feat: валидация контейнера .docx и защита от zip-бомбы в WordPdfValidator.validate
PR checks / java (pull_request) Successful in 1m24s
PR checks / web (pull_request) Successful in 48s

- checkDocxContainer: потоковый проход по zip — декларация wordprocessingml.document
  в [Content_Types].xml (голый zip / переименованный .xlsx → 400, а не 500 на docx4j)
  + лимиты MAX_DECOMPRESSED_MB (200) / MAX_ZIP_ENTRIES (8192) — бомба отсекается
  до readAllBytes в checkPageCount; пороги константные, не ConvertOptions
- регрессии: validate_plainZipRejected/xlsxRenamedRejected/zipBombRejected/
  tooManyEntriesRejected, inputNotDocx_rejectedBeforeRender, plainZipNotDocx_rejected;
  junkInsideValidZip_conversionError — на валидном контейнере с мусором (500)
- прод-автест test_plain_zip_not_docx_rejected; AGENTS.md синхронизирован
This commit is contained in:
Pjandro
2026-10-20 21:14:28 +00:00
parent 903eb71210
commit 6f57c8a80f
7 changed files with 291 additions and 18 deletions
@@ -15,6 +15,12 @@ public final class WordPdfSettings {
/** Документ длиннее — ошибка (дефолт). */
public static final int MAX_PAGES = 100;
/** Потолок суммарного распакованного размера архива (МБ) — защита от zip-бомбы. */
public static final long MAX_DECOMPRESSED_MB = 200;
/** Потолок числа записей в архиве — защита от бомбы «много записей». */
public static final int MAX_ZIP_ENTRIES = 8192;
/**
* Генерация диаграмм (c:chart → PNG, chart-движок). {@code false} — диаграммы
* не рендерятся и остаются в docx, откуда docx2fo выбрасывает их молча,
@@ -4,8 +4,10 @@ import javax.xml.stream.XMLInputFactory;
import javax.xml.stream.XMLStreamException;
import javax.xml.stream.XMLStreamReader;
import java.io.ByteArrayInputStream;
import java.io.ByteArrayOutputStream;
import java.io.IOException;
import java.io.InputStream;
import java.nio.charset.StandardCharsets;
import java.util.ArrayDeque;
import java.util.ArrayList;
import java.util.Deque;
@@ -15,7 +17,8 @@ import java.util.zip.ZipInputStream;
/**
* Валидатор ограничений на входной .docx:
* размер входа и число страниц.
* размер входа, корректность контейнера (.docx-манифест, защита от
* zip-бомбы) и число страниц.
*
* <p>Вход валидатора — только {@code byte[]}: файловых проверок нет,
* работа с файлами — забота вызывающего (приложения).
@@ -27,10 +30,20 @@ import java.util.zip.ZipInputStream;
* <p>Лимиты по умолчанию:
* <ul>
* <li>{@link WordPdfSettings#MAX_INPUT_MB} — максимальный размер входного .docx (МБ);</li>
* <li>{@link WordPdfSettings#MAX_PAGES} — максимально допустимое число страниц.</li>
* <li>{@link WordPdfSettings#MAX_PAGES} — максимально допустимое число страниц;</li>
* <li>{@link WordPdfSettings#MAX_DECOMPRESSED_MB} — потолок суммарного
* распакованного размера архива (МБ);</li>
* <li>{@link WordPdfSettings#MAX_ZIP_ENTRIES} — потолок числа записей
* в архиве.</li>
* </ul>
* Оба переопределяются на вызов: перегрузками с явным лимитом или
* Первые два переопределяются на вызов: перегрузками с явным лимитом или
* {@link ConvertOptions} (конвертер {@link WordPdfConverter} применяет их сам).
* Последние два — защитные константные пороги ({@link #validate(byte[], ConvertOptions)}),
* {@link ConvertOptions} их не переопределяет.
*
* <p>Проверка контейнера: архив обязан декларировать документ
* wordprocessingml в {@code [Content_Types].xml} — иначе это не .docx
* (обычный zip, переименованный .xlsx/.pptx).
*
* <p>Число страниц берётся из самого .docx как максимум трёх нижних
* оценок: кэша Word в {@code docProps/app.xml} ({@code <Pages>}),
@@ -102,8 +115,10 @@ public final class WordPdfValidator {
*
* <p>Не-zip байты не отвергаются: {@code ZipInputStream} доходит до EOF
* без единой записи — молча, оценка «1 страница». Корректность контейнера
* по zip-подписи проверяет {@link #validate(byte[], ConvertOptions)}
* (регрессия — {@code WordPdfValidatorTest#validate_notAZip}).
* проверяет {@link #validate(byte[], ConvertOptions)}: zip-подпись,
* .docx-манифест и распакованный размер (регрессия —
* {@code WordPdfValidatorTest#validate_notAZip}); поэтому вызывать
* {@code checkPageCount} напрямую допустимо только над доверенным входом.
* @throws ValidationException при {@code null}, ошибке разбора zip или превышении {@link WordPdfSettings#MAX_PAGES}
*/
public static void checkPageCount(byte[] docxBytes) throws ValidationException {
@@ -149,7 +164,8 @@ public final class WordPdfValidator {
}
/**
* Полная проверка входа: размер → zip-подпись → число страниц. Порядок
* Полная проверка входа: размер → zip-подпись → контейнер (.docx +
* zip-бомба) → число страниц. Порядок
* значим: размер — дешёвая, разбор zip без подписи бессмысленен. Лимиты
* берутся из {@link ConvertOptions} (переопределение на вызов, см.
* {@link ConvertOptions#maxMb()}, {@link ConvertOptions#maxPages()}).
@@ -161,8 +177,19 @@ public final class WordPdfValidator {
* {@code WordPdfValidatorTest#validate_notAZip} (на HTTP-границе —
* {@code ConvertControllerTest#corruptNotAZip_rejected}).</p>
*
* <p>Проверка контейнера: в {@code [Content_Types].xml} обязана быть
* декларация документа wordprocessingml (архив без неё — не .docx);
* zip-бомба отсекается потоковым счётчиком распакованных байт
* ({@link WordPdfSettings#MAX_DECOMPRESSED_MB}) и числом записей
* ({@link WordPdfSettings#MAX_ZIP_ENTRIES}) — до загрузки содержимого
* в память в {@link #checkPageCount(byte[], int)}. Оба лимита —
* защитные пороги, {@link ConvertOptions} их не переопределяет.
* Регрессии — {@code WordPdfValidatorTest#validate_plainZipRejected},
* {@code #validate_xlsxRenamedRejected}, {@code #validate_zipBombRejected},
* {@code #validate_tooManyEntriesRejected}.</p>
* @throws ValidationException при {@code null}, превышении {@code options.maxMb()},
* отсутствии zip-подписи, ошибке разбора zip или превышении {@code options.maxPages()}
* отсутствии zip-подписи, не-.docx-контейнере, признаках zip-бомбы,
* ошибке разбора zip или превышении {@code options.maxPages()}
*/
public static void validate(byte[] docxBytes, ConvertOptions options) throws ValidationException {
checkInput(docxBytes, options.maxMb());
@@ -170,9 +197,82 @@ public final class WordPdfValidator {
|| (docxBytes[2] & 0xFF) != 0x03 || (docxBytes[3] & 0xFF) != 0x04) {
throw new ValidationException("Содержимое не похоже на .docx (не zip-архив)");
}
checkDocxContainer(docxBytes);
checkPageCount(docxBytes, options.maxPages());
}
/**
* Один потоковый проход по zip: суммарный распакованный размер и число
* записей (защита от zip-бомбы — отсечение ДО {@code readAllBytes}
* в {@link #checkPageCount(byte[], int)}) и наличие в
* {@code [Content_Types].xml} декларации документа wordprocessingml
* (архив без неё — не .docx: обычный zip, переименованный .xlsx/.pptx).
*/
private static void checkDocxContainer(byte[] docxBytes) throws ValidationException {
long maxTotal = WordPdfSettings.MAX_DECOMPRESSED_MB * 1024 * 1024;
long total = 0;
int entries = 0;
ByteArrayOutputStream ctBuf = new ByteArrayOutputStream();
try (ZipInputStream zip = new ZipInputStream(new ByteArrayInputStream(docxBytes))) {
ZipEntry entry;
while ((entry = zip.getNextEntry()) != null) {
if (!entry.isDirectory()) {
entries++;
if (entries > WordPdfSettings.MAX_ZIP_ENTRIES) {
throw new ValidationException("Слишком много записей в архиве: больше "
+ WordPdfSettings.MAX_ZIP_ENTRIES);
}
}
boolean isCt = "[Content_Types].xml".equals(entry.getName());
byte[] buf = new byte[8192];
int n;
while ((n = zip.read(buf)) > 0) {
total += n;
if (total > maxTotal) {
throw new ValidationException("Распакованный размер архива больше "
+ WordPdfSettings.MAX_DECOMPRESSED_MB + " МБ (признак zip-бомбы)");
}
if (isCt) {
if (ctBuf.size() + n > 8 * 1024 * 1024) {
throw new ValidationException(
"Слишком большой [Content_Types].xml: больше 8 МБ");
}
ctBuf.write(buf, 0, n);
}
}
}
} catch (ValidationException e) {
throw e;
} catch (IOException | RuntimeException e) {
throw new ValidationException("Не удалось разобрать байты .docx", e);
}
// Маркер — подстрока content-type части документа
// (application/vnd.openxmlformats-officedocument.wordprocessingml.document.main+xml):
// URI пространства имён wml в [Content_Types].xml не появляется ни у
// одного генератора (Word/POI/docx4j пишут только content-type), а в
// манифестах .xlsx/.pptx стоит spreadsheetml/presentationml — не матчится.
String marker = "wordprocessingml.document";
if (!containsAscii(ctBuf.toByteArray(), marker)) {
throw new ValidationException("Архив не является .docx: в [Content_Types].xml нет "
+ "декларации документа wordprocessingml");
}
}
/** Поиск байтов ASCII-строки в массиве (манифест ограничен 8 МБ — наивного поиска достаточно). */
private static boolean containsAscii(byte[] data, String needle) {
byte[] pat = needle.getBytes(StandardCharsets.UTF_8);
outer:
for (int i = 0; i + pat.length <= data.length; i++) {
for (int j = 0; j < pat.length; j++) {
if (data[i + j] != pat[j]) {
continue outer;
}
}
return true;
}
return false;
}
/** Поставщик потока по имени части zip; null — части нет. */
private interface PartStream {
InputStream open(String name) throws IOException;
@@ -463,6 +463,25 @@ class WordPdfConverterTest {
"сообщение должно упоминать zip-подпись: " + ex.getMessage());
}
/**
* Валидный zip без манифеста wordprocessingml — отказ как некорректный
* вход (ValidationException) до рендера, а не ошибка загрузки docx4j.
* Регрессия — WordPdfValidatorTest#validate_plainZipRejected.
*/
@Test
void inputNotDocx_rejectedBeforeRender() throws IOException {
ByteArrayOutputStream out = new ByteArrayOutputStream();
try (ZipOutputStream zos = new ZipOutputStream(out)) {
zos.putNextEntry(new ZipEntry("hello.txt"));
zos.write("не документ".getBytes(StandardCharsets.UTF_8));
zos.closeEntry();
}
ValidationException ex = assertThrows(ValidationException.class, () ->
WordPdfConverter.convert(out.toByteArray(), "x"));
assertTrue(ex.getMessage().contains("не является .docx"),
"сообщение должно указывать на не-.docx-контейнер: " + ex.getMessage());
}
/**
* Лимит размера переопределяется {@link ConvertOptions} на вызов:
* maxMb=1 отсекает вход больше 1 MiB до рендера, сообщение содержит
@@ -1,5 +1,6 @@
package ru.pjandro.wordpdf;
import org.apache.poi.xssf.usermodel.XSSFWorkbook;
import org.apache.poi.xwpf.usermodel.BreakType;
import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.apache.poi.xwpf.usermodel.XWPFParagraph;
@@ -284,6 +285,92 @@ class WordPdfValidatorTest {
"сообщение должно упоминать zip-подпись: " + ex.getMessage());
}
/**
* Валидный zip, не являющийся .docx (в {@code [Content_Types].xml} нет
* декларации wordprocessingml), отвергается валидацией — а не доходит
* до загрузки docx4j. Регрессия — WordPdfValidator#checkDocxContainer
* (на HTTP-границе — {@code ConvertControllerTest#plainZipNotDocx_rejected}).
*/
@Test
void validate_plainZipRejected() throws Exception {
ByteArrayOutputStream out = new ByteArrayOutputStream();
try (ZipOutputStream zos = new ZipOutputStream(out)) {
zos.putNextEntry(new ZipEntry("hello.txt"));
zos.write("не документ".getBytes(StandardCharsets.UTF_8));
zos.closeEntry();
}
byte[] zip = out.toByteArray();
ValidationException ex = assertThrows(ValidationException.class,
() -> WordPdfValidator.validate(zip, ConvertOptions.defaults()));
assertTrue(ex.getMessage().contains("не является .docx"),
"zip без манифеста wordprocessingml — не .docx: " + ex.getMessage());
}
/**
* .xlsx под .docx-суффиксом: манифест xlsx декларирует spreadsheetml,
* не wordprocessingml — отказ как не-.docx, а не 500 на загрузке docx4j.
* Регрессия — WordPdfValidator#checkDocxContainer.
*/
@Test
void validate_xlsxRenamedRejected() throws Exception {
ByteArrayOutputStream out = new ByteArrayOutputStream();
try (XSSFWorkbook wb = new XSSFWorkbook()) {
wb.createSheet("S1");
wb.write(out);
}
byte[] xlsx = out.toByteArray();
ValidationException ex = assertThrows(ValidationException.class,
() -> WordPdfValidator.validate(xlsx, ConvertOptions.defaults()));
assertTrue(ex.getMessage().contains("не является .docx"),
"манифест xlsx — spreadsheetml: " + ex.getMessage());
}
/**
* Zip-бомба: распакованный суммарный размер больше
* {@link WordPdfSettings#MAX_DECOMPRESSED_MB} отсекается потоково — до
* {@code readAllBytes} в {@code checkPageCount} (без проверки валидатор
* прочитал бы 200+ МБ в память). Регрессия — WordPdfValidator#checkDocxContainer.
*/
@Test
void validate_zipBombRejected() throws Exception {
ByteArrayOutputStream out = new ByteArrayOutputStream();
try (ZipOutputStream zos = new ZipOutputStream(out)) {
zos.putNextEntry(new ZipEntry("word/document.xml"));
zos.write(new byte[1024]);
zos.closeEntry();
zos.putNextEntry(new ZipEntry("bomb.bin"));
zos.write(new byte[(int) (WordPdfSettings.MAX_DECOMPRESSED_MB * 1024 * 1024) + 1]);
zos.closeEntry();
}
byte[] zip = out.toByteArray();
ValidationException ex = assertThrows(ValidationException.class,
() -> WordPdfValidator.validate(zip, ConvertOptions.defaults()));
assertTrue(ex.getMessage().contains("zip-бомбы"), ex.getMessage());
assertTrue(ex.getMessage().contains(String.valueOf(WordPdfSettings.MAX_DECOMPRESSED_MB)),
"сообщение должно упоминать лимит: " + ex.getMessage());
}
/**
* Бомба «много записей»: больше {@link WordPdfSettings#MAX_ZIP_ENTRIES}
* записей отвергаются до разбора содержимого.
* Регрессия — WordPdfValidator#checkDocxContainer.
*/
@Test
void validate_tooManyEntriesRejected() throws Exception {
ByteArrayOutputStream out = new ByteArrayOutputStream();
try (ZipOutputStream zos = new ZipOutputStream(out)) {
for (int i = 0; i <= WordPdfSettings.MAX_ZIP_ENTRIES; i++) {
zos.putNextEntry(new ZipEntry("e" + i + ".txt"));
zos.write(new byte[] {1});
zos.closeEntry();
}
}
byte[] zip = out.toByteArray();
ValidationException ex = assertThrows(ValidationException.class,
() -> WordPdfValidator.validate(zip, ConvertOptions.defaults()));
assertTrue(ex.getMessage().contains("записей"), ex.getMessage());
}
@Test
void validate_tooManyPages() throws Exception {
byte[] bytes = docxWithPageBreaks(120);