dGWbnz(;jo?j>Co*>u(g! zo4f4yiu=rkv5|_4mmhyQwIny-%(PWa;#|U#&d;vM>^^CDqIB}dNosmqMCx>yB-@MJ z-Y*vmn1175YGJKs_vNjxJ$deXp4jZ3zn=j$Sc;ZTcq9i54p5MY!-FL?Hz_qGB{fAq zKPS~tFDWyR`$JmV$M1z#zw&c^DELxbdhzSWlB-`o^Iz=!@RbqGNTGkt%cX!uN#Hcn z2-(Qeucbw$g@r&Pu^Y!Caw^yXXp|?iak;4}nTh&oi8(n*iOJb|1$pVOc|H_Be>&+= zQbNLmuU`r{nJ)DxoH@v*^3=7zq)9bK##!r`ifTj3zyIlJ2?@ywy!ZG2;+k;!!OK_A zH=Wa5$O-fVBa;X-?urCxI~X(oiw>;S3c3O4r6)u?149F&56}ptvJ_n-dI5#ds02*A z7{wL3cJzdf&@RaW)s7?Cqnm`DHV`Hmu)<8jNGa%spr;0eA(null) const urlRef = useRef(null) @@ -57,6 +58,7 @@ export default function App() { convertDocx(file, ac.signal, { errorOnCharts, errorOnSmartArt, + errorOnOle, }) .then(({ blob, filename }) => { const url = URL.createObjectURL(blob) @@ -164,8 +166,20 @@ export default function App() { ошибка, если найден +
+ OLE-объекты + +
-