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
+3 -3
View File
@@ -55,10 +55,10 @@
|`Headers`|Plcfhdd (§2.4.1): 6 разделителей + по 6 историй на секцию (even/odd/first × hdr/ftr); odd hdr/ftr **каждой** секции → своя часть `headerN.xml`/`footerN.xml` (нумерация независимая по типу) и `headerReference`/`footerReference` type="default" в её sectPr; пустая история `[x,x)` → части нет, docx4j наследует колонтитук предыдущей секции; guard-¶ отрезается; PAGE/NUMPAGES/SECTIONPAGES → `w:fldSimple` (та же семантика, что `FieldNormalizer` в docx-пути)|
|`OfficeArt`|[MS-ODRAW] PICF @ fcDggInfo/lcbDggInfo (Table-поток), delay-поток = WordDocument; DggContainer → BStoreContainer(0xF004)/BStoreContainerDelay(0xF007)/инлайн → FBSE → BLIP: 0xF01A EMF / 0xF01B WMF / 0xF01C PICT / 0xF01D JPEG (=0xF02A) / 0xF01E PNG / 0xF01F DIB; PNG/JPEG дословно, DIB → ImageIO → PNG, EMF/WMF/PICT → пропуск + warn (EMF-рендера в Java2D нет)|
|`PrcData`|§2.9.210 PrcData в Data-потоке (`[cbGrpprl:2][grpprl]`, капа cb 0x3FA2, поля `next` нет): `resolve(data, grpprl)` разворачивает grpprl абзаца, чьи свойства Word вынес за FKP-страницу PAPX, — одиночный Prl `sprmPHugePapx` (0x6646; в grpprl GrpPrlAndIstd — единственный Prl при istd=0, §2.6.2) и `sprmPTableProps` (0x646B — цепочка продолжается в указанном PrcData). Оба указателя разворачиваются на своей позиции **без обрыва** текущего массива, не-спец-спрмы сохраняются (union): spec §2.6.2 велит хвост за PTableProps игнорировать, но Word пишет в нём легаси-зеркало (в `samples/ru-table-image.doc` — единственный `sprmTDefTable`, Appendix A <9>), а `sprmTInsert` из PrcData конвертер не читает — замещение ломало бы сетку; спец-спрмов нет → **тот же массив** (по ссылке); любой брак (ptr за Data, cb вне [1, 0x3FA2], цикл A→B→A — бюджет 32 PrcData) → останов без исключения, снисходительно (образец `Styles`/`Lists`). Подключается единственной точкой — `DocxBody.buildRange` (покрывает тело, колонтитуки, TTP-ветку и обычные huge-PAPX абзацы). Регрессия — `DocToDocxFormattingTest#hugePapxRowMark_closesRowWithGridFromPrcData` |
|`DocToDocx`|Оркестратор + вложенный `DocxBody`: текст → раны (CHPX+стилевой chpx-цепочка → rPr, прямой PAPX — после `PrcData.resolve` — +стилевая papx-цепочка (отступы через `Grpprl.Indents`, 80-варианты включительно; `sprmPChgTabsPapx`/`sprmPChgTabs` → `w:tabs`, у стилевого варианта радиус удаления из `rgdxaClose`) + sprmPIlfo/sprmPIlvl → pPr + `w:numPr` (между pageBreakBefore и tabs, CT_PPr §17.3.1.26; ilfo=0 перекрывает стилевой, ilvl=0x0C и неразрешённый numId → без numPr), base→derived→direct last-wins), ¶ → `<w:p>`; TAB/0x0B → `w:tab`/`w:br`, 0x0C в ране → `w:br type="page"`, 0x0C в конце абзаца — **разрыв секции**: `sectPr` соответствующей `Sections.Section` (матчинг по конечному CP) в pPr этого абзаца, внутри таблицы деградирует в `w:br type="page"`; body-level `sectPr` — последняя секция; `w:type continuous` из sprmSBkc; 0x1E → U+2011, 0x1F → U+00AD, 0x02/0x03/0x04 (сноски) → пропуск; U+0001 со sprmCPicLocation → DrawingML `pic` (общий путь с картинками и OLE-fallback); field-символы в основном тексте: инструкция скрыта, кэшированный результат после разделителя видим; **табличный автомат**: абзац с 0x07 без TTP закрывает ячейку, 0x07+sprmPFTtp — конец строки (`Tables.parse` по TAP → `w:tbl`/`w:tr`/`w:tc`, сам маркер не эмитится), sprmPFInTable открывает ячейку; без корректного TDefTable строка деградирует в плоские абзацы (прежнее поведение); сетка первой строки действует на всю таблицу|
|`DocToDocx`|Оркестратор + вложенный `DocxBody`: текст → раны (CHPX+стилевой chpx-цепочка → rPr, прямой PAPX — после `PrcData.resolve` — +стилевая papx-цепочка (отступы через `Grpprl.Indents`, 80-варианты включительно; `sprmPChgTabsPapx`/`sprmPChgTabs` → `w:tabs`, у стилевого варианта радиус удаления из `rgdxaClose`) + sprmPIlfo/sprmPIlvl → pPr + `w:numPr` (между pageBreakBefore и tabs, CT_PPr §17.3.1.26; ilfo=0 перекрывает стилевой, ilvl=0x0C и неразрешённый numId → без numPr), base→derived→direct last-wins), ¶ → `<w:p>`; TAB/0x0B → `w:tab`/`w:br`, 0x0C в ране → `w:br type="page"`, 0x0C в конце абзаца — **разрыв секции**: `sectPr` соответствующей `Sections.Section` (матчинг по конечному CP) в pPr этого абзаца, внутри таблицы деградирует в `w:br type="page"`; body-level `sectPr` — последняя секция; `w:type continuous` из sprmSBkc; 0x1E → U+2011, 0x1F → U+00AD, 0x02/0x03/0x04 (сноски) → пропуск; U+0001 со sprmCPicLocation → DrawingML `pic` (общий путь с картинками и OLE-fallback); field-символы в основном тексте: инструкция скрыта, кэшированный результат после разделителя видим; **табличный автомат**: абзац с 0x07 без TTP закрывает ячейку, 0x07+sprmPFTtp — конец строки (`Tables.parse` по TAP → `w:tbl`/`w:tr`/`w:tc`, сам маркер не эмитится), sprmPFInTable открывает ячейку; без корректного TDefTable строка деградирует в плоские абзацы (прежнее поведение); сетка первой строки действует на всю таблицу как `tblGrid`, ширины/объединение ячеек каждой строки — из её собственного TDefTable (горизонтальное слияние → `w:gridSpan`)|
|`DocxWriter`|Мульти-частный zip: `[Content_Types].xml` (hdr/ftr/numbering/png/jpg), `_rels/.rels`, `word/document.xml` (посекционные sectPr + headerReference; tblPr таблиц: tblW → jc (из sprmTJc) → tblInd → tblBorders), `word/_rels/document.xml.rels`, `word/numbering.xml`, `word/headerN.xml`/`footerN.xml` (по одной на непустую историю секции), `word/media/imageN.(png|jpg)`; корневые namespaces w/r/wp/a/pic|
Остаток моста (осознанный, вне контура): семантика рестартов списков не переносится (`fNoRestart`/`ilvlRestartLim` → `w:lvlRestart` — docx4j-Emulator применяет свой дефолт «рестарт на старшем уровне»), как и `fLegal`/`isLgl`, `dxaIndentSav` и `LfoData.cp`; `sprmPIlvl=0x0C` — абзац без numPr (не «в списке без номера»); AUTONUM-поля трактуются как обычные списки; отрицательный `sprmPIlfo` («сохранить отступы») — обычный numPr, отступы делает прямой `w:ind` абзаца; объединённые ячейки (`vertMerge`/sprmTInsert), вложенные таблицы (sprmPFInnerTtp — разделитель ячейки/строки там ¶ 0x0D, не 0x07) и бордюры уровня ячейки (TC80/sprmTCellBorders) не переносятся — только сетка и строковые границы; строки, у которых сетка задана только `sprmTInsert` (в PrcData нет `sprmTDefTable`, а PAPX-зеркало отсутствует), деградируют в плоские абзацы (`sprmTInsert` конвертер не читает); `DocFile.countPages` (`PapxIndex.countPageBreakBefore`) цепочку PrcData не следует — свойства вне FKP в подсчёт страниц не попадают, 0x0C-разрывы считаются; сноски/концевые сноски/комментарии не рендерятся (метки ссылок пропускаются); чётные и first-page варианты колонтитуков не переносятся (переносится только odd → `type="default"`, FOP не различает чётность полос набора, `titlePg` не эмитится); разрыв секции в абзаце со sprmPFInTable деградирует в разрыв страницы (`w:sectPr` в `w:pPr` внутри `w:tc` невалиден); error-флаги `errorOnCharts`/`errorOnSmartArt`/`errorOnOle` на `.doc` **не срабатывают** — диаграммы/SmartArt/OLE в бинарном формате существуют только как BLIP-плейсхолдеры, мост выдаёт их картинками (задокументировано в `@Operation`); `stale-cache.doc` конвертируется (кэш PageCount=5, концепта lastRenderedPageBreak в .doc нет) — семантика отличается от docx-фикстуры, запинено тестом.
Остаток моста (осознанный, вне контура): семантика рестартов списков не переносится (`fNoRestart`/`ilvlRestartLim` → `w:lvlRestart` — docx4j-Emulator применяет свой дефолт «рестарт на старшем уровне»), как и `fLegal`/`isLgl`, `dxaIndentSav` и `LfoData.cp`; `sprmPIlvl=0x0C` — абзац без numPr (не «в списке без номера»); AUTONUM-поля трактуются как обычные списки; отрицательный `sprmPIlfo` («сохранить отступы») — обычный numPr, отступы делает прямой `w:ind` абзаца; объединённые ячейки: вертикальное слияние (`vertMerge`) не переносится, горизонтальное — переносится собственной сеткой строки (TTP-абзац каждой строки несёт свой `sprmTDefTable`, §2.9.321 → `w:gridSpan`+суммарный `w:tcW`; регрессия — WordPdfConverterTest#docMergedTableRow_fullWidthNotSplit, юниты — DocToDocxFormattingTest#mergedRow_gridSpanAndWidth, #misalignedRow_fallsBackToColumnWidths), вложенные таблицы (sprmPFInnerTtp — разделитель ячейки/строки там ¶ 0x0D, не 0x07) и бордюры уровня ячейки (TC80/sprmTCellBorders) не переносятся — только сетка и строковые границы; строки, у которых сетка задана только `sprmTInsert` (в PrcData нет `sprmTDefTable`, а PAPX-зеркало отсутствует), деградируют в плоские абзацы (`sprmTInsert` конвертер не читает); `DocFile.countPages` (`PapxIndex.countPageBreakBefore`) цепочку PrcData не следует — свойства вне FKP в подсчёт страниц не попадают, 0x0C-разрывы считаются; сноски/концевые сноски/комментарии не рендерятся (метки ссылок пропускаются); чётные и first-page варианты колонтитуков не переносятся (переносится только odd → `type="default"`, FOP не различает чётность полос набора, `titlePg` не эмитится); разрыв секции в абзаце со sprmPFInTable деградирует в разрыв страницы (`w:sectPr` в `w:pPr` внутри `w:tc` невалиден); error-флаги `errorOnCharts`/`errorOnSmartArt`/`errorOnOle` на `.doc` **не срабатывают** — диаграммы/SmartArt/OLE в бинарном формате существуют только как BLIP-плейсхолдеры, мост выдаёт их картинками (задокументировано в `@Operation`); `stale-cache.doc` конвертируется (кэш PageCount=5, концепта lastRenderedPageBreak в .doc нет) — семантика отличается от docx-фикстуры, запинено тестом.
### Нормализаторы (`internal/DocxNormalizer`)
@@ -240,7 +240,7 @@ java -cp wordpdf-core/target/test-classes:$(cat /tmp/cp.txt) \
- Гейт `maven-pmd-plugin` 3.28.0 на `verify` для обоих модулей, ruleset `pmd-ruleset.xml`, `includeTests=true`. Версия PMD-движка в pom не пинится (тянется плагином).
- Гейт JaCoCo `0.8.15`: `jacoco:check` (правило BUNDLE, LINE COVEREDRATIO `0.90` — обоих модулей; в `wordpdf-core/pom.xml` execution `check` переопределён и добавляет BRANCH COVEREDRATIO `0.85` — только для core) на `verify`; агент подключается в surefire через `argLine` = `@{argLine} -Djava.awt.headless=true` (свойство `argLine` в корневом pom по умолчанию пусто и перезаписывается `prepare-agent` — `mvn test -Djacoco.skip=true` без агента работоспособно); `report` и `check` оба на `verify`, report раньше — при провале порога отчёт уже на диске; отчёты `target/site/jacoco/` (html+xml, xml нужен CI-сводке). Плотность покрытия держат тесты, а не заглушки: промахи в основном недостижимые IOException/catch-ветки (`GlyphFont`, `BundledFonts`) и защитные ветви сканеров нормализаторов/валидатора.
- 55 тестовых класса / 796 `@Test` (core 49/753 — из них 17 классов / 189 тестов в `internal/doc/`, app 6/43: ConvertController 23 + ApiKeyFilter 8 + ConversionService 5 + ApiExceptionHandler 4 + ConvertLimits 2 + ConversionTimeout 1). JUnit 6 (`org.junit.jupiter:junit-jupiter`), surefire 3.6.0 с `-Djava.awt.headless=true`; только `Assertions` (Mockito/AssertJ не использовать; в app-тестах допустим inline-Hamcrest `org.hamcrest.Matchers.containsString` в `andExpect`), тестовые классы package-private, зеркалят main-пакеты; только `@Test` + два `@BeforeAll` (warm-up шрифтов в `GlyphCoverageNormalizerTest` и `BundledFonts.init()` в `BundledFontsTest`) + `@AfterEach drainWorker` в `ConversionTimeoutTest` (дренировать отменённый FOP-рендер до следующего класса — гонка глобального `PhysicalFonts`).
- 55 тестовых класса / 799 `@Test` (core 49/756 — из них 17 классов / 189 тестов в `internal/doc/`, app 6/43: ConvertController 23 + ApiKeyFilter 8 + ConversionService 5 + ApiExceptionHandler 4 + ConvertLimits 2 + ConversionTimeout 1). JUnit 6 (`org.junit.jupiter:junit-jupiter`), surefire 3.6.0 с `-Djava.awt.headless=true`; только `Assertions` (Mockito/AssertJ не использовать; в app-тестах допустим inline-Hamcrest `org.hamcrest.Matchers.containsString` в `andExpect`), тестовые классы package-private, зеркалят main-пакеты; только `@Test` + два `@BeforeAll` (warm-up шрифтов в `GlyphCoverageNormalizerTest` и `BundledFonts.init()` в `BundledFontsTest`) + `@AfterEach drainWorker` в `ConversionTimeoutTest` (дренировать отменённый FOP-рендер до следующего класса — гонка глобального `PhysicalFonts`).
- **PDF сравнивается текстом, не растеризацией**: PDFBox 3 (`Loader.loadPDF`) — `PDFTextStripper` (пер-странично `setStartPage/setEndPage`), override `processTextPosition` для шрифта конкретного символа (`fontNameOf`), обход ресурсов страниц для встроенных шрифтов (`EAAAAA+Carlito-Bold`) и счётчик картинок (`imageCount`/`distinctImageCount` — SMask игнорируется). Негативные маркеры: `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 (экспорт 300 dpi, числа зашиты в тесты), допуски `assertRatio` <0.06 (`PiePainterTest`, `CartesianPainterTest`) / <0.10 (`Surface3dPainterTest`, + `assertRange` ±6 pt для центров силуэта); пороги залитых px, перцентильные коридоры яркости, «серый» px — разброс каналов `GRAY_MAX_SPREAD=25`; исключение — структурная проверка чернил в `GlyphFontTest`. Эталонные файлы — `develop/`, вне git. Хелперы chart-тестов (`render`, `countColor`, `assertRatio`, `paint`) продублированы по классам — общего test-util нет.
- `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.
@@ -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