Мост .doc → .docx: горизонтальное объединение ячеек из сетки строки (gridSpan, §2.9.321)
PR checks / web (pull_request) Successful in 31s
PR checks / java (pull_request) Successful in 1m6s
Main: tests, deploy, autotests / web (push) Successful in 33s
Main: tests, deploy, autotests / java (push) Successful in 1m4s
Main: tests, deploy, autotests / images-web (push) Successful in 28s
Main: tests, deploy, autotests / images-app (push) Successful in 40s
Main: tests, deploy, autotests / deploy (push) Successful in 1m32s
Main: tests, deploy, autotests / autotests (push) Successful in 38s
Main: tests, deploy, autotests / rollback (push) Has been skipped

TTP-абзац каждой строки несёт свой sprmTDefTable; автомат использовал только
сетку первой строки → объединённая ячейка получала tcW первой колонки и
рендерилась пол-width с лишней вертикальной чертой в строке. Теперь rowXml
строит tcW/gridSpan из собственной сетки строки, согласованной с tblGrid
(ECMA-376 §17.4.65); при невыровненных границах — прежняя индексная выдача.

Регрессия — WordPdfConverterTest#docMergedTableRow_fullWidthNotSplit,
юниты — DocToDocxFormattingTest#mergedRow_gridSpanAndWidth,
#misalignedRow_fallsBackToColumnWidths.
This commit was merged in pull request #79.
This commit is contained in:
Pjandro
2026-10-31 23:25:13 +00:00
parent ffe03accd1
commit 8d5a19491e
5 changed files with 296 additions and 11 deletions
@@ -166,6 +166,8 @@ public final class DocToDocx {
private static final int LSPD_OPERAND_LEN = 4;
/** fMultLinespace=1: dyaLine — множитель интервала в 240-х долях. */
private static final int FMULT_MULTIPLIER = 1;
/** w:gridSpan эмитится только при покрытии ≥2 колонок tblGrid (§17.4.65). */
private static final int MIN_GRID_SPAN = 2;
private final PieceTable pieces;
private final ChpxIndex chpx;
@@ -315,7 +317,9 @@ public final class DocToDocx {
* эмитится); абзацы с 0x0D внутри открытой ячейки (или с
* sprmPFInTable) — продолжение/начало ячейки; прочие — обычные w:p.
* Без корректного sprmTDefTable строка деградирует в плоские абзацы
* (прежнее поведение). Сетка первой строки действует на всю таблицу.
* (прежнее поведение). Сетка первой строки действует на всю таблицу
* как tblGrid, а ширины/объединение ячеек каждой строки — из её
* собственного TDefTable (горизонтальное слияние → w:gridSpan).
*/
private String emitParas(List<Para> paras) {
StringBuilder body = new StringBuilder();
@@ -334,7 +338,7 @@ public final class DocToDocx {
tableOpen = true;
grid = g;
}
body.append(rowXml(rowCells, grid));
body.append(rowXml(rowCells, grid, g));
} else {
if (tableOpen) {
body.append("</w:tbl>");
@@ -413,15 +417,41 @@ public final class DocToDocx {
return xml.append("</w:tblGrid>").toString();
}
/** w:tr: ячейка i получает tcW i-й колонки; лишние ячейки — без tcW. */
private String rowXml(List<List<Para>> cells, Tables.Grid grid) {
/**
* w:tr: ширина/объединение ячейки — из собственной сетки строки
* (§2.9.321: у TTP-абзаца свой sprmTDefTable; объединённая ячейка —
* центр, покрывающий несколько колонок tblGrid → w:gridSpan +
* суммарный w:tcW, ECMA-376 §17.4.65, порядок детей CT_TcPrBase:
* tcW → gridSpan). Строка без согласованной сетки (центров не на 1
* больше числа ячеек) или с невыровненными с tblGrid границами —
* прежнее поведение: ячейка i получает tcW i-й колонки, лишние —
* без tcW.
*/
private String rowXml(List<List<Para>> cells, Tables.Grid grid, Tables.Grid rowGrid) {
StringBuilder xml = new StringBuilder("<w:tr>");
int[] table = grid.centers();
int[] row = rowGrid == null ? null : rowGrid.centers();
// собственная сетка строки согласована с автоматом, только если
// центров ровно на 1 больше ячеек (§2.4.4: число ячеек = число определений)
boolean perRow = row != null && row.length == cells.size() + 1;
int i = 0;
for (List<Para> cell : cells) {
xml.append("<w:tc>");
if (i < grid.colWidths().length) {
xml.append("<w:tcPr><w:tcW w:w=\"").append(grid.colWidths()[i])
.append("\" w:type=\"dxa\"/></w:tcPr>");
StringBuilder tcPr = new StringBuilder();
int a = perRow ? indexOf(table, row[i]) : -1;
int b = perRow ? indexOf(table, row[i + 1]) : -1;
if (a >= 0 && b > a) {
tcPr.append("<w:tcW w:w=\"").append(row[i + 1] - row[i])
.append("\" w:type=\"dxa\"/>");
if (b - a >= MIN_GRID_SPAN) {
tcPr.append("<w:gridSpan w:val=\"").append(b - a).append("\"/>");
}
} else if (i < grid.colWidths().length) {
tcPr.append("<w:tcW w:w=\"").append(grid.colWidths()[i])
.append("\" w:type=\"dxa\"/>");
}
if (tcPr.length() > 0) {
xml.append("<w:tcPr>").append(tcPr).append("</w:tcPr>");
}
if (cell.isEmpty()) {
xml.append("<w:p/>"); // ≥1 абзац в ячейке обязательно (§17.4.42)
@@ -436,6 +466,16 @@ public final class DocToDocx {
return xml.append("</w:tr>").toString();
}
/** Индекс значения в границах сетки (растущих); нет — -1. */
private static int indexOf(int[] centers, int value) {
for (int i = 0; i < centers.length; i++) {
if (centers[i] == value) {
return i;
}
}
return -1;
}
/** istd абзаца: последний прямой sprmPIstd в границах STSH, иначе из PAPX. */
private int istdOf(byte[] direct, int fallback) {
int[] istd = {fallback};
@@ -22,8 +22,14 @@ package ru.pjandro.wordpdf.internal.doc;
* (байт 3 = 0xFF) не эмитится, иначе RRGGBB; Brc80.ico — по таблице Ico
* (§2.9.171); 0 = auto, &gt; 0x10 — не эмитится.</p>
*
* <p>Горизонтальное объединение ячеек переносится сеткой <b>самой строки</b>:
* у TTP-абзаца каждой строки свой {@code sprmTDefTable} (§2.9.321), и
* автомат {@code DocxBody} по нему выдаёт {@code w:gridSpan}+{@code w:tcW}
* (сетка первой строки остаётся tblGrid).</p>
*
* <p>Вне контура (деградация {@code null} / молчаливый пропуск): вложенные
* таблицы (sprmPFInnerTtp), объединённые ячейки (vertMerge, sprmTInsert),
* таблицы (sprmPFInnerTtp), вертикальное объединение ячеек (vertMerge),
* сетки из одного только sprmTInsert (без PAPX-зеркала sprmTDefTable),
* отступы между ячейками (sprmTDxaCellSpacing), бордюры уровня ячейки
* (TC80/sprmTCellBorders) — только строковые границы 0xD613/0xD605.</p>
*/
@@ -43,6 +49,20 @@ final class Tables {
* не эмитится).
*/
record Grid(int[] colWidths, int indent, String bordersXml, String tblJc) {
/**
* Абсолютные границы колонок: [indent, indent+w0, …] — восстановленный
* rgdxaCenter (§2.9.321: parse строит colWidths[i] = center[i+1] −
* center[i], indent = center[0], реконструкция точна).
*/
int[] centers() {
int[] c = new int[colWidths.length + 1];
c[0] = indent;
for (int i = 0; i < colWidths.length; i++) {
c[i + 1] = c[i] + colWidths[i];
}
return c;
}
}
/**
@@ -1592,6 +1592,112 @@ class WordPdfConverterTest {
assertEquals(160.15, xOfMarker(pdf, 'Q'), 1.0);
}
// --- крафт .doc с горизонтально объединённой строкой ------------------
/**
* Таблица 2 строки: строка 0 «Лев» | «Прав» с сеткой {0, 4320, 8640}
* (tblGrid, 432pt < полосы A4), строка 1 — одна ячейка Ш×40 со СВОЕЙ
* сеткой {0, 8640} (§2.9.321: у TTP-абзаца каждой строки свой
* sprmTDefTable). Без gridSpan ячейка получает tcW первой колонки
* (≈216pt) и текст переносится — вертикальная черта строки режет
* объединённую ячейку пополам (симптом клиента).
*/
private static byte[] mergedTableRowDoc() throws IOException {
String text = "Лев" + (char) 7 + "Прав" + (char) 7 + (char) 7
+ "Ш".repeat(40) + (char) 7 + (char) 7;
byte[] wd = new byte[LISTS_TEXT_FC + text.length() * 2];
put16(wd, 0, 0xA5EC);
put16(wd, 2, 0x00C1);
put16(wd, 10, 1 << 9);
put16(wd, 62, 4);
put32(wd, 64, wd.length);
put32(wd, 76, text.length());
put16(wd, 152, 98);
pair(wd, 6, 0, 20); // PlcfSed
pair(wd, 13, 20, 12); // PlcfBtePapx
pair(wd, 33, 32, 21); // Clx
byte[] t = text.getBytes(StandardCharsets.UTF_16LE);
System.arraycopy(t, 0, wd, LISTS_TEXT_FC, t.length);
int page = 3 * 512;
// rgfc — FC начал абзацев: «Лев␇|Прав␇|␇|Ш…␇|␇»
int[] rgfc = {LISTS_TEXT_FC, LISTS_TEXT_FC + 8, LISTS_TEXT_FC + 18,
LISTS_TEXT_FC + 20, LISTS_TEXT_FC + 102,
LISTS_TEXT_FC + 2 * text.length()};
for (int i = 0; i < rgfc.length; i++) {
put32(wd, page + i * 4, rgfc[i]);
}
int rgbx = page + rgfc.length * 4;
int[] bx = {87, 91, 95, 125, 128};
for (int i = 0; i < bx.length; i++) {
wd[rgbx + i * 13] = (byte) bx[i];
}
wd[page + 511] = 5; // cpara
byte[] inTable = prl(0x2416, 1);
papxEntry(wd, page, 87, inTable);
papxEntry(wd, page, 91, inTable);
papxEntry(wd, page, 95, concat(inTable, prl(0x2417, 1),
tdefTable(2, new int[] {0, 4320, 8640})));
papxEntry(wd, page, 125, inTable);
papxEntry(wd, page, 128, concat(inTable, prl(0x2417, 1),
tdefTable(1, new int[] {0, 8640})));
byte[] tab = new byte[53];
put32(tab, 0, 0);
put32(tab, 4, text.length()); // PlcfSed
put32(tab, 20, LISTS_TEXT_FC); // PlcfBtePapx aFc + pn=3
put32(tab, 24, LISTS_TEXT_FC + 2 * text.length());
put32(tab, 28, 3);
tab[32] = 0x02; // Clx Pcdt, один несжатый кусок
put32(tab, 33, 16);
put32(tab, 37, 0);
put32(tab, 41, text.length());
put32(tab, 47, LISTS_TEXT_FC);
try (POIFSFileSystem fs = new POIFSFileSystem();
ByteArrayOutputStream out = new ByteArrayOutputStream()) {
fs.getRoot().createDocument("WordDocument", new ByteArrayInputStream(wd));
fs.getRoot().createDocument("1Table", new ByteArrayInputStream(tab));
fs.getRoot().createDocument("Data", new ByteArrayInputStream(new byte[64]));
fs.writeFilesystem(out);
return out.toByteArray();
}
}
/**
* Регрессия (пара {@code DocToDocxFormattingTest#mergedRow_gridSpanAndWidth}):
* объединённая строка рендерится одной полноширинной ячейкой — текст
* Ш×40 (≈290pt) встает в одну строку (полоса ≈451pt) и уходит за экватор;
* без gridSpan ячейка = первая колонка tblGrid (≈216pt) → перенос и
* «лишнее разделение на столбцы» в строке.
*/
@Test
void docMergedTableRow_fullWidthNotSplit() throws Exception {
Path pdf = convertPdf(mergedTableRowDoc(), "doc-merged-row");
Set<Long> linesWithSh = new HashSet<>();
double[] rightEdge = {0};
try (PDDocument doc = Loader.loadPDF(pdf.toFile())) {
PDFTextStripper stripper = new PDFTextStripper() {
@Override
protected void processTextPosition(
org.apache.pdfbox.text.TextPosition position) {
if (position.getUnicode().indexOf('Ш') >= 0) {
linesWithSh.add((long) Math.round(position.getYDirAdj()));
rightEdge[0] = Math.max(rightEdge[0],
position.getXDirAdj() + position.getWidth());
}
super.processTextPosition(position);
}
};
stripper.setStartPage(1);
stripper.setEndPage(1);
String text = stripper.getText(doc);
assertFalse(text.contains("#"), "no .notdef: " + text);
assertTrue(text.contains("Лев") && text.contains("Прав"), text);
}
assertEquals(1, linesWithSh.size(),
"строка Ш×40 не переносится (ячейка на всю полосу): " + linesWithSh);
assertTrue(rightEdge[0] > 300,
"объединённая ячейка шире половины полосы, right=" + rightEdge[0]);
}
// --- крафт .doc со списками (дубль DocToDocxFormattingTest) ----------
private static final int LISTS_TEXT_FC = 2048;
@@ -753,6 +753,125 @@ class DocToDocxFormattingTest {
assertTrue(xml.indexOf(">D3<") < xml.indexOf(">E<"), xml);
}
// --- объединённая строка: собственная сетка строки → gridSpan ---------
/**
* Строка 0: «A» | «B» со своей {@code sprmTDefTable} {0, 810, 1895}
* (tblGrid всей таблицы); строка 1 — {@code row2Cells} ячеек со СВОЕЙ
* сеткой {@code row2Centers} (§2.9.321: у TTP-абзаца каждой строки свой
* TDefTable, [MS-DOC] §2.4.4: число ячеек = числу определений строки);
* после таблицы — абзац «after».
*/
private static byte[] mergedRowDoc(int[] row2Centers, int row2Cells) throws IOException {
char c7 = (char) 7;
String text = "A" + c7 + "B" + c7 + c7 + "C"
+ (row2Cells > 1 ? c7 + "D" : "")
+ c7 + c7 + "after\r";
byte[] wd = new byte[TEXT_FC + text.length() * 2];
put16(wd, 0, 0xA5EC);
put16(wd, 2, 0x00C1);
put16(wd, 10, 1 << 9);
put16(wd, 62, 4);
put32(wd, 64, wd.length);
put32(wd, 76, text.length());
put16(wd, 152, 98);
pair(wd, 6, 0, 20);
pair(wd, 13, 20, 12); // PlcfBtePapx
pair(wd, 33, 32, 21); // Clx
byte[] t = text.getBytes(StandardCharsets.UTF_16LE);
System.arraycopy(t, 0, wd, TEXT_FC, t.length);
int page = 3 * 512;
byte[] inTable = prl(0x2416, 1);
byte[] ttp = prl(0x2417, 1);
byte[] ttpRow0 = concat(inTable, ttp, tdefTable(2, new int[] {0, 810, 1895}),
tableBorders());
byte[] ttpRow1 = concat(inTable, ttp,
tdefTable(row2Centers.length - 1, row2Centers), tableBorders());
byte[][] prls = row2Cells > 1
? new byte[][] {inTable, inTable, ttpRow0, inTable, inTable, ttpRow1,
new byte[0]}
: new byte[][] {inTable, inTable, ttpRow0, inTable, ttpRow1, new byte[0]};
int cpara = prls.length;
// rgfc — FC начал абзацев (маркеры конца — \x07/\r) + конец потока
int[] starts = new int[cpara];
starts[0] = 0;
int pi = 0;
for (int i = 0; i < text.length() && pi + 1 < cpara; i++) {
char ch = text.charAt(i);
if (ch == c7 || ch == '\r') {
starts[++pi] = i + 1;
}
}
for (int i = 0; i <= cpara; i++) {
put32(wd, page + i * 4, TEXT_FC + 2 * (i < cpara ? starts[i] : text.length()));
}
int rgbx = page + (cpara + 1) * 4;
int off = 174; // чётный байтовый offset PapxInFkp, bx = off / 2
for (int i = 0; i < cpara; i++) {
wd[rgbx + i * 13] = (byte) (off / 2);
papxEntry(wd, page, off / 2, 0, prls[i]);
off += ((prls[i].length & 1) != 0 ? prls[i].length + 3 : prls[i].length + 4) + 2;
}
wd[page + 511] = (byte) cpara; // cpara
byte[] tab = new byte[53];
put32(tab, 0, 0);
put32(tab, 4, text.length()); // PlcfSed
put32(tab, 20, TEXT_FC); // PlcfBtePapx aFc + pn=3
put32(tab, 24, TEXT_FC + 2 * text.length());
put32(tab, 28, 3);
tab[32] = 0x02; // Clx Pcdt, один несжатый кусок
put32(tab, 33, 16);
put32(tab, 37, 0);
put32(tab, 41, text.length());
put32(tab, 47, TEXT_FC);
try (POIFSFileSystem fs = new POIFSFileSystem();
ByteArrayOutputStream out = new ByteArrayOutputStream()) {
fs.getRoot().createDocument("WordDocument", new ByteArrayInputStream(wd));
fs.getRoot().createDocument("1Table", new ByteArrayInputStream(tab));
fs.getRoot().createDocument("Data", new ByteArrayInputStream(new byte[64]));
fs.writeFilesystem(out);
return out.toByteArray();
}
}
/** Сетка строки 1 {0, 1895} покрывает обе колонки → gridSpan=2, tcW=1895. */
@Test
void mergedRow_gridSpanAndWidth() throws IOException {
String xml = documentXml(mergedRowDoc(new int[] {0, 1895}, 1));
assertEquals(1, xml.split("<w:tbl>", -1).length - 1, xml);
assertEquals(2, xml.split("<w:tr>", -1).length - 1, "строки: " + xml);
assertEquals(3, xml.split("<w:tc>", -1).length - 1, "ячейки: " + xml);
assertTrue(xml.contains("<w:gridCol w:w=\"810\"/>")
&& xml.contains("<w:gridCol w:w=\"1085\"/>"),
"tblGrid — сетка первой строки: " + xml);
assertTrue(xml.contains("<w:tcPr><w:tcW w:w=\"1895\" w:type=\"dxa\"/>"
+ "<w:gridSpan w:val=\"2\"/></w:tcPr>"),
"объединённая ячейка: " + xml);
assertEquals(1, xml.split("<w:gridSpan", -1).length - 1,
"gridSpan ровно у объединённой: " + xml);
assertTrue(xml.contains("<w:tcW w:w=\"810\" w:type=\"dxa\"/>"),
"row0 cell0 — ширина колонки: " + xml);
assertTrue(xml.indexOf(">A<") < xml.indexOf(">B<")
&& xml.indexOf(">B<") < xml.indexOf(">C<"), xml);
assertTrue(xml.indexOf(">C<") < xml.indexOf("</w:tbl>")
&& xml.indexOf("</w:tbl>") < xml.indexOf(">after<"), xml);
}
/** Границы строки 1 вне tblGrid → прежняя индексная выдача ширины, без gridSpan. */
@Test
void misalignedRow_fallsBackToColumnWidths() throws IOException {
String xml = documentXml(mergedRowDoc(new int[] {0, 1000, 1895}, 2));
assertEquals(1, xml.split("<w:tbl>", -1).length - 1, xml);
assertEquals(4, xml.split("<w:tc>", -1).length - 1, "ячейки: " + xml);
assertEquals(0, xml.split("<w:gridSpan", -1).length - 1,
"несогласованная строка не эмитит gridSpan: " + xml);
assertEquals(2, xml.split("<w:tcW w:w=\"810\" w:type=\"dxa\"/>", -1).length - 1,
"обе ячейки-нечётные по индексу: " + xml);
assertEquals(2, xml.split("<w:tcW w:w=\"1085\" w:type=\"dxa\"/>", -1).length - 1,
xml);
assertTrue(xml.contains(">D<"), xml);
}
/**
* Таблица 2×2, у которой TTP-абзац первой строки несёт grpprl, вынесенный
* Word в PrcData (Data-поток): PAPX = единственный {@code sprmPHugePapx