fix(core): находки ревью — капа глубины OMML, арифметика лимитов, тесты деградаций, доки
PR checks / web (pull_request) Successful in 9s
PR checks / macos-sim (pull_request) Successful in 1m44s
PR checks / java (pull_request) Successful in 3m31s

- M-2: MathModel — капа вложенности OMML MAX_DEPTH=64 (deeper() в MathCtx) + капа flatten MAX_TEXT_DEPTH; WordPdfConverter.convert — catch StackOverflowError; регрессии MathModelTest#deepNesting_*, WordPdfConverterTest#ommlDeepNesting_flattenedToText
- m-2: WordPdfValidator — multiplyExact для maxBytes/max* бюджетов, переполнение maxMb -> ValidationException (400)
- m-9: ChartSpec.parseDouble — non-finite (NaN/Infinity) -> null, как не-число
- M-1: DrawingPreRendererTest — 7 тестов деградаций run(): битая chart-часть, отказ рендера, wp:anchor, бюджет math-PNG, w:br в m:r, пустая формула, oMathPara jc=center
- m-7: тесты null-options (convert/validate) и краёв JPEG rasterArea
- m-3: удалены мёртвые normalize() у FieldNormalizer/GlyphCoverageNormalizer (конвейер использует rewrite)
- I-4: DocxRewritePipeline/OleObjectNormalizer — try-with-resources на in-memory zip-потоках
- I-5: OfficeArt (DIB) и Styles (STSH) — warn в молчаливых деградациях моста
- m-1/m-4/m-5/m-8/m-10/I-6: нумерация правил 1-11 в javadoc/xslt, Регрессия-ссылки (сироты исправлены), MS-OI29500 §2.1.44, ToggleOperand 0x80/0x81 §2.9.327, карта pieces §2.9.73, счётчики 1021 тест
This commit is contained in:
Pjandro
2026-11-23 00:06:49 +03:00
parent b558fe1c30
commit 7016df5434
24 changed files with 534 additions and 132 deletions
@@ -158,7 +158,7 @@ public final class WordPdfConverter {
* lightweight-скан по zip, для .doc — по чистому бинарному документу до
* конвертации. Повторного скана по нормализованным байтам нет: правила
* 1–11 {@code DocxRewritePipeline} число учитываемых разрывов не
* увеличивают (правило 9 способно только убрать разрыв внутри скрытого
* увеличивают (правило 10 способно только убрать разрыв внутри скрытого
* рана — счёт по сырому входу остаётся верхней оценкой лимита), а скан
* внутри живой JAXB-модели удваивал бы пиковую память.
*
@@ -208,6 +208,11 @@ public final class WordPdfConverter {
throw e;
} catch (Exception e) {
throw new ConversionException("Не удалось конвертировать документ", e);
} catch (StackOverflowError e) {
// Глубокая вложенность XML: JAXB-разбор рекурсивен и может
// разогнать стек раньше капы MathModel — детерминированный
// отказ вместо Error.
throw new ConversionException("Не удалось конвертировать документ", e);
}
return bos.toByteArray();
}
@@ -455,21 +460,22 @@ public final class WordPdfConverter {
/**
* Конвейер байтовой нормализации docx. Порядок фиксирован: сначала один
* zip-проход переписывания XML-частей (внутри части порядок рерайтов
* Strict→OnOff→Symbol→Field→Invisible→GlyphCoverage→TableIndent→
* NumberingSuffix→Hidden→Ruby→MathFallback значим: Strict первым — дальше transitional-байт;
* GlyphCoverage — по финальному тексту рана; Hidden — вырезает скрытые
* раны по финальному содержимому; Ruby — разворачивает руби-разметку,
* которую схема docx4j не биндит; MathFallback — деградирует OMML-формулы
* в текст m:t, когда JEuclid недоступен), затем OleObjectNormalizer
* (меняет части, а не XML ранов).
* Strict→OnOff→Symbol→Field→Invisible→MathFallback→GlyphCoverage→TableIndent→
* NumberingSuffix→Hidden→Ruby значим: Strict первым — дальше transitional-байт;
* MathFallback — деградирует OMML-формулы в текст m:t, когда JEuclid
* недоступен, и следующий GlyphCoverage покрывает этот текст кириллицей
* бандла; GlyphCoverage — по финальному тексту рана; Hidden — вырезает
* скрытые раны по финальному содержимому; Ruby — разворачивает
* руби-разметку, которую схема docx4j не биндит), затем
* OleObjectNormalizer (меняет части, а не XML ранов).
* Регрессии каждого рерайта — в javadoc соответствующего нормализатора.
*/
private static List<DocxNormalizer> normalizers(ConvertOptions options) {
return List.of(
// один zip-проход: strict→transitional, on/off, Symbol-PUA,
// поля PAGE/NUMPAGES, невидимки, покрытие глифов, tblInd при
// jc≠left, suff=space, скрытый текст (vanish), снятие обёртки
// w:ruby, OMML-фолбэк в текст — порядок
// поля PAGE/NUMPAGES, невидимки, OMML-фолбэк в текст, покрытие
// глифов, tblInd при jc≠left, suff=space, скрытый текст
// (vanish), снятие обёртки w:ruby — порядок
// рерайтов внутри части фиксирован (DocxRewritePipeline)
DocxRewritePipeline.STEP,
// OLE-объекты: при выключенном errorOnOle тихо удаляем
@@ -94,7 +94,12 @@ public final class WordPdfValidator {
if (docxBytes == null) {
throw new ValidationException("Не указаны байты входного файла");
}
long maxBytes = maxMb * 1024 * 1024;
long maxBytes;
try {
maxBytes = Math.multiplyExact(maxMb, 1048576L);
} catch (ArithmeticException e) {
throw new ValidationException("Лимит maxMb слишком велик: " + maxMb);
}
if (docxBytes.length > maxBytes) {
throw new ValidationException("Файл больше " + maxMb + " МБ: "
+ docxBytes.length + " байт > " + maxBytes + " байт");
@@ -283,11 +288,18 @@ public final class WordPdfValidator {
|| (docxBytes[2] & 0xFF) != 0x03 || (docxBytes[3] & 0xFF) != 0x04) {
throw new ValidationException("Содержимое не похоже на .docx или .doc (не zip-архив)");
}
checkDocxContainer(docxBytes,
maxDecompressedBytes(options.maxMb(), options.maxPages()),
maxDecompressedXmlBytes(options.maxMb(), options.maxPages()),
maxZipEntries(options.maxMb(), options.maxPages()),
maxImagePixels(options.maxMb()));
try {
checkDocxContainer(docxBytes,
maxDecompressedBytes(options.maxMb(), options.maxPages()),
maxDecompressedXmlBytes(options.maxMb(), options.maxPages()),
maxZipEntries(options.maxMb(), options.maxPages()),
maxImagePixels(options.maxMb()));
} catch (ArithmeticException e) {
// Бюджеты считаются multiplyExact от maxMb/maxPages: экстремальный
// лимит — отказ валидации (400), а не сырой ArithmeticException.
throw new ValidationException(
"Лимит maxMb слишком велик: " + options.maxMb());
}
checkPageCount(docxBytes, options.maxPages());
}
@@ -22,14 +22,14 @@ import org.apache.commons.compress.utils.SeekableInMemoryByteChannel;
* шестым — flatten unsupported-формул даёт обычный текст ранов, который
* следующий GlyphCoverage покрывает кириллицей бандла; GlyphCoverage
* режет раны по финальному тексту рана (после Symbol/Invisible); Hidden
* девятым — вырезает уже финальные раны (после Symbol/GLYPH-разбиений),
* десятым — вырезает уже финальные раны (после Symbol/GLYPH-разбиений),
* а его OnOff-форма vanish читается после правила 2. Каждый
* рерайт работает только содержимым одной части, поэтому по-частная
* цепочка эквивалентна последовательным полным проходам. Исключения из
* «по-частности» — контексты, читаемые один раз до цикла: правило 7
* «по-частности» — контексты, читаемые один раз до цикла: правило 8
* (TableIndent) — у header/footer-частей своей sectPr нет, ширина полосы
* передаётся из document.xml (многосекционный документ — полоса
* неоднозначна, header/footer пропускаются); правило 9 (Hidden) —
* неоднозначна, header/footer пропускаются); правило 10 (Hidden) —
* стилевые vanish читаются из word/styles.xml (цепочка w:basedOn).
*
* <p>Неизменённые записи (медиа, rels, прочее) переносятся raw-копией
@@ -65,7 +65,7 @@ public final class DocxRewritePipeline {
boolean changed = false;
try (ZipFile zf = new ZipFile(new SeekableInMemoryByteChannel(docx));
ZipArchiveOutputStream zos = new ZipArchiveOutputStream(out)) {
// Ширина полосы набора для правила 7 (таблицы в header/footer-
// Ширина полосы набора для правила 8 (таблицы в header/footer-
// частях своей sectPr не содержат): из сырого document.xml —
// геометрия инвариантна к рерайтам цепочки (Strict не трогает
// w:pgSz/@w:w; у strict CT_PageMar start/end нет вовсе —
@@ -75,26 +75,30 @@ public final class DocxRewritePipeline {
int band = -1;
ZipArchiveEntry docEntry = zf.getEntry("word/document.xml");
if (docEntry != null) {
band = TableIndentNormalizer.bandOf(
new String(zf.getInputStream(docEntry).readAllBytes(),
StandardCharsets.UTF_8));
try (InputStream in = zf.getInputStream(docEntry)) {
band = TableIndentNormalizer.bandOf(
new String(in.readAllBytes(), StandardCharsets.UTF_8));
}
}
// Стилевые vanish для правила 9 (скрытый текст): часть стилевой
// Стилевые vanish для правила 10 (скрытый текст): часть стилевой
// цепочки w:basedOn вычисляется один раз до цикла. Записи нет →
// пустое множество, рерайт работает по прямому vanish.
Set<String> hiddenStyles = Set.of();
ZipArchiveEntry stylesEntry = zf.getEntry("word/styles.xml");
if (stylesEntry != null) {
hiddenStyles = HiddenTextNormalizer.vanishStyles(
new String(zf.getInputStream(stylesEntry).readAllBytes(),
StandardCharsets.UTF_8));
try (InputStream in = zf.getInputStream(stylesEntry)) {
hiddenStyles = HiddenTextNormalizer.vanishStyles(
new String(in.readAllBytes(), StandardCharsets.UTF_8));
}
}
for (ZipArchiveEntry entry : Collections.list(zf.getEntries())) {
String name = entry.getName();
byte[] rewritten = null;
if (name.startsWith("word/") && name.endsWith(".xml")) {
String xml = new String(zf.getInputStream(entry).readAllBytes(),
StandardCharsets.UTF_8);
String xml;
try (InputStream in = zf.getInputStream(entry)) {
xml = new String(in.readAllBytes(), StandardCharsets.UTF_8);
}
String cur = xml;
String next = StrictOoxmlNormalizer.rewritePart(name, cur);
if (next != null) {
@@ -168,7 +172,9 @@ public final class DocxRewritePipeline {
} else {
// прочие методы/шифрованные — обычный перенос
zos.putArchiveEntry(new ZipArchiveEntry(name));
zf.getInputStream(entry).transferTo(zos);
try (InputStream in = zf.getInputStream(entry)) {
in.transferTo(zos);
}
zos.closeArchiveEntry();
}
}
@@ -1,13 +1,6 @@
package ru.pjandro.wordpdf.internal;
import java.io.ByteArrayInputStream;
import java.io.ByteArrayOutputStream;
import java.io.IOException;
import java.nio.charset.StandardCharsets;
import java.util.Locale;
import java.util.zip.ZipEntry;
import java.util.zip.ZipInputStream;
import java.util.zip.ZipOutputStream;
/**
* Разворачивание «сложных» полей PAGE/NUMPAGES в {@code w:fldSimple} —
@@ -30,6 +23,7 @@ import java.util.zip.ZipOutputStream;
* внутрь {@code w:sdt}: нумерация страниц Word почти всегда лежит в
* контентном контроле («Page Numbers (Top of Page)»), и до поля не добирается.
* Отсюда и нормализация байтов, как в {@link DocxOnOffNormalizer}.
* Регрессия — WordPdfConverterTest#pageNumbers_recomputedNotCached.
*
* Трогаются только поля, которые действительно есть кому рисовать
* ({@link #SUPPORTED}); остальные остаются как были. Вложенные поля не
@@ -44,36 +38,6 @@ final class FieldNormalizer {
private FieldNormalizer() {
}
/**
* Переписывает поддерживаемые поля во всех word/*.xml частях docx.
*
* @param docx байты .docx (zip)
* @return те же или переупакованные байты
*/
static byte[] normalize(byte[] docx) throws IOException {
ByteArrayOutputStream out = new ByteArrayOutputStream(docx.length);
boolean changed = false;
try (ZipInputStream zis = new ZipInputStream(new ByteArrayInputStream(docx));
ZipOutputStream zos = new ZipOutputStream(out)) {
ZipEntry entry;
while ((entry = zis.getNextEntry()) != null) {
byte[] data = zis.readAllBytes();
String name = entry.getName();
if (name.startsWith("word/") && name.endsWith(".xml")) {
String fixed = rewrite(new String(data, StandardCharsets.UTF_8));
if (fixed != null) {
changed = true;
data = fixed.getBytes(StandardCharsets.UTF_8);
}
}
zos.putNextEntry(new ZipEntry(name));
zos.write(data);
zos.closeEntry();
}
}
return changed ? out.toByteArray() : docx;
}
/**
* @return новая строка либо null, если менять нечего
*/
@@ -4,18 +4,11 @@ import ru.pjandro.wordpdf.fonts.BundledFontAliases;
import ru.pjandro.wordpdf.fonts.BundledFonts;
import ru.pjandro.wordpdf.fonts.GlyphFont;
import java.io.ByteArrayInputStream;
import java.io.ByteArrayOutputStream;
import java.io.IOException;
import java.nio.charset.StandardCharsets;
import java.util.ArrayList;
import java.util.List;
import java.util.Map;
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;
import java.util.concurrent.ConcurrentHashMap;
/**
@@ -81,36 +74,6 @@ final class GlyphCoverageNormalizer {
private GlyphCoverageNormalizer() {
}
/**
* Разрезает раны с непокрытыми глифами в XML-частях docx (word/*.xml).
*
* @param docx байты .docx (zip)
* @return те же или переупакованные байты
*/
static byte[] normalize(byte[] docx) throws IOException {
ByteArrayOutputStream out = new ByteArrayOutputStream(docx.length);
boolean changed = false;
try (ZipInputStream zis = new ZipInputStream(new ByteArrayInputStream(docx));
ZipOutputStream zos = new ZipOutputStream(out)) {
ZipEntry entry;
while ((entry = zis.getNextEntry()) != null) {
byte[] data = zis.readAllBytes();
String name = entry.getName();
if (name.startsWith("word/") && name.endsWith(".xml")) {
String fixed = rewrite(new String(data, StandardCharsets.UTF_8));
if (fixed != null) {
changed = true;
data = fixed.getBytes(StandardCharsets.UTF_8);
}
}
zos.putNextEntry(new ZipEntry(name));
zos.write(data);
zos.closeEntry();
}
}
return changed ? out.toByteArray() : docx;
}
/**
* Переписывает раны с непокрытыми глифами.
*
@@ -16,6 +16,8 @@ import java.util.regex.Pattern;
* содержащий math-элемент вне {@link MathModel#SUPPORTED}, заменяется раном с
* конкатенацией текста {@code m:t} (как штатный фолбэк docx4j
* {@code XsltFOFunctions.mathText}) — формула видна текстом, а не теряется.
* Регрессия — WordPdfConverterTest#ommlUnsupported_degradesToText,
* юниты — MathFallbackNormalizerTest.
*
* <p>Зачем скан до загрузки docx4j: собственный растер формул
* ({@code MathModel}/{@code MathRenderer} в {@code DrawingPreRenderer})
@@ -209,8 +209,10 @@ public final class OleObjectNormalizer {
if (contentTypes == null) {
return docx;
}
String ctXml = new String(zf.getInputStream(contentTypes).readAllBytes(),
StandardCharsets.UTF_8);
String ctXml;
try (InputStream in = zf.getInputStream(contentTypes)) {
ctXml = new String(in.readAllBytes(), StandardCharsets.UTF_8);
}
Map<String, String> defaults = defaultTypes(ctXml);
Map<String, String> overrides = overrideTypes(ctXml);
@@ -250,7 +252,10 @@ public final class OleObjectNormalizer {
if (oleParts.contains(name)) {
continue;
}
byte[] data = zf.getInputStream(entry).readAllBytes();
byte[] data;
try (InputStream in = zf.getInputStream(entry)) {
data = in.readAllBytes();
}
if (name.endsWith(".rels")) {
String fixed = stripRels(
new String(data, StandardCharsets.UTF_8), name, oleParts);
@@ -29,8 +29,8 @@ import java.util.zip.ZipOutputStream;
* CT_R: {@code w:r} → {@code w:ruby} → rubyPr/rt/rubyBase, wml.xsd) иначе
* достаёт catch-all-шаблону XSLT и база теряется молча.
*
* <p>В конвейере подключается десятым рерайтом в {@link DocxRewritePipeline}
* (после Hidden; порядок 1–8 не перенумеровать); в
* <p>В конвейере подключается одиннадцатым рерайтом в {@link DocxRewritePipeline}
* (после Hidden; порядок правил фиксирован в {@code DocxRewritePipeline}); в
* {@code WordPdfConverter#normalizers} напрямую не вызывается, как и
* остальные rewrite-нормализаторы.
*
@@ -22,8 +22,8 @@ import java.util.zip.ZipOutputStream;
* {@code <w:lvlText w:val="&#xF0A7;"/>} + {@code w:rFonts w:ascii="Wingdings"}
* — это «▪», а тот же код в Symbol — «♣». Экспорт docx4j в XSL-FO эти
* шрифты не знает: код уходит в fallback-семейство, глифа там нет, и FOP
* рисует {@code .notdef} — в PDF решётку «#» (регрессия:
* {@code WordPdfConverterTest#symbolFonts_bulletsAreNotHash}).
* рисует {@code .notdef} — в PDF решётку «#».
* Регрессия — WordPdfConverterTest#symbolFonts_bulletsAreNotHash.
*
* Делаем то же, что Word: код из PUA заменяем его Unicode-эквивалентом,
* а имя шрифта — на fallback-семейство (в нём этих глифов достаточно).
@@ -1137,7 +1137,11 @@ final class ChartSpec {
return null;
}
try {
return Double.parseDouble(s.trim());
double v = Double.parseDouble(s.trim());
// ST_Double допускает литералы NaN/Infinity; в пиксельных
// формулах пейнтеров они дают молча пустой график — считаем
// точку отсутствующей.
return Double.isFinite(v) ? v : null;
} catch (NumberFormatException e) {
return null;
}
@@ -134,6 +134,22 @@ public final class MathModel {
/** Межстрочный/межколоночный зазор сетки в pt. */
static final double GRID_ROW_GAP = 2.0;
/**
* Капа вложенности OMML (§22.1 допускает произвольную): враждебный docx
* с тысячами уровней {@code m:d}/{@code m:e} разгонял стек рекурсии
* elements→box→arg до StackOverflowError; 64 с запасом для реальных
* формул Word.
* Регрессия — MathModelTest#deepNesting_unsupportedNotStackOverflow.
*/
private static final int MAX_DEPTH = 64;
/**
* Текстовая деградация best-effort: капа стек-безопасна и сохраняет
* текст формул, отсечённых капой разбора ({@value #MAX_DEPTH});
* глубже — обрезка молча.
*/
private static final int MAX_TEXT_DEPTH = 1024;
private MathModel() {
}
@@ -143,10 +159,19 @@ public final class MathModel {
* — текущий кегль (индексы разбираются в {@value #SCRIPT_RATIO} базы;
* явный {@code w:sz} рана переопределяет).
*/
record MathCtx(boolean display, double size) {
record MathCtx(boolean display, double size, int depth) {
MathCtx withSize(double newScale) {
return new MathCtx(display, size * newScale);
return new MathCtx(display, size * newScale, depth);
}
/** Спуск во вложенный контент; капа глубины — защита от StackOverflowError. */
MathCtx deeper() {
if (depth >= MAX_DEPTH) {
throw new MathUnsupportedException(
"глубина вложенности OMML больше " + MAX_DEPTH);
}
return new MathCtx(display, size, depth + 1);
}
/** Семейство бандла для имени из документа; дефолт формул Word — Cambria Math. */
@@ -705,7 +730,8 @@ public final class MathModel {
/** Корень: {@code m:oMath} → строка боксов (kegль по умолчанию). */
static Box build(CTOMath math, boolean display) {
return elements(math.getEGOMathElements(), new MathCtx(display, DEFAULT_SIZE_PT));
return elements(math.getEGOMathElements(),
new MathCtx(display, DEFAULT_SIZE_PT, 0));
}
/** Аргумент {@code m:e}/{@code m:num}/… → строка боксов; null → пустой бокс. */
@@ -713,7 +739,7 @@ public final class MathModel {
if (arg == null) {
return emptyBox();
}
return elements(arg.getEGOMathElements(), ctx);
return elements(arg.getEGOMathElements(), ctx.deeper());
}
private static RowBox elements(List<Object> content, MathCtx ctx) {
@@ -1012,11 +1038,14 @@ public final class MathModel {
*/
public static String mathText(CTOMath math) {
StringBuilder sb = new StringBuilder();
appendText(math, sb);
appendText(math, sb, 0);
return sb.toString();
}
private static void appendText(Object o, StringBuilder sb) {
private static void appendText(Object o, StringBuilder sb, int depth) {
if (depth > MAX_TEXT_DEPTH) {
return;
}
Object v = o instanceof JAXBElement<?> el ? el.getValue() : o;
if (v instanceof CTText t) {
if (t.getValue() != null) {
@@ -1032,10 +1061,10 @@ public final class MathModel {
Object r = v.getClass().getMethod(getter).invoke(v);
if (r instanceof List<?> list) {
for (Object x : list) {
appendText(x, sb);
appendText(x, sb, depth + 1);
}
} else if (r != null && !(r instanceof String)) {
appendText(r, sb);
appendText(r, sb, depth + 1);
}
} catch (ReflectiveOperationException | RuntimeException e) {
// Геттера нет/не вызывается — снимаем частичный вклад: сбор
@@ -1051,7 +1051,7 @@ public final class DocToDocx {
* скрытое фильтруется здесь. sprmCFCaps/sprmCFSmallCaps: {@code w:caps}/
* {@code w:smallCaps} конвейер тоже не читает → верхний регистр
* (малых капителек в FOP нет — приближение, см. регрессию
* DocToDocxFormattingTest#capsSmallCaps_uppercasedAtBridge).
* DocToDocxFormattingTest#runFlags_positionHiddenCapsDelIns).
*/
private boolean shown() {
return visible() && !runHidden;
@@ -211,6 +211,7 @@ final class OfficeArt {
javax.imageio.ImageIO.write(img, "png", bos);
return new Picture("png", "image/png", bos.toByteArray(), emu(sizeX), emu(sizeY));
} catch (java.io.IOException | RuntimeException e) {
LOG.warning("DIB в .doc не декодирован: " + e);
return null;
}
}
@@ -43,6 +43,10 @@ final class Styles {
/** Защита от цикла в istdBase. */
private static final int MAX_CHAIN = 16;
/** Битый STSH логируется (JUL — конвенция {@code internal/}, образец OfficeArt). */
private static final java.util.logging.Logger LOG =
java.util.logging.Logger.getLogger(Styles.class.getName());
/** Один стиль: stk (§2.9.260), предка + собственные grpprl'ы (пустые — нет). */
private record Style(int istdBase, int stk, byte[] papx, byte[] chpx) {
}
@@ -54,6 +58,7 @@ final class Styles {
try {
parsed = readAll(table, fc, lcb);
} catch (RuntimeException broken) {
LOG.warning("Таблица стилей .doc не разобрана: " + broken);
parsed = new Style[0];
}
styles = parsed;
@@ -1163,7 +1163,7 @@
bidi-направление — принятая деградация (complex-script в FOP-форке нет).
Руби (w:rubyBase/w:rt, §17.3.3.27/.24) тут не чинится: схема docx4j
не биндит эти элементы, unmarshaller выбрасывает их до XSLT — разбор
делает RubyNormalizer (правило 10) в байтах.
делает RubyNormalizer (правило 11) в байтах.
Регрессии — WordPdfConverterTest#movedRevision_textPrinted, #bdoDir_textPrinted. -->
<xsl:template match="w:moveFrom">
<xsl:apply-templates select="*|text()"/>
@@ -234,7 +234,7 @@ class WordPdfConverterTest {
/**
* Фикстура chart-types.docx (создана вручную, chart-XML литералами — POI
* эти типы не пишет): все тринадцать — точечная, пузырьковая,
* эти типы не пишет): все четырнадцать — точечная, пузырьковая,
* лепестковая, биржевая, кольцевая-доля, три объёмных декартовых,
* поверхность, wireframe-поверхность (c:wireframe val="1"),
* график с накоплением и линейчатая с накоплением
@@ -684,6 +684,14 @@ class WordPdfConverterTest {
WordPdfConverter.convert(null, "x", opts()));
}
/** {@code null} options — отказ публичного API, не NPE и не дефолты (m-7 ревью ядра). */
@Test
void convert_nullOptions_rejected() {
assertThrows(ValidationException.class, () ->
WordPdfConverter.convert(new byte[] {'P', 'K', 3, 4}, "x", null),
"null options не отклонён");
}
/**
* Лимит на размер входа: больше 5 MiB — отказ до рендера.
*/
@@ -2825,6 +2833,25 @@ class WordPdfConverterTest {
"unsupported-формула не обязана давать растр");
}
/**
* Сквозная регрессия капы вложенности OMML (M-2 ревью ядра): глубокая
* цепочка {@code m:d}/{@code m:e} проходит байтовый скан (все теги в
* SUPPORTED), упирается в капу MathModel и деградирует в текст — PDF
* содержит {@code x}, падения нет.
*/
@Test
void ommlDeepNesting_flattenedToText() throws IOException {
String deep = "<m:d><m:e>".repeat(100)
+ "<m:r><m:t>x</m:t></m:r>"
+ "</m:e></m:d>".repeat(100);
String body = "<w:p><m:oMath"
+ " xmlns:m=\"http://schemas.openxmlformats.org/officeDocument/2006/math\">"
+ deep + "</m:oMath></w:p>";
Path pdf = convertPdf(minimalDocx(body), "тест");
String t = norm(pdfText(pdf));
assertTrue(t.contains("x"), "текст глубокой формулы потерян: " + t);
}
/**
* {@code w:highlight} и run-{@code w:shd} (§17.3.2.16/.29) рисуют фон —
* вопреки прежней записи аудита о «фоном не обладающем fo:inline»
@@ -661,6 +661,35 @@ class WordPdfValidatorTest {
}
}
/**
* Краи JPEG-скана {@code rasterArea}: без FFD8, обрезанный SOF
* (длина сегмента за границей байтов), standalone-маркеры (RSTn — без
* длины) и пропуск сегмента с длиной — площадь не объявлена/мала,
* отказ не ожидается (m-7 ревью ядра, ветки :501/:511/:515-517/:519).
*/
@Test
void validate_rasterJpegEdges_accepted() throws Exception {
byte[][] heads = {
// не FFD8 — скан не начинается
{0x00, 0x01, 0x02, 0x03},
// SOF0 объявлен, данных кадра за границей массива нет
{(byte) 0xFF, (byte) 0xD8, (byte) 0xFF, (byte) 0xC0, 0x00, 0x11, 0x08},
// RST0 (standalone) перед штатным SOF 10×10
{(byte) 0xFF, (byte) 0xD8, (byte) 0xFF, (byte) 0xD0,
(byte) 0xFF, (byte) 0xC0, 0x00, 0x11, 0x08,
0x00, 0x0A, 0x00, 0x0A},
// APP1 (длина 4) пропущен, штатный SOF 10×10 за ним
{(byte) 0xFF, (byte) 0xD8, (byte) 0xFF, (byte) 0xE1, 0x00, 0x04,
0x00, 0x00, (byte) 0xFF, (byte) 0xC0, 0x00, 0x11, 0x08,
0x00, 0x0A, 0x00, 0x0A},
};
for (int i = 0; i < heads.length; i++) {
byte[] zip = zipOf("word/media/e" + i + ".jpg", heads[i]);
assertDoesNotThrow(() -> WordPdfValidator.validate(zip, DEF_OPTS),
"край JPEG-заголовка отклонён: вариант " + i);
}
}
@Test
void validate_tooManyPages() throws Exception {
byte[] bytes = docxWithPageBreaks(120);
@@ -677,6 +706,31 @@ class WordPdfValidatorTest {
() -> WordPdfValidator.validate(null, DEF_OPTS));
}
/** Экстремальный maxMb — отказ валидации, а не переполнение long (m-2 ревью ядра). */
@Test
void checkInput_extremeMaxMb_rejected() {
assertThrows(ValidationException.class,
() -> WordPdfValidator.checkInput(new byte[] {1}, Long.MAX_VALUE),
"переполнение maxMb не отклонено");
}
/** {@code null} options — отказ публичного API (m-7 ревью ядра). */
@Test
void validate_nullOptions_rejected() {
assertThrows(ValidationException.class,
() -> WordPdfValidator.validate(new byte[] {'P', 'K', 3, 4}, null),
"null options не отклонён");
}
/** Бюджеты распаковки при экстремальном maxMb — ValidationException, не ArithmeticException. */
@Test
void validate_extremeMaxMb_rejectedNotArithmetic() {
assertThrows(ValidationException.class,
() -> WordPdfValidator.validate(new byte[] {'P', 'K', 3, 4},
new ConvertOptions(false, false, false, 1_000_000_000_000L, 100)),
"ArithmeticException ушёл мимо ValidationException");
}
/**
* Lightweight-путь читает сырые байты до нормализации и обязан видеть
* разрывы {@code w:br w:type="page"} в strict-namespace'ах
@@ -851,6 +851,26 @@ class ChartSpecTest {
() -> ChartSpec.parse(spaceWith(chart), new DrawMlColor(null)));
}
/**
* ST_Double (§22.4.1.27) допускает литералы NaN/Infinity; в пиксельных
* формулах пейнтеров они дают молча пустой график — non-finite точка
* считается отсутствующей (null), как не-число (m-9 ревью ядра).
*/
@Test
void nonFiniteSeriesValues_dropped() {
CTNumData cache = new CTNumData();
cache.getPt().add(numPt(0, "NaN"));
cache.getPt().add(numPt(1, "Infinity"));
cache.getPt().add(numPt(2, "2"));
CTChart chart = barChartWithVal(numSource(cache));
ChartSpec spec = ChartSpec.parse(spaceWith(chart), new DrawMlColor(null));
List<Double> values = spec.series.get(0).values;
assertEquals(3, values.size());
assertNull(values.get(0), "NaN не отброшен");
assertNull(values.get(1), "Infinity не отброшен");
assertEquals(2.0, values.get(2), "finite-значение задето фильтром");
}
/** c:pt/@idx = 4·10⁹ в категориях (§21.2.2.151) — отказ и в str-ветке. */
@Test
void hugeCategoryIndex_rejectedNotOom() {
@@ -2,6 +2,7 @@ package ru.pjandro.wordpdf.internal.chart;
import org.docx4j.openpackaging.packages.WordprocessingMLPackage;
import org.docx4j.openpackaging.parts.Part;
import org.docx4j.openpackaging.parts.PartName;
import org.docx4j.openpackaging.parts.relationships.RelationshipsPart;
import org.docx4j.openpackaging.parts.WordprocessingML.BinaryPart;
import org.junit.jupiter.api.Test;
@@ -10,12 +11,17 @@ import javax.imageio.ImageIO;
import java.awt.image.BufferedImage;
import java.io.ByteArrayInputStream;
import java.io.ByteArrayOutputStream;
import java.io.IOException;
import java.io.InputStream;
import java.nio.charset.StandardCharsets;
import java.util.ArrayList;
import java.util.List;
import java.util.zip.ZipEntry;
import java.util.zip.ZipOutputStream;
import static org.junit.jupiter.api.Assertions.assertArrayEquals;
import static org.junit.jupiter.api.Assertions.assertEquals;
import static org.junit.jupiter.api.Assertions.assertFalse;
import static org.junit.jupiter.api.Assertions.assertNotNull;
import static org.junit.jupiter.api.Assertions.assertSame;
import static org.junit.jupiter.api.Assertions.assertTrue;
@@ -25,6 +31,10 @@ import static org.junit.jupiter.api.Assertions.assertTrue;
* часть держит исходные байты PNG (без docx4j-перекодирования), именуется с
* префиксом {@code /word/media/chart-} (маркер ChartImageHandler) и
* регистрируется с корректным r:id.
*
* <p>Ветки OOM, провала PNG-кодирования и создания ImagePart детерминированно
* не воспроизводятся в юните (OOM / сбой IO на in-memory пакете) — покрыты
* только наблюдаемые деградации «объект удалён» и «формула в текст».
*/
class DrawingPreRendererTest {
@@ -125,4 +135,266 @@ class DrawingPreRendererTest {
assertArrayEquals(green, ((BinaryPart) media.get(0)).getBytes());
assertArrayEquals(red, ((BinaryPart) media.get(1)).getBytes());
}
// ------------------------------------------------------------------
// Деградации run(): «объект удалён» и «формула в текст» (M-1 ревью ядра)
// ------------------------------------------------------------------
private static final String W_NS =
"http://schemas.openxmlformats.org/wordprocessingml/2006/main";
private static final String C_NS =
"http://schemas.openxmlformats.org/drawingml/2006/chart";
private static final String M_NS =
"http://schemas.openxmlformats.org/officeDocument/2006/math";
/** Ряд штатного графика: 11 точек 0..100 (запущен в hostileChartAxis). */
private static final String PTS = pts();
private static String pts() {
StringBuilder sb = new StringBuilder();
for (int i = 0; i <= 10; i++) {
sb.append("<c:pt idx=\"").append(i).append("\"><c:v>")
.append(i * 10).append("</c:v></c:pt>");
}
return sb.toString();
}
/** Заведомо рендерящийся lineChart (тот же каркас, что chartDocx-фикстура). */
private static final String VALID_CHART =
"<?xml version=\"1.0\" encoding=\"UTF-8\" standalone=\"yes\"?>"
+ "<c:chartSpace xmlns:c=\"" + C_NS + "\""
+ " xmlns:a=\"http://schemas.openxmlformats.org/drawingml/2006/main\">"
+ "<c:chart><c:plotArea>"
+ "<c:lineChart><c:grouping val=\"standard\"/>"
+ "<c:ser><c:idx val=\"0\"/><c:order val=\"0\"/>"
+ "<c:val><c:numRef><c:numCache><c:formatCode>General</c:formatCode>"
+ "<c:ptCount val=\"11\"/>" + PTS + "</c:numCache></c:numRef></c:val>"
+ "</c:ser>"
+ "<c:axId val=\"11\"/><c:axId val=\"12\"/>"
+ "</c:lineChart>"
+ "<c:catAx><c:axId val=\"12\"/>"
+ "<c:scaling><c:orientation val=\"minMax\"/></c:scaling>"
+ "<c:delete val=\"0\"/><c:axPos val=\"b\"/><c:crossAx val=\"11\"/></c:catAx>"
+ "<c:valAx><c:axId val=\"11\"/>"
+ "<c:scaling><c:orientation val=\"minMax\"/></c:scaling>"
+ "<c:delete val=\"0\"/><c:axPos val=\"l\"/><c:crossAx val=\"11\"/></c:valAx>"
+ "</c:plotArea></c:chart></c:chartSpace>";
/** c:chart → rId2 (собственные rels документа). */
private static final String GRAPHIC =
"<a:graphic xmlns:a=\"http://schemas.openxmlformats.org/drawingml/2006/main\">"
+ "<a:graphicData uri=\"" + C_NS + "\">"
+ "<c:chart xmlns:c=\"" + C_NS + "\""
+ " xmlns:r=\"http://schemas.openxmlformats.org/officeDocument/2006/relationships\""
+ " r:id=\"rId2\"/>"
+ "</a:graphicData></a:graphic>";
private static final String INLINE =
"<wp:inline distT=\"0\" distB=\"0\" distL=\"0\" distR=\"0\">"
+ "<wp:extent cx=\"914400\" cy=\"914400\"/>"
+ "<wp:docPr id=\"1\" name=\"d1\"/>"
+ GRAPHIC + "</wp:inline>";
private static final String ANCHOR =
"<wp:anchor distT=\"0\" distB=\"0\" distL=\"0\" distR=\"0\" simplePos=\"0\""
+ " relativeHeight=\"0\" behindDoc=\"0\" locked=\"0\""
+ " layoutInCell=\"1\" allowOverlap=\"1\">"
+ "<wp:simplePos x=\"0\" y=\"0\"/>"
+ "<wp:positionH relativeFrom=\"margin\"><wp:align>left</wp:align></wp:positionH>"
+ "<wp:positionV relativeFrom=\"margin\"><wp:align>top</wp:align></wp:positionV>"
+ "<wp:extent cx=\"914400\" cy=\"914400\"/>"
+ "<wp:effectExtent l=\"0\" t=\"0\" r=\"0\" b=\"0\"/>"
+ "<wp:docPr id=\"1\" name=\"d1\"/>"
+ GRAPHIC + "</wp:anchor>";
private static ru.pjandro.wordpdf.ConvertOptions opts() {
return new ru.pjandro.wordpdf.ConvertOptions(false, false, false, 5, 100);
}
private static void putZip(ZipOutputStream zos, String name, String xml)
throws IOException {
zos.putNextEntry(new ZipEntry(name));
zos.write(xml.getBytes(StandardCharsets.UTF_8));
zos.closeEntry();
}
/** Минимальный transitional-docx с указанным телом w:body (3 части). */
private static byte[] minimalDocx(String bodyXml) throws IOException {
ByteArrayOutputStream out = new ByteArrayOutputStream();
try (ZipOutputStream zos = new ZipOutputStream(out)) {
putZip(zos, "[Content_Types].xml",
"<?xml version=\"1.0\" encoding=\"UTF-8\" standalone=\"yes\"?>"
+ "<Types xmlns=\"http://schemas.openxmlformats.org/package/2006/content-types\">"
+ "<Default Extension=\"rels\" ContentType=\"application/vnd.openxmlformats-package.relationships+xml\"/>"
+ "<Default Extension=\"xml\" ContentType=\"application/xml\"/>"
+ "<Override PartName=\"/word/document.xml\" ContentType=\"application/vnd.openxmlformats-officedocument.wordprocessingml.document.main+xml\"/>"
+ "</Types>");
putZip(zos, "_rels/.rels",
"<?xml version=\"1.0\" encoding=\"UTF-8\" standalone=\"yes\"?>"
+ "<Relationships xmlns=\"http://schemas.openxmlformats.org/package/2006/relationships\">"
+ "<Relationship Id=\"rId1\" Type=\"http://schemas.openxmlformats.org/officeDocument/2006/relationships/officeDocument\" Target=\"word/document.xml\"/>"
+ "</Relationships>");
putZip(zos, "word/document.xml",
"<?xml version=\"1.0\" encoding=\"UTF-8\" standalone=\"yes\"?>"
+ "<w:document xmlns:w=\"" + W_NS + "\""
+ " xmlns:wp=\"http://schemas.openxmlformats.org/drawingml/2006/wordprocessingDrawing\">"
+ "<w:body>" + bodyXml
+ "<w:sectPr><w:pgSz w:w=\"11906\" w:h=\"16838\"/></w:sectPr>"
+ "</w:body></w:document>");
}
return out.toByteArray();
}
/** Docx с chart-частью chartXml и drawing-обёрткой drawingXml (5 частей). */
private static byte[] chartDocx(String chartXml, String drawingXml)
throws IOException {
ByteArrayOutputStream out = new ByteArrayOutputStream();
try (ZipOutputStream zos = new ZipOutputStream(out)) {
putZip(zos, "[Content_Types].xml",
"<?xml version=\"1.0\" encoding=\"UTF-8\" standalone=\"yes\"?>"
+ "<Types xmlns=\"http://schemas.openxmlformats.org/package/2006/content-types\">"
+ "<Default Extension=\"rels\" ContentType=\"application/vnd.openxmlformats-package.relationships+xml\"/>"
+ "<Default Extension=\"xml\" ContentType=\"application/xml\"/>"
+ "<Override PartName=\"/word/document.xml\" ContentType=\"application/vnd.openxmlformats-officedocument.wordprocessingml.document.main+xml\"/>"
+ "<Override PartName=\"/word/charts/chart1.xml\" ContentType=\"application/vnd.openxmlformats-officedocument.drawingml.chart+xml\"/>"
+ "</Types>");
putZip(zos, "_rels/.rels",
"<?xml version=\"1.0\" encoding=\"UTF-8\" standalone=\"yes\"?>"
+ "<Relationships xmlns=\"http://schemas.openxmlformats.org/package/2006/relationships\">"
+ "<Relationship Id=\"rId1\" Type=\"http://schemas.openxmlformats.org/officeDocument/2006/relationships/officeDocument\" Target=\"word/document.xml\"/>"
+ "</Relationships>");
putZip(zos, "word/document.xml",
"<?xml version=\"1.0\" encoding=\"UTF-8\" standalone=\"yes\"?>"
+ "<w:document xmlns:w=\"" + W_NS + "\""
+ " xmlns:wp=\"http://schemas.openxmlformats.org/drawingml/2006/wordprocessingDrawing\">"
+ "<w:body>"
+ "<w:p><w:r><w:t>ГРАФИКМАРКЕР</w:t></w:r></w:p>"
+ "<w:p><w:r><w:drawing>" + drawingXml + "</w:drawing></w:r></w:p>"
+ "<w:sectPr><w:pgSz w:w=\"11906\" w:h=\"16838\"/></w:sectPr>"
+ "</w:body></w:document>");
putZip(zos, "word/_rels/document.xml.rels",
"<?xml version=\"1.0\" encoding=\"UTF-8\" standalone=\"yes\"?>"
+ "<Relationships xmlns=\"http://schemas.openxmlformats.org/package/2006/relationships\">"
+ "<Relationship Id=\"rId2\" Type=\"http://schemas.openxmlformats.org/officeDocument/2006/relationships/chart\" Target=\"charts/chart1.xml\"/>"
+ "</Relationships>");
putZip(zos, "word/charts/chart1.xml", chartXml);
}
return out.toByteArray();
}
private static WordprocessingMLPackage load(byte[] docx) throws Exception {
return WordprocessingMLPackage.load(new ByteArrayInputStream(docx));
}
/**
* Битая ссылка на chart-часть (r:id ведёт в никуда): «объект удалён» —
* graphic очищен, pic:pic не подставлен, media пуст; конвертация не падает.
*/
@Test
void chartPartMissing_objectRemoved() throws Exception {
WordprocessingMLPackage pkg = load(chartDocx(VALID_CHART, INLINE));
pkg.getParts().remove(new PartName("/word/charts/chart1.xml"));
DrawingPreRenderer.run(pkg, opts(), Long.MAX_VALUE);
assertTrue(chartMedia(pkg).isEmpty(),
"битая chart-ссылка не должна порождать media-части");
String xml = pkg.getMainDocumentPart().getXML();
assertFalse(xml.contains("blip"),
"битая ссылка на chart-часть не удалила объект: " + xml);
}
/**
* Отказ парсинга chart (ptCount за MAX_POINTS) — деградация «объект
* удалён + warn», не падение конвертации.
*/
@Test
void chartRenderFails_objectRemoved() throws Exception {
String hostile = VALID_CHART.replace("<c:ptCount val=\"11\"/>",
"<c:ptCount val=\"200000\"/>");
WordprocessingMLPackage pkg = load(chartDocx(hostile, INLINE));
DrawingPreRenderer.run(pkg, opts(), Long.MAX_VALUE);
assertTrue(chartMedia(pkg).isEmpty(),
"рухнувший рендер не должен порождать media-части");
assertFalse(pkg.getMainDocumentPart().getXML().contains("blip"),
"рухнувший рендер не удалил объект");
}
/** wp:anchor (фреймовая привязка) обрабатывается так же, как wp:inline. */
@Test
void anchorChart_rendered() throws Exception {
WordprocessingMLPackage pkg = load(chartDocx(VALID_CHART, ANCHOR));
DrawingPreRenderer.run(pkg, opts(), Long.MAX_VALUE);
assertEquals(1, chartMedia(pkg).size(), "anchor-диаграмма не отрендерена");
}
/**
* Исчерпание бюджета math-PNG: формула деградирует в текст (ран
* {@code >x<}), растра нет, {@code m:oMath} из дерева снят.
*/
@Test
void mathBudget_exhausted_degradesToText() throws Exception {
WordprocessingMLPackage pkg = load(minimalDocx(
"<w:p><m:oMath xmlns:m=\"" + M_NS + "\">"
+ "<m:r><m:t>x</m:t></m:r></m:oMath></w:p>"));
DrawingPreRenderer.run(pkg, opts(), 1);
String xml = pkg.getMainDocumentPart().getXML();
assertTrue(xml.contains(">x<"), "формула не деградировала в текст: " + xml);
assertFalse(xml.contains("blip"), "деградация оставила растр");
assertFalse(xml.contains("oMath"), "m:oMath не снят с дерева");
}
/**
* {@code w:br} внутри {@code m:r}: байтовый скан MathFallbackNormalizer
* его не видит (не m:-префикс), MathModel бросает unsupported — ран
* деградирует в конкатенацию {@code m:t}.
*/
@Test
void mathWithBr_degradesToText() throws Exception {
WordprocessingMLPackage pkg = load(minimalDocx(
"<w:p><m:oMath xmlns:m=\"" + M_NS + "\" xmlns:w=\"" + W_NS + "\">"
+ "<m:r><w:br/><m:t>x</m:t></m:r></m:oMath></w:p>"));
DrawingPreRenderer.run(pkg, opts(), Long.MAX_VALUE);
String xml = pkg.getMainDocumentPart().getXML();
assertTrue(xml.contains(">x<"), "формула с w:br не деградировала в текст: " + xml);
assertFalse(xml.contains("blip"), "неподдержанная формула дала растр");
}
/** Пустая формула: растр пустой/текст пуст — {@code m:oMath} удалён без замен. */
@Test
void emptyMath_removed() throws Exception {
WordprocessingMLPackage pkg = load(minimalDocx(
"<w:p><m:oMath xmlns:m=\"" + M_NS + "\"/></w:p>"));
DrawingPreRenderer.run(pkg, opts(), Long.MAX_VALUE);
assertFalse(pkg.getMainDocumentPart().getXML().contains("oMath"),
"пустая формула не удалена из дерева");
}
/**
* {@code m:oMathPara} внутри {@code w:p}: формула рендерится display,
* содержащему абзацу выставляется {@code jc=center}.
*/
@Test
void mathParaInParagraph_centered() throws Exception {
WordprocessingMLPackage pkg = load(minimalDocx(
"<w:p><m:oMathPara xmlns:m=\"" + M_NS + "\"><m:oMath>"
+ "<m:r><m:t>x</m:t></m:r></m:oMath></m:oMathPara></w:p>"));
DrawingPreRenderer.run(pkg, opts(), Long.MAX_VALUE);
String xml = pkg.getMainDocumentPart().getXML();
assertTrue(xml.contains("<w:jc w:val=\"center\""),
"абзацу формулы-блока не выставлен jc=center: " + xml);
assertEquals(1, chartMedia(pkg).size(), "формула oMathPara не отрендерена");
}
}
@@ -453,6 +453,38 @@ class MathModelTest {
assertEquals("СЕТЬ", MathModel.mathText(math));
}
/** Строка-ядра для кап глубины: 100 уровней {@code m:d}/{@code m:e}. */
private static final String DEEP = "<m:d><m:e>".repeat(100)
+ "<m:r><m:t>x</m:t></m:r>"
+ "</m:e></m:d>".repeat(100);
private static CTOMath deepMath() throws IOException {
return firstMath(mathDocx("<w:p><m:oMath xmlns:m=\"" + M_NS + "\">"
+ DEEP + "</m:oMath></w:p>"));
}
/**
* Капа вложенности: враждебная цепочка {@code m:d}/{@code m:e} обязана
* отсечься {@code MathUnsupportedException} на 64-м уровне (конвейер
* деградирует формулу в текст), а не разогнать стек рекурсии до
* StackOverflowError. Регрессия — M-2 ревью ядра.
*/
@Test
void deepNesting_unsupportedNotStackOverflow() throws IOException {
CTOMath math = deepMath();
assertThrows(MathUnsupportedException.class,
() -> MathModel.build(math, false),
"глубокая вложенность не отсечена капой");
}
/** Текстовая деградация глубокой формулы достижима: капа flatten выше капы разбора. */
@Test
void deepNesting_mathTextKeptNotThrows() throws IOException {
CTOMath math = deepMath();
assertEquals("x", MathModel.mathText(math),
"текст глубокой формулы потерян при обрезке");
}
// ------------------------------------------------------------------
// Каркас
// ------------------------------------------------------------------