feat: конвертация бинарного .doc (Word 97-2003) в PDF (POI HWPF + FOP)

This commit is contained in:
Pjandro
2026-10-16 21:44:24 +00:00
parent 903eb71210
commit 9cd9e688b3
16 changed files with 1239 additions and 56 deletions
@@ -16,6 +16,7 @@ import ru.pjandro.wordpdf.internal.FieldNormalizer;
import ru.pjandro.wordpdf.internal.GlyphCoverageNormalizer;
import ru.pjandro.wordpdf.internal.FopFallbackFonts;
import ru.pjandro.wordpdf.internal.StrictOoxmlNormalizer;
import ru.pjandro.wordpdf.internal.DocToPdfRenderer;
import ru.pjandro.wordpdf.internal.SymbolFontNormalizer;
import java.io.ByteArrayInputStream;
@@ -54,8 +55,9 @@ public final class WordPdfConverter {
}
/**
* Конвертирует байты .docx в PDF. Работа с файлами — забота вызывающего
* (файловое API было здесь раньше; ядро пути не принимает).
* Конвертирует байты .docx (или бинарного .doc Word 97-2003 — ветка
* выбирается по магическому байту контейнера) в PDF. Работа с файлами — забота
* вызывающего (файловое API было здесь раньше; ядро пути не принимает).
*
* <p>Вход проверяется {@link WordPdfValidator#validate(byte[], ConvertOptions)} до рендера:
* {@code null} / размер больше {@link WordPdfSettings#MAX_INPUT_MB} (МБ) / zip-подпись /
@@ -114,6 +116,16 @@ public final class WordPdfConverter {
*/
private static void convertToStream(byte[] rawDocxBytes, String title, ConvertOptions options,
OutputStream os) throws Exception {
// 0. Бинарный .doc (Word 97-2003, OLE2-контейнер) — отдельная
// ветка: docx4j его не читает, нормализаторы (все — по zip-частям
// docx) тут бессмысленны. Флаги renderCharts/renderSmartArt/
// errorOn* для .doc — no-op: диаграмм как c:chart в .doc нет,
// превью встраиваемых объектов приходят картинками через
// PicturesManager (см. internal/DocToPdfRenderer).
if (isOle2(rawDocxBytes)) {
DocToPdfRenderer.render(rawDocxBytes, title, options, os);
return;
}
// 1. Маппер шрифтов. Порядок важен: конструктор запускает
// обнаружение системных шрифтов, затем бандл-шрифты из jar
// регистрируются поверх них (имеют приоритет).
@@ -188,4 +200,13 @@ public final class WordPdfConverter {
// пакет загружается в память и ничего не закрывает.
}
}
/** Магик OLE2 (CFB): {@code D0 CF 11 E0 A1 B1 1A E1} — контейнер .doc. */
private static boolean isOle2(byte[] bytes) {
return bytes != null && bytes.length >= 8
&& (bytes[0] & 0xFF) == 0xD0 && (bytes[1] & 0xFF) == 0xCF
&& (bytes[2] & 0xFF) == 0x11 && (bytes[3] & 0xFF) == 0xE0
&& (bytes[4] & 0xFF) == 0xA1 && (bytes[5] & 0xFF) == 0xB1
&& (bytes[6] & 0xFF) == 0x1A && (bytes[7] & 0xFF) == 0xE1;
}
}
@@ -1,5 +1,7 @@
package ru.pjandro.wordpdf;
import org.apache.poi.hwpf.HWPFDocument;
import org.apache.poi.poifs.filesystem.POIFSFileSystem;
import javax.xml.stream.XMLInputFactory;
import javax.xml.stream.XMLStreamException;
import javax.xml.stream.XMLStreamReader;
@@ -149,28 +151,85 @@ public final class WordPdfValidator {
}
/**
* Полная проверка входа: размер → zip-подпись → число страниц. Порядок
* значим: размер — дешёвая, разбор zip без подписи бессмысленен. Лимиты
* берутся из {@link ConvertOptions} (переопределение на вызов, см.
* {@link ConvertOptions#maxMb()}, {@link ConvertOptions#maxPages()}).
* Полная проверка входа: размер → подпись контейнера (zip или OLE2) →
* число страниц. Порядок значим: размер — дешёвая, разбор контейнера без
* подписи бессмысленен. Лимиты берутся из {@link ConvertOptions}
* (переопределение на вызов, см. {@link ConvertOptions#maxMb()},
* {@link ConvertOptions#maxPages()}).
*
* <p>Проверка zip-подписи отдельным шагом обязательна:
* <p>Проверка подписи отдельным шагом обязательна:
* {@code ZipInputStream.getNextEntry()} на не-zip-потоке возвращает
* {@code null} молча, и {@link #checkPageCount(byte[], int)} такой вход
* не отверг бы (оценка «1 страница»). Регрессия —
* {@code WordPdfValidatorTest#validate_notAZip} (на HTTP-границе —
* не отверг бы (оценка «1 страница»). Бинарный .doc — не zip, а OLE2
* (CFB): для него свой магик и свой счётчик страниц
* ({@link #checkDocPageCountLightweight(byte[], int)}). Регрессия —
* {@code WordPdfValidatorTest#validate_neitherDocxNorDoc} (на HTTP-границе —
* {@code ConvertControllerTest#corruptNotAZip_rejected}).</p>
*
* @throws ValidationException при {@code null}, превышении {@code options.maxMb()},
* отсутствии zip-подписи, ошибке разбора zip или превышении {@code options.maxPages()}
* отсутствии подписи контейнера (ни zip, ни OLE2), ошибке разбора
* контейнера или превышении {@code options.maxPages()}
*/
public static void validate(byte[] docxBytes, ConvertOptions options) throws ValidationException {
checkInput(docxBytes, options.maxMb());
if (docxBytes.length < 4 || docxBytes[0] != 'P' || docxBytes[1] != 'K'
|| (docxBytes[2] & 0xFF) != 0x03 || (docxBytes[3] & 0xFF) != 0x04) {
throw new ValidationException("Содержимое не похоже на .docx (не zip-архив)");
boolean zip = docxBytes.length >= 4 && docxBytes[0] == 'P' && docxBytes[1] == 'K'
&& (docxBytes[2] & 0xFF) == 0x03 && (docxBytes[3] & 0xFF) == 0x04;
boolean ole2 = docxBytes.length >= 8
&& (docxBytes[0] & 0xFF) == 0xD0 && (docxBytes[1] & 0xFF) == 0xCF
&& (docxBytes[2] & 0xFF) == 0x11 && (docxBytes[3] & 0xFF) == 0xE0
&& (docxBytes[4] & 0xFF) == 0xA1 && (docxBytes[5] & 0xFF) == 0xB1
&& (docxBytes[6] & 0xFF) == 0x1A && (docxBytes[7] & 0xFF) == 0xE1;
if (!zip && !ole2) {
throw new ValidationException("Содержимое не похоже на .docx или .doc (ни zip, ни OLE2)");
}
try {
if (zip) {
checkPageCount(docxBytes, options.maxPages());
} else {
checkDocPageCountLightweight(docxBytes, options.maxPages());
}
} catch (ConversionException e) {
// сломанный OLE2-контейнер — некорректный вход (400), как не-zip в zip-ветке
throw new ValidationException(e.getMessage(), e);
}
}
/**
* Проверяет число страниц бинарного .doc (Word 97-2003) по кэшу
* {@code SummaryInformation.PageCount} — аналогу {@code docProps/app.xml}
* в docx-пути: Word переписывает его при сохранении, пост-рендерной
* проверки нет осознанно (как в docx-ветке — доверяем кэшу до рендера).
* Кэш пуст или ноль — проверка пропускается (посчитать дёшево нельзя,
* отвергать валидный документ по отсутствию кэша неправильно).
*
* @throws ConversionException при {@code null}, ошибке разбора OLE2 или превышении {@link WordPdfSettings#MAX_PAGES}
*/
public static void checkDocPageCountLightweight(byte[] docBytes) throws ConversionException {
checkDocPageCountLightweight(docBytes, WordPdfSettings.MAX_PAGES);
}
/**
* То же, что {@link #checkDocPageCountLightweight(byte[])}, с явным
* лимитом страниц (переопределение на вызов, см. {@link ConvertOptions#maxPages()}).
*
* @throws ConversionException при {@code null}, ошибке разбора OLE2 или превышении {@code maxPages}
*/
public static void checkDocPageCountLightweight(byte[] docBytes, int maxPages) throws ConversionException {
if (docBytes == null) {
throw new ConversionException("Не указаны байты входного .doc");
}
int pages;
try (POIFSFileSystem fs = new POIFSFileSystem(new ByteArrayInputStream(docBytes));
HWPFDocument hwpf = new HWPFDocument(fs)) {
org.apache.poi.hpsf.SummaryInformation si = hwpf.getSummaryInformation();
pages = si == null ? 0 : si.getPageCount();
} catch (IOException | RuntimeException e) {
throw new ConversionException("Не удалось разобрать байты .doc", e);
}
if (pages > maxPages) {
throw new ConversionException("Документ длиннее " + maxPages
+ " страниц: получено не менее " + pages);
}
checkPageCount(docxBytes, options.maxPages());
}
/** Поставщик потока по имени части zip; null — части нет. */
@@ -0,0 +1,759 @@
package ru.pjandro.wordpdf.internal;
import org.apache.fop.apps.FOUserAgent;
import org.apache.fop.apps.Fop;
import org.apache.fop.apps.FopFactory;
import org.apache.fop.apps.MimeConstants;
import org.apache.poi.hwpf.HWPFDocument;
import org.apache.poi.hwpf.converter.FontReplacer;
import org.apache.poi.hwpf.converter.PicturesManager;
import org.apache.poi.hwpf.converter.WordToFoConverter;
import org.apache.poi.hwpf.usermodel.CharacterRun;
import org.apache.poi.hwpf.usermodel.HeaderStories;
import org.apache.poi.hwpf.usermodel.Paragraph;
import org.apache.poi.hwpf.usermodel.PictureType;
import org.apache.poi.hwpf.usermodel.Range;
import org.apache.poi.poifs.filesystem.POIFSFileSystem;
import org.w3c.dom.Document;
import org.w3c.dom.Element;
import org.w3c.dom.Node;
import org.w3c.dom.NodeList;
import ru.pjandro.wordpdf.ConversionException;
import ru.pjandro.wordpdf.ConvertOptions;
import ru.pjandro.wordpdf.fonts.BundledFontMapper;
import ru.pjandro.wordpdf.fonts.BundledFonts;
import javax.xml.parsers.DocumentBuilderFactory;
import javax.xml.transform.dom.DOMSource;
import javax.xml.transform.sax.SAXResult;
import java.io.ByteArrayInputStream;
import java.io.IOException;
import java.io.OutputStream;
import java.nio.charset.StandardCharsets;
import java.nio.file.Files;
import java.nio.file.Path;
import java.util.ArrayList;
import java.util.Comparator;
import java.util.List;
import java.util.Locale;
import java.util.stream.Stream;
/**
* Рендер бинарного .doc (Word 97-2003, OLE2) в PDF: POI HWPF -> XSL-FO ->
* Apache FOP (тот же форк, что в docx-ветке).
*
* <p>docx4j бинарный формат не читает, HWPF->XWPF конвертера в POI нет —
* поэтому для .doc отдельная ветка: {@link WordToFoConverter} строит FO
* из HWPF-модели напрямую, а колонтитулы (которые POI в FO не пишет)
* дописываются в FO-DOM по {@link HeaderStories}.
*
* <p>Известная деградация против Word (принята): дрейф вёрстки (FO POI
* беднее docx4j-экспорта), шрифты — бандл-аналоги, колонтитулы — по
* одной (odd) истории на секцию, first/even-варианты — эвристикой
* «непустая история => вариант» (флаги titlePg/evenAndOdd POI не отдаёт).
* Флаги {@code renderCharts}/{@code renderSmartArt} для .doc — no-op:
* диаграмм как {@code c:chart} в .doc нет, превью встраиваемых объектов
* приходят картинками через {@link PicturesManager}.
*/
public final class DocToPdfRenderer {
private DocToPdfRenderer() {
}
private static final String FO_NS = "http://www.w3.org/1999/XSL/Format";
/** Маркеры полей Word в тексте HWPF-ранов. */
private static final char FIELD_BEGIN = '\u0013';
private static final char FIELD_SEPARATOR = '\u0014';
private static final char FIELD_END = '\u0015';
/** Маркер конца секции в историях колонтитулов. */
private static final char SECTION_END = '\u000c';
/** Конец абзаца / конец ячейки таблицы в тексте HWPF. */
private static final char PARA_END = '\r';
private static final char CELL_END = '\u0007';
/** Зазор между текстом колонтитула и областью контента. */
private static final double REGION_GAP_IN = 0.15;
/**
* Полный путь .doc -> PDF в поток. Все ошибки — {@link ConversionException}.
*
* @param docBytes байты OLE2 (.doc)
* @param title заголовок PDF (метаданные); {@code null}/пустая — не задаётся
* @param options настройки вызова (для .doc флаги рисования — no-op)
* @param out приёмник байтов PDF
*/
public static void render(byte[] docBytes, String title, ConvertOptions options,
OutputStream out) throws ConversionException {
Path workDir = null;
try {
// init() идемпотентен; restrictToBundled() не нужен — FOP-конфиг
// строится явно (auto-detect="false"), системные шрифты в него не попадают.
BundledFonts.init();
workDir = Files.createTempDirectory("wordpdf-doc-");
Path picsDir = Files.createDirectory(workDir.resolve("pics"));
Document foDoc;
try (POIFSFileSystem fs = new POIFSFileSystem(new ByteArrayInputStream(docBytes));
HWPFDocument hwpf = new HWPFDocument(fs)) {
DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
dbf.setNamespaceAware(true);
Document dom = dbf.newDocumentBuilder().newDocument();
WordToFoConverter converter = new WordToFoConverter(dom);
converter.setFontReplacer(DocToPdfRenderer::replaceFont);
converter.setPicturesManager(new TempPictures(picsDir));
converter.processDocument(hwpf);
foDoc = converter.getDocument();
applyDefaultFont(foDoc);
injectHeadersAndFooters(foDoc, hwpf);
}
renderFo(foDoc, title, workDir, out);
} catch (ConversionException e) {
throw e;
} catch (Exception e) {
throw new ConversionException("Не удалось конвертировать документ .doc", e);
} finally {
if (workDir != null) {
deleteRecursively(workDir);
}
}
}
// ==================== Шрифты ====================
/**
* Замена шрифта ранa на бандл-аналог: имя из name-таблицы TTF
* regular-варианта (тот же механизм triplet-имён, что в
* {@link FopFallbackFonts}) — FO запрашивает именно его.
*/
private static FontReplacer.Triplet replaceFont(FontReplacer.Triplet t) {
String family = BundledFontMapper.bundledFamily(
t.fontName == null ? "" : t.fontName);
var regular = BundledFonts.regular(family);
if (regular != null) {
t.fontName = regular.getName();
}
return t;
}
/** Картинки во временный каталог; FO ссылается на них file:-URI. */
private static final class TempPictures implements PicturesManager {
private final Path dir;
TempPictures(Path dir) {
this.dir = dir;
}
@Override
public String savePicture(byte[] content, PictureType pictureType,
String suggestedName, float widthInches, float heightInches) {
try {
if (content == null || content.length == 0) {
// пустой объект (напр. превью удалённого рисунка) — FOP
// падает на нём с EOFException, ссылка не нужна
return null;
}
String name = suggestedName == null ? "" :
suggestedName.replaceAll("[^A-Za-z0-9._-]", "_");
if (name.isEmpty()) {
String ext = pictureType == null
? PictureType.UNKNOWN.getExtension()
: pictureType.getExtension();
name = "pic-" + java.util.Arrays.hashCode(content) + "." + ext;
}
Path file = dir.resolve(name);
Files.write(file, content);
return file.toUri().toString();
} catch (IOException e) {
// деградация вместо падения: картинка без ссылки просто исчезнет
return null;
}
}
}
// ==================== Колонтитулы ====================
/**
* POI не пишет колонтитулы в FO. Достаём их из {@link HeaderStories},
* разбиваем на чанки по секциям (маркер конца секции {@code \u000c}) и
* вставляем в FO-DOM: {@code fo:region-before}/{@code fo:region-after}
* в мастер + {@code fo:static-content} в page-sequence.
*/
private static void injectHeadersAndFooters(Document foDoc, HWPFDocument hwpf) {
NodeList sequences = foDoc.getElementsByTagNameNS(FO_NS, "page-sequence");
if (sequences.getLength() == 0) {
return;
}
HeaderStories hs = new HeaderStories(hwpf);
// Императивный список: javac 21 не выводит T для List.of/Arrays.asList
// из вложенных дженерик-аргументов (varargs inference).
List<List<List<Paragraph>>> stories = new ArrayList<>();
stories.add(chunkBySection(hs.getOddHeaderSubrange(), sequences.getLength()));
stories.add(chunkBySection(hs.getEvenHeaderSubrange(), sequences.getLength()));
stories.add(chunkBySection(hs.getFirstHeaderSubrange(), sequences.getLength()));
stories.add(chunkBySection(hs.getOddFooterSubrange(), sequences.getLength()));
stories.add(chunkBySection(hs.getEvenFooterSubrange(), sequences.getLength()));
stories.add(chunkBySection(hs.getFirstFooterSubrange(), sequences.getLength()));
// NUMPAGES/SECTIONPAGES -> citation-last по ПОСЛЕДНЕМУ мастеру
// документа: нумерация FOP между page-sequence непрерывна.
String lastMaster = ((Element) sequences.item(sequences.getLength() - 1))
.getAttribute("master-reference");
for (int i = 0; i < sequences.getLength(); i++) {
Element seq = (Element) sequences.item(i);
String masterName = seq.getAttribute("master-reference");
Element master = findMaster(foDoc, masterName);
if (master == null) {
continue;
}
String[] margins = parseMarginShorthand(master);
if (margins == null) {
continue;
}
// Форк FOP (docx4j-fo-renderer) вырезал PageMaster.setupRegions:
// viewport region-body = page-area минус СОБСТВЕННЫЕ margin'ы
// body, extent'ы region-before/after body не вычитаются. Поэтому
// margin'ы region-body (шортхэнд POI = Word-поля) сохраняются —
// единственная защита от наезда текста на колонтитулы; extent'ы
// регионов только размещают сами колонтитулы.
// Порядок детей simple-page-master: body -> before -> after
// (требование валидации форка).
if (hasText(stories.get(0).get(i))) {
appendRegion(master, "region-before", margins[0], "after");
insertStaticContent(seq, "xsl-region-before",
blocks(foDoc, stories.get(0).get(i), lastMaster), "margin-bottom");
}
if (hasText(stories.get(3).get(i))) {
appendRegion(master, "region-after", margins[2], "before");
insertStaticContent(seq, "xsl-region-after",
blocks(foDoc, stories.get(3).get(i), lastMaster), "margin-top");
}
// first/even — эвристика: непустая история => вариант существует.
boolean hasFirst = hasText(stories.get(2).get(i)) || hasText(stories.get(5).get(i));
boolean hasEven = hasText(stories.get(1).get(i)) || hasText(stories.get(4).get(i));
if (!hasFirst && !hasEven) {
continue;
}
List<Element> variants = new ArrayList<>();
if (hasFirst) {
Element clone = (Element) master.cloneNode(true);
String name = masterName + "-first";
clone.setAttribute("master-name", name);
renameRegionFlows(clone, "-first");
foDoc.getDocumentElement().insertBefore(clone, master.getNextSibling());
if (hasText(stories.get(2).get(i))) {
insertStaticContent(seq, "xsl-region-before-first",
blocks(foDoc, stories.get(2).get(i), lastMaster), "margin-bottom");
}
if (hasText(stories.get(5).get(i))) {
insertStaticContent(seq, "xsl-region-after-first",
blocks(foDoc, stories.get(5).get(i), lastMaster), "margin-top");
}
variants.add(clone);
}
if (hasEven) {
Element clone = (Element) master.cloneNode(true);
String name = masterName + "-even";
clone.setAttribute("master-name", name);
renameRegionFlows(clone, "-even");
foDoc.getDocumentElement().insertBefore(clone, master.getNextSibling());
if (hasText(stories.get(1).get(i))) {
insertStaticContent(seq, "xsl-region-before-even",
blocks(foDoc, stories.get(1).get(i), lastMaster), "margin-bottom");
}
if (hasText(stories.get(4).get(i))) {
insertStaticContent(seq, "xsl-region-after-even",
blocks(foDoc, stories.get(4).get(i), lastMaster), "margin-top");
}
variants.add(clone);
}
wrapInPageSequenceMaster(foDoc, master, variants);
}
}
/**
* История колонтитулов — конкатенация одноимённых историй всех секций;
* конец секции помечен {@code \u000c} в последнем параграфе. Чанков не
* столько, сколько секций — деградация: один чанк раздаётся всем.
*/
private static List<List<Paragraph>> chunkBySection(Range story, int sectionCount) {
List<List<Paragraph>> chunks = new ArrayList<>();
if (story != null && story.numParagraphs() > 0) {
List<Paragraph> current = new ArrayList<>();
for (int i = 0; i < story.numParagraphs(); i++) {
Paragraph p;
String text;
try {
p = story.getParagraph(i);
text = p.text();
} catch (RuntimeException e) {
continue;
}
current.add(p);
if (text != null && text.indexOf(SECTION_END) >= 0) {
chunks.add(current);
current = new ArrayList<>();
}
}
if (!current.isEmpty()) {
chunks.add(current);
}
}
if (chunks.isEmpty()) {
for (int i = 0; i < sectionCount; i++) {
chunks.add(null);
}
} else if (chunks.size() != sectionCount) {
List<Paragraph> first = chunks.get(0);
chunks = new ArrayList<>();
for (int i = 0; i < sectionCount; i++) {
chunks.add(first);
}
}
return chunks;
}
private static Element findMaster(Document foDoc, String masterName) {
NodeList masters = foDoc.getElementsByTagNameNS(FO_NS, "simple-page-master");
for (int i = 0; i < masters.getLength(); i++) {
Element m = (Element) masters.item(i);
if (masterName.equals(m.getAttribute("master-name"))) {
return m;
}
}
return null;
}
/** {@code margin="T R B L"} region-body мастера (шортхэнд POI). */
private static String[] parseMarginShorthand(Element master) {
Element body = child(master, "region-body");
if (body == null) {
return null;
}
String margin = body.getAttribute("margin");
if (margin == null) {
return null;
}
String[] parts = margin.trim().split("\\s+");
return parts.length == 4 ? parts : null;
}
/**
* Регион колонтитула: extent = поле страницы, текст прижат к body
* (низ заголовка / верх футера); зазор — маргинами блоков.
*/
private static Element appendRegion(Element master, String kind, String extent,
String displayAlign) {
Element region = master.getOwnerDocument().createElementNS(FO_NS, "fo:" + kind);
region.setAttribute("extent", extent);
region.setAttribute("display-align", displayAlign);
master.appendChild(region);
return region;
}
/** В master-клоне варианта колонтитулы берутся из своего потока. */
private static void renameRegionFlows(Element clone, String suffix) {
for (String kind : new String[]{"region-before", "region-after"}) {
Element region = child(clone, kind);
if (region != null) {
region.setAttribute("flow-name", "xsl-" + kind + suffix);
}
}
}
/**
* Мастер с first/even-вариантами оборачивается в
* {@code fo:page-sequence-master} (на месте); {@code master-reference}
* page-sequence не меняется — он указывает на имя обёртки.
*/
private static void wrapInPageSequenceMaster(Document foDoc, Element master,
List<Element> variants) {
String masterName = master.getAttribute("master-name");
Element psm = foDoc.createElementNS(FO_NS, "fo:page-sequence-master");
psm.setAttribute("master-name", masterName);
Element alternatives = foDoc.createElementNS(FO_NS,
"fo:repeatable-page-master-alternatives");
psm.appendChild(alternatives);
for (Element variant : variants) {
String position = variant.getAttribute("master-name").endsWith("-first")
? "first" : "even";
alternatives.appendChild(conditionalRef(foDoc, position,
variant.getAttribute("master-name")));
}
alternatives.appendChild(conditionalRef(foDoc, "rest", masterName));
master.getParentNode().replaceChild(psm, master);
}
private static Element conditionalRef(Document foDoc, String position, String masterRef) {
Element ref = foDoc.createElementNS(FO_NS, "fo:conditional-page-master-reference");
ref.setAttribute("master-reference", masterRef);
ref.setAttribute("page-position", position);
return ref;
}
/**
* static-content вставляется в page-sequence перед fo:flow; каждый блок
* получает зазор {@code gapAttribute} к области контента (в самих
* регионах padding запрещён XSL 1.1 — FOP валидирует).
*/
private static void insertStaticContent(Element sequence, String flowName,
List<Element> content, String gapAttribute) {
if (content.isEmpty()) {
return;
}
Document doc = sequence.getOwnerDocument();
Element staticContent = doc.createElementNS(FO_NS, "fo:static-content");
staticContent.setAttribute("flow-name", flowName);
for (Element block : content) {
block.setAttribute(gapAttribute, REGION_GAP_IN + "in");
staticContent.appendChild(block);
}
Element flow = child(sequence, "flow");
if (flow == null) {
sequence.appendChild(staticContent);
} else {
sequence.insertBefore(staticContent, flow);
}
}
// ==================== История -> блоки FO ====================
/** Параграфы чанка истории как {@code fo:block}-и; пустой чанк — пустой список. */
private static List<Element> blocks(Document foDoc, List<Paragraph> chunk,
String lastMasterName) {
List<Element> result = new ArrayList<>();
if (chunk == null) {
return result;
}
for (Paragraph p : chunk) {
Element block = paragraphBlock(foDoc, p, lastMasterName);
if (block != null && blockHasVisibleContent(block)) {
result.add(block);
}
}
return result;
}
/**
* Параграф истории как {@code fo:block}: выравнивание, табуляции, раны с
* форматированием и поля (PAGE/NUMPAGES/SECTIONPAGES) из управляющих
* символов текста ранов ({@code \u0013}\u2026{@code \u0014}\u2026{@code \u0015}).
*/
private static Element paragraphBlock(Document doc, Paragraph p,
String lastMasterName) {
Element block = doc.createElementNS(FO_NS, "fo:block");
block.setAttribute("text-align", switch (p.getJustification()) {
case 1 -> "center";
case 2 -> "end";
case 3 -> "justify";
default -> "start";
});
// Наследуемый шрифт блока: fo:page-number — пустой элемент, без
// font-family блока FOP рисует его базовым Helvetica.
var blockFont = firstRunFont(p);
block.setAttribute("font-family", blockFont != null
? blockFont.getName()
: BundledFonts.regular(BundledFonts.FALLBACK_FAMILY).getName());
// state-machine полей: 0 — обычный текст, 1 — инструкция, 2 — кэш-результат
StringBuilder instr = new StringBuilder();
StringBuilder cached = new StringBuilder();
StringBuilder plain = new StringBuilder();
int column = 0;
int mode = 0;
for (int j = 0; j < p.numCharacterRuns(); j++) {
CharacterRun cr;
String text;
try {
cr = p.getCharacterRun(j);
text = cr.text();
} catch (RuntimeException e) {
continue;
}
if (text == null) {
continue;
}
for (int k = 0; k < text.length(); k++) {
char c = text.charAt(k);
if (c == FIELD_BEGIN) {
mode = 1;
instr.setLength(0);
cached.setLength(0);
} else if (c == FIELD_SEPARATOR && mode == 1) {
mode = 2;
} else if (c == FIELD_END && (mode == 1 || mode == 2)) {
emitField(doc, block, instr.toString(), cached.toString(), lastMasterName);
mode = 0;
} else if (mode == 1) {
instr.append(c);
} else if (mode == 2) {
cached.append(c);
} else if (c == '\t') {
column = appendTab(doc, block, plain, column, cr);
} else {
plain.append(c);
}
}
}
if (mode != 0) {
// незакрытое поле: выводим накопленное как обычный текст
plain.append(instr).append(cached);
}
flushText(doc, block, plain.toString(), null);
return block;
}
/** Распознанные поля — живые FO-элементы; прочие — кэш-текст как есть. */
private static void emitField(Document doc, Element block, String instruction,
String cachedResult, String lastMasterName) {
String code = instruction.trim().toUpperCase(Locale.ROOT);
if (code.startsWith("PAGE")) {
Element pn = doc.createElementNS(FO_NS, "fo:page-number");
block.appendChild(pn);
} else if ((code.startsWith("NUMPAGES") || code.startsWith("SECTIONPAGES"))
&& lastMasterName != null) {
// нумерация FOP между page-sequence непрерывна — citation-last
// по последнему мастеру = общее число страниц
Element pn = doc.createElementNS(FO_NS, "fo:page-number-citation-last");
pn.setAttribute("ref-name", lastMasterName);
block.appendChild(pn);
} else {
flushText(doc, block, cachedResult, null);
}
}
/**
* {@code \t}: FOP-форк не поддерживает свойство {@code tabs}, поэтому
* таб — пробелы до следующей дефолтной Word-остановки (1,25 см).
* Возвращает новую «колонку» (символы до курсора).
*/
private static int appendTab(Document doc, Element block, StringBuilder plain,
int column, CharacterRun cr) {
flushText(doc, block, plain.toString(), null);
plain.setLength(0);
double charIn = charWidthIn(cr);
double step = 1.25 / 2.54;
double x = (column + 1) * charIn;
double target = (Math.floor(x / step) + 1) * step;
int spaces = (int) Math.max(1, Math.ceil((target - x) / charIn));
flushText(doc, block, " ".repeat(spaces), cr);
return column + 1 + spaces;
}
/** Приблизительная ширина символа (полширины кегля) в дюймах. */
private static double charWidthIn(CharacterRun cr) {
double pt = 10.0;
try {
if (cr != null && cr.getFontSize() > 0) {
pt = cr.getFontSize() / 2.0;
}
} catch (RuntimeException e) {
// наследование из стиля — остаётся дефолт
}
return Math.max(0.03, pt * 0.5 / 72.0);
}
private static void flushText(Document doc, Element block, String text,
CharacterRun cr) {
String cleaned = cleanText(text);
if (cleaned.isEmpty()) {
return;
}
if (cr == null) {
block.appendChild(doc.createTextNode(cleaned));
return;
}
Element inline = doc.createElementNS(FO_NS, "fo:inline");
var font = runFont(cr);
if (font != null) {
inline.setAttribute("font-family", font.getName());
}
int halfPoints = cr.getFontSize();
inline.setAttribute("font-size", (halfPoints > 0 ? halfPoints / 2.0 : 10.0) + "pt");
if (cr.isBold()) {
inline.setAttribute("font-weight", "bold");
}
if (cr.isItalic()) {
inline.setAttribute("font-style", "italic");
}
if (cr.getUnderlineCode() != 0) {
inline.setAttribute("text-decoration", "underline");
}
inline.appendChild(doc.createTextNode(cleaned));
block.appendChild(inline);
}
/** Шрифт рана -> бандл-аналог (тот же маппинг, что у основного текста). */
private static org.docx4j.fonts.PhysicalFont runFont(CharacterRun cr) {
String name;
try {
name = cr.getFontName();
} catch (RuntimeException e) {
return null;
}
String family = BundledFontMapper.bundledFamily(name == null ? "" : name);
return BundledFonts.regular(family);
}
/** Шрифт первого читаемого рана параграфа (для наследуемого font-family блока). */
private static org.docx4j.fonts.PhysicalFont firstRunFont(Paragraph p) {
try {
for (int j = 0; j < p.numCharacterRuns(); j++) {
var font = runFont(p.getCharacterRun(j));
if (font != null) {
return font;
}
}
} catch (RuntimeException e) {
// повреждённый параграф — на fallback вызывающего
}
return null;
}
/**
* POI пишет маркеры списков {@code fo:inline} без font-family — FOP
* рисует их базовым Helvetica. Проставляем фолбэк-семейство всем
* инлайнам без семейства.
*/
private static void applyDefaultFont(Document foDoc) {
String fallback = BundledFonts.regular(BundledFonts.FALLBACK_FAMILY).getName();
NodeList inlines = foDoc.getElementsByTagNameNS(FO_NS, "inline");
for (int i = 0; i < inlines.getLength(); i++) {
Element inline = (Element) inlines.item(i);
if (inline.getAttribute("font-family").isEmpty()) {
inline.setAttribute("font-family", fallback);
}
}
}
// ==================== FOP ====================
private static void renderFo(Document foDoc, String title, Path baseDir,
OutputStream out) throws Exception {
byte[] config = fopConfig().getBytes(StandardCharsets.UTF_8);
FopFactory fopFactory = FopFactory.newInstance(baseDir.toUri(),
new ByteArrayInputStream(config));
FOUserAgent ua = fopFactory.newFOUserAgent();
if (title != null && !title.isBlank()) {
ua.setTitle(title);
}
Fop fop = fopFactory.newFop(MimeConstants.MIME_PDF, ua, out);
javax.xml.transform.Transformer transformer =
javax.xml.transform.TransformerFactory.newInstance().newTransformer();
transformer.transform(new DOMSource(foDoc), new SAXResult(fop.getDefaultHandler()));
}
/**
* FOP-конфиг: только шрифты бандла (auto-detect="false" — системные в
* рендер не попадают). Triplet-имена — из name-таблиц regular-вариантов,
* как в {@link FopFallbackFonts}; {@code simulate-style="false"} — стили
* настоящие TTF, а не синтез FOP.
*/
private static String fopConfig() {
StringBuilder sb = new StringBuilder(
"<fop version=\"1.0\"><renderers>"
+ "<renderer mime=\"application/pdf\"><fonts auto-detect=\"false\">");
for (String family : BundledFonts.families()) {
var regular = BundledFonts.regular(family);
if (regular == null) {
continue;
}
String tripletName = regular.getName();
appendFont(sb, regular, "regular", tripletName, "normal", "normal");
appendFont(sb, BundledFonts.bold(family), "bold", tripletName, "normal", "bold");
appendFont(sb, BundledFonts.italic(family), "italic", tripletName, "italic", "normal");
appendFont(sb, BundledFonts.boldItalic(family), "boldItalic",
tripletName, "italic", "bold");
}
sb.append("</fonts></renderer></renderers></fop>");
return sb.toString();
}
private static void appendFont(StringBuilder sb, org.docx4j.fonts.PhysicalFont pf,
String embedMode, String tripletName,
String style, String weight) {
if (pf == null) {
return;
}
sb.append("<font embed-url=\"").append(pf.getEmbeddedURI())
.append("\" embed-mode=\"").append(embedMode)
.append("\" simulate-style=\"false\"><font-triplet name=\"")
.append(tripletName).append("\" style=\"").append(style)
.append("\" weight=\"").append(weight)
.append("\"/></font>");
}
// ==================== Утилиты DOM ====================
private static Element child(Element parent, String localName) {
NodeList children = parent.getChildNodes();
for (int i = 0; i < children.getLength(); i++) {
Node n = children.item(i);
if (n instanceof Element e && FO_NS.equals(e.getNamespaceURI())
&& localName.equals(e.getLocalName())) {
return e;
}
}
return null;
}
private static boolean blockHasVisibleContent(Element block) {
if (block.getTextContent() != null && !block.getTextContent().isBlank()) {
return true;
}
return block.getElementsByTagNameNS(FO_NS, "page-number").getLength() > 0
|| block.getElementsByTagNameNS(FO_NS, "page-number-citation-last").getLength() > 0
|| block.getElementsByTagNameNS(FO_NS, "leader").getLength() > 0;
}
/** Есть ли в чанке хоть один параграф с видимым содержимым. */
private static boolean hasText(List<Paragraph> chunk) {
if (chunk == null) {
return false;
}
for (Paragraph p : chunk) {
try {
for (int j = 0; j < p.numCharacterRuns(); j++) {
String t = p.getCharacterRun(j).text();
if (t != null && !cleanText(t).isEmpty()) {
return true;
}
}
} catch (RuntimeException e) {
// повреждённый ран — не содержимое
}
}
return false;
}
private static String cleanText(String t) {
StringBuilder sb = new StringBuilder(t.length());
for (int i = 0; i < t.length(); i++) {
char c = t.charAt(i);
if (c != PARA_END && c != CELL_END && c != SECTION_END) {
sb.append(c);
}
}
return sb.toString();
}
private static void deleteRecursively(Path dir) {
try (Stream<Path> walk = Files.walk(dir)) {
walk.sorted(Comparator.reverseOrder()).forEach(p -> {
try {
Files.deleteIfExists(p);
} catch (IOException ignored) {
// temp-файлы: нечего делать при отказе удаления
}
});
} catch (IOException ignored) {
}
}
}
@@ -0,0 +1,234 @@
package ru.pjandro.wordpdf;
import org.apache.pdfbox.Loader;
import org.apache.pdfbox.cos.COSName;
import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.pdmodel.PDPage;
import org.apache.pdfbox.pdmodel.PDResources;
import org.apache.pdfbox.pdmodel.font.PDFont;
import org.apache.pdfbox.pdmodel.graphics.PDXObject;
import org.apache.pdfbox.pdmodel.graphics.image.PDImageXObject;
import org.apache.pdfbox.text.PDFTextStripper;
import org.apache.pdfbox.text.TextPosition;
import org.junit.jupiter.api.Test;
import java.io.IOException;
import java.io.InputStream;
import java.nio.file.Files;
import java.nio.file.Path;
import java.util.ArrayList;
import java.util.IdentityHashMap;
import java.util.List;
import java.util.Set;
import java.util.TreeSet;
import static org.junit.jupiter.api.Assertions.*;
/**
* Конвертация бинарного .doc (Word 97-2003, OLE2) через ветку
* {@code internal.DocToPdfRenderer} (POI HWPF -> XSL-FO -> FOP).
* Фикстура — закоммиченный samples/legacy-doc.doc (создан Word'ом,
* POI .doc не пишет — не перезагенерировать).
*
* <p>Ассерты только на фактическое содержимое фикстуры и на раны,
* ушедшие в Tinos (аналог Times New Roman): текст ран, ушедших в
* DejaVu-fallback, PDFBox на машинах с установленным DejaVu «чинит»
* по системному шрифту и извлекает «#» — такие строки не ассертятся
* (экзотические глифы фикстуры — принятая деградация .doc-ветки:
* аналога GlyphCoverageNormalizer здесь нет).
*/
class DocToPdfTest {
private static byte[] sampleBytes(String name) throws IOException {
try (InputStream in = DocToPdfTest.class.getClassLoader()
.getResourceAsStream("samples/" + name)) {
assertNotNull(in, "Нет тестового документа: samples/" + name);
return in.readAllBytes();
}
}
private static Path convertPdf(byte[] docBytes, String title) throws IOException {
Path out = Files.createTempFile("converted-doc-", ".pdf");
Files.write(out, WordPdfConverter.convert(docBytes, title));
return out;
}
private static String norm(String s) {
return s.replaceAll("\\s+", "");
}
private static String pdfPageText(Path pdf, int page) throws IOException {
try (PDDocument doc = Loader.loadPDF(pdf.toFile())) {
PDFTextStripper stripper = new PDFTextStripper();
stripper.setStartPage(page);
stripper.setEndPage(page);
return stripper.getText(doc);
}
}
/** Строка страницы: базовая линия y (от верха страницы, PDFBox YDirAdj) и текст. */
private record Line(float y, String text) {
}
/** Непустые строки страницы с базовыми линиями (порядок по позиции). */
private static List<Line> pageLines(Path pdf, int page) throws IOException {
List<Line> lines = new ArrayList<>();
try (PDDocument doc = Loader.loadPDF(pdf.toFile())) {
PDFTextStripper stripper = new PDFTextStripper() {
@Override
protected void writeString(String text, List<TextPosition> textPositions)
throws IOException {
super.writeString(text, textPositions);
if (!textPositions.isEmpty() && !norm(text).isEmpty()) {
lines.add(new Line(textPositions.get(0).getYDirAdj(), text));
}
}
};
stripper.setStartPage(page);
stripper.setEndPage(page);
stripper.setSortByPosition(true);
stripper.getText(doc);
}
return lines;
}
/** y базовой линии первой строки, содержащей needle (после norm); null если нет. */
private static Float lineY(Path pdf, int page, String needle) throws IOException {
String n = norm(needle);
for (Line l : pageLines(pdf, page)) {
if (norm(l.text()).contains(n)) {
return l.y();
}
}
return null;
}
/** Максимум y по всем непустым строкам страницы (самая нижняя базовая линия). */
private static float maxLineY(Path pdf, int page) throws IOException {
float max = Float.MIN_VALUE;
for (Line l : pageLines(pdf, page)) {
max = Math.max(max, l.y());
}
return max;
}
/** BaseFont-имена вшитых шрифтов PDF (например "EAAAAA+Tinos-Bold"). */
private static Set<String> embeddedFontNames(Path pdf) throws IOException {
Set<String> names = new TreeSet<>();
try (PDDocument doc = Loader.loadPDF(pdf.toFile())) {
for (PDPage page : doc.getPages()) {
PDResources res = page.getResources();
for (COSName name : res.getFontNames()) {
PDFont font = res.getFont(name);
if (font != null) {
names.add(font.getName());
}
}
}
}
return names;
}
/** Число уникальных Image XObject в PDF (наследованные ресурсы — один объект). */
private static int imageCount(Path pdf) throws IOException {
Set<PDXObject> seen = java.util.Collections.newSetFromMap(new IdentityHashMap<>());
try (PDDocument doc = Loader.loadPDF(pdf.toFile())) {
for (PDPage page : doc.getPages()) {
PDResources res = page.getResources();
for (COSName name : res.getXObjectNames()) {
PDXObject xo = res.getXObject(name);
if (xo instanceof PDImageXObject) {
seen.add(xo);
}
}
}
}
return seen.size();
}
/**
* .doc конвертируется в PDF: текст кириллический, таблицы и картинки
* на месте, шрифт — встроенный Tinos (аналог Times New Roman),
* базовый Helvetica не используется.
* Регрессия — WordPdfConverter#isOle2 + internal.DocToPdfRenderer,
* фикстура samples/legacy-doc.doc.
*/
@Test
void legacyDoc_convertsToPdf() throws Exception {
Path pdf = convertPdf(sampleBytes("legacy-doc.doc"), "testDoc");
String text;
int pages;
try (PDDocument doc = Loader.loadPDF(pdf.toFile())) {
pages = doc.getNumberOfPages();
text = norm(new PDFTextStripper().getText(doc));
}
assertTrue(pages >= 10, "страниц меньше ожидаемого: " + pages);
assertTrue(text.contains("Предметдоговора"), "нет заголовка раздела");
assertTrue(text.contains("Договорарендыпомещения"), "нет заголовка");
for (String font : embeddedFontNames(pdf)) {
assertFalse(font.contains("Helvetica"), "базовый шрифт в PDF: " + font);
}
assertTrue(embeddedFontNames(pdf).stream().anyMatch(n -> n.contains("Tinos")),
"нет Tinos (аналога Times New Roman): " + embeddedFontNames(pdf));
assertTrue(imageCount(pdf) >= 1, "картинок нет");
}
/**
* Колонтитулы, которых POI в FO не пишет, дописываются в FO-DOM:
* текст odd-footer («Нижний колонтитул») и номер страницы из PAGE-поля
* на каждой странице.
* Регрессия — DocToPdfRenderer#injectHeadersAndFooters,
* фикстура samples/legacy-doc.doc.
*/
@Test
void legacyDoc_footersCarryPageNumbers() throws Exception {
Path pdf = convertPdf(sampleBytes("legacy-doc.doc"), "testDoc");
String page1 = norm(pdfPageText(pdf, 1));
String page5 = norm(pdfPageText(pdf, 5));
assertTrue(page5.contains("Нижнийколонтитул"), "нет текста футера на стр. 5");
assertTrue(page1.startsWith("1"), "нет номера страницы на стр. 1: "
+ page1.substring(0, Math.min(20, page1.length())));
assertTrue(page5.contains("5"), "нет номера страницы на стр. 5");
}
/**
* Текст body не наезжает на области колонтитулов: заголовок первой
* строки лежит ниже header-региона (extent = верхнее поле 0.7875in =
* 56.7pt), под строкой футера ничего нет. Форк FOP не вычитает
* extent'ы регионов из body-области (area.Page = page-area минус
* собственные margin'ы region-body), поэтому разводка body и
* колонтитулов — только margin'ами region-body; их обнуление
* растягивает body на всю страницу, и текст лезет в колонтитулы.
* Регрессия — DocToPdfRenderer#injectHeadersAndFooters,
* фикстура samples/legacy-doc.doc.
*/
@Test
void legacyDoc_bodyClearsHeaderFooterRegions() throws Exception {
Path pdf = convertPdf(sampleBytes("legacy-doc.doc"), "testDoc");
Float titleY = lineY(pdf, 1, "Договор аренды");
assertNotNull(titleY, "нет заголовка на стр. 1");
assertTrue(titleY > 50f, "заголовок внутри header-региона: y=" + titleY);
Float footerY = lineY(pdf, 1, "Нижний колонтитул");
assertNotNull(footerY, "нет футера на стр. 1");
float lowest = maxLineY(pdf, 1);
assertTrue(lowest <= footerY + 1f,
"строка ниже футера: y=" + lowest + " > y футера " + footerY);
}
/**
* OLE2-магик + мусор: и валидатор, и конвертер обязаны отвергнуть
* документ (не молча отдать пустой PDF).
* Регрессия — DocToPdfRenderer#render, WordPdfValidator#checkDocPageCountLightweight.
*/
@Test
void ole2Junk_rejected() {
byte[] junk = new byte[1024];
byte[] magic = {(byte) 0xD0, (byte) 0xCF, 0x11, (byte) 0xE0,
(byte) 0xA1, (byte) 0xB1, 0x1A, (byte) 0xE1};
System.arraycopy(magic, 0, junk, 0, magic.length);
assertThrows(ConversionException.class,
() -> WordPdfValidator.checkDocPageCountLightweight(junk));
assertThrows(ConversionException.class,
() -> WordPdfConverter.convert(junk, "junk"));
}
}
@@ -449,18 +449,19 @@ class WordPdfConverterTest {
}
/**
* Вход без zip-подписи — отказ как некорректный вход (ValidationException),
* а не ошибка рендера: вход конвертера прогоняет тот же
* {@link WordPdfValidator#validate(byte[], ConvertOptions)}, что и приложение до очереди.
* Регрессия — WordPdfValidatorTest#validate_notAZip.
* Вход без подписи контейнера (ни zip, ни OLE2) — отказ как некорректный
* вход (ValidationException), а не ошибка рендера: вход конвертера
* прогоняет тот же {@link WordPdfValidator#validate(byte[], ConvertOptions)},
* что и приложение до очереди. Регрессия —
* WordPdfValidatorTest#validate_neitherDocxNorDoc.
*/
@Test
void inputNotAZip_rejectedBeforeRender() {
byte[] junk = {1, 2, 3, 4, 5, 6, 7, 8};
ValidationException ex = assertThrows(ValidationException.class, () ->
WordPdfConverter.convert(junk, "junk"));
assertTrue(ex.getMessage().contains("не zip-архив"),
"сообщение должно упоминать zip-подпись: " + ex.getMessage());
assertTrue(ex.getMessage().contains("не похоже на .docx или .doc"),
"сообщение должно упоминать подписи контейнера: " + ex.getMessage());
}
/**
@@ -276,12 +276,12 @@ class WordPdfValidatorTest {
}
@Test
void validate_notAZip() {
void validate_neitherDocxNorDoc() {
byte[] junk = {1, 2, 3, 4, 5};
ValidationException ex = assertThrows(ValidationException.class,
() -> WordPdfValidator.validate(junk, ConvertOptions.defaults()));
assertTrue(ex.getMessage().contains("не zip-архив"),
"сообщение должно упоминать zip-подпись: " + ex.getMessage());
assertTrue(ex.getMessage().contains("не похоже на .docx или .doc"),
"сообщение должно упоминать обе подписи контейнера: " + ex.getMessage());
}
@Test
@@ -332,4 +332,49 @@ class WordPdfValidatorTest {
() -> WordPdfValidator.checkPageCount(docx, 3));
assertTrue(ex.getMessage().contains("не менее 4"), ex.getMessage());
}
/** Фикстура бинарного .doc (закоммичена, создана Word'ом — POI .doc не пишет). */
private static byte[] legacyDocBytes() throws Exception {
try (var in = WordPdfValidatorTest.class.getClassLoader()
.getResourceAsStream("samples/legacy-doc.doc")) {
assertNotNull(in, "Нет тестового документа: samples/legacy-doc.doc");
return in.readAllBytes();
}
}
/**
* Число страниц .doc — кэш SummaryInformation (для фикстуры 11):
* лимит 10 должен отвергать, 20 — пропускать.
* Регрессия — WordPdfValidator#checkDocPageCountLightweight,
* фикстура samples/legacy-doc.doc.
*/
@Test
void checkDocPageCountLightweight_overLimitRejected() throws Exception {
ConversionException ex = assertThrows(ConversionException.class,
() -> WordPdfValidator.checkDocPageCountLightweight(legacyDocBytes(), 10));
assertTrue(ex.getMessage().contains("не менее 11"), ex.getMessage());
}
@Test
void checkDocPageCountLightweight_underLimitPasses() throws Exception {
byte[] doc = legacyDocBytes();
assertDoesNotThrow(() -> WordPdfValidator.checkDocPageCountLightweight(doc, 20));
assertDoesNotThrow(() -> WordPdfValidator.checkDocPageCountLightweight(doc));
}
@Test
void checkDocPageCountLightweight_junkRejected() {
byte[] junk = new byte[1024];
byte[] magic = {(byte) 0xD0, (byte) 0xCF, 0x11, (byte) 0xE0,
(byte) 0xA1, (byte) 0xB1, 0x1A, (byte) 0xE1};
System.arraycopy(magic, 0, junk, 0, magic.length);
assertThrows(ConversionException.class,
() -> WordPdfValidator.checkDocPageCountLightweight(junk));
}
@Test
void checkDocPageCountLightweight_bytesNull() {
assertThrows(ConversionException.class,
() -> WordPdfValidator.checkDocPageCountLightweight((byte[]) null));
}
}