Аудит раскладки по ECMA-376: jc start/end ренейм всегда, вендорный docx2fo.xslt с патчем w:position
PR checks / web (pull_request) Successful in 38s
PR checks / java (pull_request) Successful in 1m29s

- StrictOoxmlNormalizer: w:jc val=start/end переименовывается и в
  transitional (docx4j Justification.setXslFO дропает END без
  fo:text-align — jc=end рендерился по левому краю; Part 4 §14.11.2)
- вендорный xslt/docx2fo.xslt = копия docx4j-export-fo + AUDIT-FIX
  (w:rPr/w:position -> baseline-shift, §17.3.2.24); WordPdfConverter
  инжектит предкомпилированный Templates (шаг 4.5)
- дрейф-гейт vendoredXsltTracksJarCopy (SHA-256 стилиста из jar'а)
- регрессии jcEndTransitional_rightAligned, rPrPosition_raisesBaseline
- AGENTS.md: шаг 4.5, инвариант стилиста, ограничения из аудита
  (distribute/suff/lvlJc/tblInd/auto-line-height/kern)
This commit is contained in:
Pjandro
2026-10-27 01:57:59 +00:00
parent 68e4f41cb2
commit 8cd6079170
6 changed files with 1312 additions and 21 deletions
@@ -4,6 +4,7 @@ import org.apache.fop.apps.FOUserAgent;
import org.apache.fop.apps.FopFactory;
import org.apache.fop.apps.FopFactoryBuilder;
import org.docx4j.Docx4J;
import org.docx4j.XmlUtils;
import org.docx4j.Docx4jProperties;
import org.docx4j.convert.out.FOSettings;
import org.docx4j.convert.out.fo.renderers.FORendererApacheFOP;
@@ -19,6 +20,9 @@ import ru.pjandro.wordpdf.internal.FopFallbackFonts;
import java.io.ByteArrayInputStream;
import java.io.ByteArrayOutputStream;
import javax.xml.transform.Templates;
import javax.xml.transform.stream.StreamSource;
import java.io.InputStream;
import java.io.OutputStream;
import java.util.List;
@@ -168,6 +172,11 @@ public final class WordPdfConverter {
// семейство — декларируем его, чтобы FOP встроил подмножество
FopFallbackFonts.declare(foSettings);
// 4.5 Вендорный xslt/docx2fo.xslt = копия из docx4j-export-fo +
// AUDIT-FIX-патч (w:rPr position) — стилист jar'а не
// используется.
foSettings.setCustomXsltTemplates(VendoredXslt.TEMPLATES);
// 5. Метаданные PDF: заголовок — из параметра title
FopFactoryBuilder builder = FORendererApacheFOP.getFopFactoryBuilder(foSettings);
FopFactory fopFactory = builder.build();
@@ -208,4 +217,26 @@ public final class WordPdfConverter {
// (OleObjectNormalizer); второй проход, т.к. меняет части, а не XML
bytes -> OleObjectNormalizer.normalize(bytes, options.errorOnOle()));
}
/**
* Вендорный docx2fo.xslt (копия из docx4j-export-fo + AUDIT-FIX-патч).
* {@code AbstractXsltExporterDelegate.getTemplates} кастит значение
* {@code setCustomXsltTemplates} в {@code Templates} — компилируем заранее;
* {@code Templates} неизменяем и потокобезопасен, один экземпляр на процесс.
*/
private static final class VendoredXslt {
private static final Templates TEMPLATES = compile();
private static Templates compile() {
try (InputStream xslt = WordPdfConverter.class.getResourceAsStream("/xslt/docx2fo.xslt")) {
if (xslt == null) {
throw new ConversionException("Ресурс xslt/docx2fo.xslt не найден");
}
return XmlUtils.getTransformerFactory().newTemplates(new StreamSource(xslt));
} catch (Exception e) {
throw new ConversionException("Не удалось скомпилировать xslt/docx2fo.xslt", e);
}
}
}
}
@@ -62,11 +62,14 @@ import java.util.zip.ZipOutputStream;
* {@code w:tblCellMar} и лишь при отсутствии одноимённого {@code w:left}/
* {@code w:right}-ребёнка (transitional-схема допускает обе пары детей,
* {@code maxOccurs=1} на left — дубль ломает JAXB);</li>
* <li>значения {@code start}/{@code end} у {@code w:jc} правятся только в
* strict: transitional {@code JcEnumeration} docx4j их содержит, экспортёр
* пишет {@code fo:text-align} как есть, а FOP разрешает start/end по
* направлению абзаца (FO 1.1) — замена на left ломала RTL; значения
* {@code w:tab} правятся всегда (enum без start/end).</li>
* <li>значения {@code start}/{@code end} у {@code w:jc} правятся всегда
* (как и у {@code w:tab}): docx4j {@code Justification.setXslFO} знает только
* left/center/right/both, для start/end {@code fo:text-align} не пишет вовсе —
* {@code jc="end"} рендерился по левому краю. Замена законна: Part 4 §14.11.2
* (left≡start, right≡end); RTL вне контура конвейера (FOP без complex-script,
* direction docx4j не выставляет — start и так рендерился как left).</li>
* <li>значения {@code start}/{@code end} у {@code w:tab} правятся всегда
* (enum без start/end).</li>
* </ul>
*
* Регрессия — WordPdfConverterTest#strictOoxml_convertsNotRejected.
@@ -104,8 +107,7 @@ public final class StrictOoxmlNormalizer {
*/
private static final Pattern MAR_BLOCK = Pattern.compile(
"<(w:tcMar|w:tblCellMar)\\b[^>]*>.*?</\\1>", Pattern.DOTALL);
/** Значения {@code start}/{@code end} у {@code w:jc} (правятся только в strict). */
/** Значения {@code start}/{@code end} у {@code w:jc} (правятся всегда, см. javadoc класса). */
private static final Pattern JC_VALUE = Pattern.compile(
"(<w:jc\\b[^>]*?w:val=\")(start|end)\"");
@@ -182,8 +184,8 @@ public final class StrictOoxmlNormalizer {
* @param renameStartEnd переименовывать ли элементы {@code w:start}/
* {@code w:end} (false для word/numbering.xml)
* @param strict strict-часть (URI {@code http://purl.oclc.org}):
* глобальный рерайт элементов и значений {@code w:jc};
* в transitional — только guard-правила
* глобальное переименование элементов {@code w:start}/
* {@code w:end}; в transitional — только guard-правила
* @return новая строка либо null, если правок не было
*/
static String rewrite(String xml, boolean renameStartEnd, boolean strict) {
@@ -206,9 +208,7 @@ public final class StrictOoxmlNormalizer {
r = renameStartEndAttrs(r);
}
if (r.contains("w:val=\"start\"") || r.contains("w:val=\"end\"")) {
if (strict) {
r = renameValues(r, JC_VALUE);
}
r = renameValues(r, JC_VALUE);
r = renameValues(r, TAB_VALUE);
}
return r.equals(xml) ? null : r;
File diff suppressed because it is too large Load Diff
@@ -698,6 +698,94 @@ class WordPdfConverterTest {
}
}
/**
* w:jc val="end" в transitional-документе: docx4j Justification.setXslFO
* знает только left/center/right/both, для END {@code fo:text-align} не
* пишет вовсе — абзац рендерился по левому краю. StrictOoxmlNormalizer
* теперь переименовывает end→right всегда (Part 4 §14.11.2: right≡end).
* Регрессия — аудит раскладки (матрица J2).
*/
@Test
void jcEndTransitional_rightAligned() throws Exception {
byte[] endDocx = minimalDocx("<w:p><w:pPr><w:jc w:val=\"end\"/></w:pPr>"
+ "<w:r><w:t>ENDTEXT</w:t></w:r></w:p>");
byte[] rightDocx = minimalDocx("<w:p><w:pPr><w:jc w:val=\"right\"/></w:pPr>"
+ "<w:r><w:t>ENDTEXT</w:t></w:r></w:p>");
double end = maxRight(convertPdf(endDocx, "t"));
double right = maxRight(convertPdf(rightDocx, "t"));
assertEquals(right, end, 0.75, "jc=end должен рендериться как jc=right");
assertTrue(right > 300, "sanity: jc=right прижимает текст к правому краю, got " + right);
}
/**
* w:rPr/w:position=8 (полупункты, положительное поднимает; Part 4
* §17.3.2.24): docx4j createBlockForRPr position игнорирует — вендорный
* xslt/docx2fo.xslt (AUDIT-FIX-патч) превращает его в baseline-shift.
* Регрессия — аудит раскладки (матрица R3).
*/
@Test
void rPrPosition_raisesBaseline() throws Exception {
byte[] docx = minimalDocx("<w:p>"
+ "<w:r><w:t>P</w:t></w:r>"
+ "<w:r><w:rPr><w:position w:val=\"8\"/></w:rPr><w:t>Q</w:t></w:r>"
+ "</w:p>");
Path pdf = convertPdf(docx, "t");
// YDirAdj мерится от верха страницы: поднятая базовая линия — меньше
assertEquals(4.0, yOfMarker(pdf, 'P') - yOfMarker(pdf, 'Q'), 0.75,
"w:position=8 должен поднимать базовую линию на 4pt");
}
/**
* Дрейф-гейт: вендорный xslt/docx2fo.xslt = копия
* org/docx4j/convert/out/fo/docx2fo.xslt из docx4j-export-fo +
* AUDIT-FIX-патч (w:rPr position). При апгрейде docx4j стилист jar'а
* меняется — тест заставляет перевендорить его и перенести патч.
*/
@Test
void vendoredXsltTracksJarCopy() throws Exception {
try (InputStream jar = WordPdfConverterTest.class.getResourceAsStream(
"/org/docx4j/convert/out/fo/docx2fo.xslt")) {
assertNotNull(jar, "нет docx2fo.xslt в docx4j-export-fo");
java.security.MessageDigest digest =
java.security.MessageDigest.getInstance("SHA-256");
StringBuilder hex = new StringBuilder();
for (byte b : digest.digest(jar.readAllBytes())) {
hex.append(String.format("%02x", b));
}
assertEquals("cff420cb1bd7ad5d96211c16479db0f7d3a01fec4bf56d01d1bbc7ee4041dda7",
hex.toString(), "docx2fo.xslt в docx4j-export-fo изменился:"
+ " перевендорить xslt/docx2fo.xslt и перенести AUDIT-FIX-патч");
}
try (InputStream vendored = WordPdfConverterTest.class.getResourceAsStream(
"/xslt/docx2fo.xslt")) {
assertNotNull(vendored, "нет вендорного xslt/docx2fo.xslt");
assertTrue(new String(vendored.readAllBytes(), StandardCharsets.UTF_8)
.contains("AUDIT-FIX position"),
"вендорный стилист потерял position-патч");
}
}
/** Правый край (X+ширина) самой правой глифы первой страницы. */
private static double maxRight(Path pdf) throws IOException {
try (PDDocument doc = Loader.loadPDF(pdf.toFile())) {
double[] found = {0};
PDFTextStripper stripper = new PDFTextStripper() {
@Override
protected void processTextPosition(
org.apache.pdfbox.text.TextPosition position) {
found[0] = Math.max(found[0],
position.getXDirAdj() + position.getWidth());
super.processTextPosition(position);
}
};
stripper.setStartPage(1);
stripper.setEndPage(1);
stripper.getText(doc);
assertTrue(found[0] > 0, "на странице 1 нет текста");
return found[0];
}
}
/** Строка из кодовых точек (невидимые литералы в исходнике нечитаемы). */
private static String invisible(int... cps) {
StringBuilder sb = new StringBuilder();
@@ -289,13 +289,16 @@ class StrictOoxmlNormalizerTest {
}
/**
* w:jc val="start" в transitional — JcEnumeration docx4j содержит START/END,
* FOP разрешает их по направлению (FO 1.1): рерайт ломал RTL, значение
* остаётся как есть.
* w:jc val="start" в transitional правится всегда: docx4j Justification.setXslFO
* знает только left/center/right/both, для start/end fo:text-align не пишет
* вовсе — jc="end" рендерился по левому краю (Part 4 §14.11.2: left≡start,
* right≡end; регрессия WordPdfConverterTest#jcEndTransitional_rightAligned).
*/
@Test
void jcStartKeptTransitional() {
assertNull(StrictOoxmlNormalizer.rewrite("<w:jc w:val=\"start\"/>", true, false));
void jcStartRenamedTransitional() {
String r = StrictOoxmlNormalizer.rewrite("<w:jc w:val=\"start\"/>", true, false);
assertNotNull(r);
assertTrue(r.contains("<w:jc w:val=\"left\"/>"), r);
}
/** А w:tab val="start" правится всегда: STTabJc docx4j 17.3.2 — только left/right. */