Доки: [MS-DOC] (.doc) в docs/standards/doc + разделение документации docx/doc по подпапкам
PR checks / web (pull_request) Successful in 31s
PR checks / java (pull_request) Successful in 1m6s
Main: tests, deploy, autotests / web (push) Successful in 32s
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 44s
Main: tests, deploy, autotests / deploy (push) Successful in 1m40s
Main: tests, deploy, autotests / autotests (push) Successful in 40s
Main: tests, deploy, autotests / rollback (push) Has been skipped

This commit was merged in pull request #74.
This commit is contained in:
Pjandro
2026-10-29 20:36:32 +00:00
parent 74a15ecbfb
commit 9dd852a90b
56 changed files with 20032 additions and 23 deletions
+39 -16
View File
@@ -1,8 +1,12 @@
# Нормативная документация OOXML
# Нормативная документация форматов Word
Источник истины для chart-движка (`wordpdf-core/.../internal/chart/`) и нормализаторов: любые правки диаграмм/SmartArt/представления docx — по документам ниже, а не по догадкам. Правило закреплено в `AGENTS.md` (секция «Chart-движок»).
Источник истины для chart-движка (`wordpdf-core/.../internal/chart/`) и нормализаторов: любые правки диаграмм/SmartArt/представления docx — по документам ниже, а не по догадкам. Правило закреплено в `AGENTS.md` (секция «Chart-движок»). Материалы разделены по категориям форматов: `docx/` — OOXML (Word 2007+), `doc/` — бинарный .doc (Word 97–2003).
## Источники
SHA-256 `.md`-файлов — справочные: они производные от инструментов извлечения (poppler/pandoc), при регенерации другим инструментом могут измениться; первичен PDF/docx в таблице «Источники».
## docx (OOXML)
### Источники
|Файл|Документ|Редакция/дата|URL|SHA-256|
|---|---|---|---|---|
@@ -13,9 +17,7 @@
|`schema/strict/`|Полный набор XSD Strict (21 файл: `wml`/`sml`/`pml`/`dml-*`/`shared-*`)|5-е изд.|вложенный `OfficeOpenXML-XMLSchema-Strict.zip` в https://ecma-international.org/wp-content/uploads/ECMA-376-1_5th_edition_december_2016.zip|`9d0bcad9cf06054785b03762fcfadbf6bab7e54a5f9d69434e34b7fd464d4129` (zip)|
|`schema/transitional/`|Полный набор XSD Transitional (26 файлов, +5 `vml-*`)|5-е изд.|вложенный `OfficeOpenXML-XMLSchema-Transitional.zip` в https://ecma-international.org/wp-content/uploads/ECMA-376-4_5th_edition_december_2016.zip|`bd25da1109f73762356596918bf5ff8b74a1331642dba5f1c1d1dfc6bed34ecd` (zip)|
SHA-256 `.md`-файлов — справочные: они производные от инструментов извлечения (poppler/pandoc), при регенерации другим инструментом могут измениться; первичен PDF/docx выше.
## Что где искать
### Что где искать
- **Диаграммы (`c:chart`)** — ECMA-376 §21.2 (`grep -n "^21.2" ecma376-part1-5th.md`; каждый элемент — секция вида `21.2.2.132 overlay (Overlay)`) + `schema/transitional/dml-chart.xsd` (он же в `schema/strict/`); расширения Word — `ms-odrawxml.md`.
- **Диаграммы-схемы SmartArt (`dgm:`)** — ECMA-376 §21.4 + `schema/transitional/dml-diagram.xsd`. Кэш разложенной схемы (`word/diagrams/drawing1.xml`, relationship `…/office/2007/relationships/diagramDrawing`) — проприетарный MS-формат (`dsp:`, [MS-ODRAWXML]), нормативного ECMA-XSD нет; authoritative источник фактической геометрии — сам `dsp:drawing`.
@@ -23,13 +25,13 @@ SHA-256 `.md`-файлов — справочные: они производны
- **Chart Drawings (`c:drawing`)** — ECMA-376 §21.3.
- **Поведение Word (что он реально пишет в `w:r`/`w:t`/`lastRenderedPageBreak`, текстбоксы, чарты)** — `ms-oi29500.md` (указатели на секции Part 1, напр. §2.17.3.3.13 → Part 1 §17.3.3.13).
## Регенерация
### Регенерация
```bash
# ecma376-part1-5th.md — из PDF в репозитории (постобработка: выбросить строки
# `^\s*\d{1,4}\s*$` (номера страниц), `^ECMA-376 Part 1\s*$` (колонтитул),
# строки с `.....` (точки оглавления); остальной текст — как есть)
pdftotext -layout docs/standards/ECMA-376-1_5th_edition_december_2016.pdf /tmp/p1.txt
pdftotext -layout docs/standards/docx/ECMA-376-1_5th_edition_december_2016.pdf /tmp/p1.txt
# ms-oi29500.md / ms-odrawxml.md — свежие dated-.docx с learn.microsoft.com
# (при 404 — самый свежий .docx со страниц лендингов:
@@ -37,26 +39,26 @@ pdftotext -layout docs/standards/ECMA-376-1_5th_edition_december_2016.pdf /tmp/p
# https://learn.microsoft.com/en-us/openspecs/office_standards/ms-odrawxml/06cff208-c6e1-4db7-bb68-665135e5f0de)
curl -sSL -o /tmp/oi29500.docx "https://officeprotocoldocs-f5hpbjgea6b8gneq.b02.azurefd.net/files/MS-OI29500/%5bMS-OI29500%5d-260818.docx"
curl -sSL -o /tmp/odrawxml.docx "https://officeprotocoldocs-f5hpbjgea6b8gneq.b02.azurefd.net/files/MS-ODRAWXML/%5bMS-ODRAWXML%5d-261006.docx"
pandoc /tmp/oi29500.docx -t gfm-raw_html --wrap=none -o docs/standards/ms-oi29500.md
pandoc /tmp/odrawxml.docx -t gfm-raw_html --wrap=none -o docs/standards/ms-odrawxml.md
pandoc /tmp/oi29500.docx -t gfm-raw_html --wrap=none -o docs/standards/docx/ms-oi29500.md
pandoc /tmp/odrawxml.docx -t gfm-raw_html --wrap=none -o docs/standards/docx/ms-odrawxml.md
# schema/strict/ и schema/transitional/ — полные наборы из официальных ECMA-архивов
curl -sSL -o /tmp/p1.zip "https://ecma-international.org/wp-content/uploads/ECMA-376-1_5th_edition_december_2016.zip"
unzip -o /tmp/p1.zip "OfficeOpenXML-XMLSchema-Strict.zip" -d /tmp/
unzip -o -d docs/standards/schema/strict /tmp/OfficeOpenXML-XMLSchema-Strict.zip "*.xsd"
unzip -o -d docs/standards/docx/schema/strict /tmp/OfficeOpenXML-XMLSchema-Strict.zip "*.xsd"
curl -sSL -o /tmp/p4.zip "https://ecma-international.org/wp-content/uploads/ECMA-376-4_5th_edition_december_2016.zip"
unzip -o /tmp/p4.zip "OfficeOpenXML-XMLSchema-Transitional.zip" -d /tmp/
unzip -o -d docs/standards/schema/transitional /tmp/OfficeOpenXML-XMLSchema-Transitional.zip "*.xsd"
unzip -o -d docs/standards/docx/schema/transitional /tmp/OfficeOpenXML-XMLSchema-Transitional.zip "*.xsd"
```
## Валидация фикстур
### Валидация фикстур
`samples/*.docx` обязаны быть ECMA-conformant (фикстуры — источник истины по входу,
код под них не подгоняется). Проверка — `validate-fixtures.py` (lxml + схемы
`schema/transitional/`):
код под них не подгоняется). Проверка — `docx/validate-fixtures.py` (lxml + схемы
`docx/schema/transitional/`):
```bash
python3 docs/standards/validate-fixtures.py wordpdf-core/src/test/resources/samples/*.docx
python3 docs/standards/docx/validate-fixtures.py wordpdf-core/src/test/resources/samples/*.docx
```
Допущения валидатора (оба по Part 1): `xml:space` — предопределённый атрибут
@@ -65,3 +67,24 @@ python3 docs/standards/validate-fixtures.py wordpdf-core/src/test/resources/samp
ignorable-namespace'ов снимаются. Не маппятся (вне ECMA, осознанно):
`word/charts/style*.xml`/`colors*.xml` (c14/chartStyle, MS-расширение),
`word/diagrams/drawing*.xml` (`dsp:`, [MS-ODRAWXML]).
## doc (бинарный, Word 97–2003)
### Источники
|Файл|Документ|Редакция/дата|URL|SHA-256|
|---|---|---|---|---|
|`ms-doc.md`|[MS-DOC] «Word (.doc) Binary File Format» — бинарный формат .doc Word 97–2003 (WordDocument/1Table-потоки, FIB, CHPX/PAPX, Clx/PlcPcd/Pcd — «piece table»)|12.5 (260217, февраль 2026)|https://officeprotocoldocs-f5hpbjgea6b8gneq.b02.azurefd.net/files/MS-DOC/%5bMS-DOC%5d-260217.docx|`c2886120e92aa2790a5603156fb0ca8b23151d58476592fef3ede7fb6841ee7d`|
### Что где искать
- **Бинарный .doc (Word 97–2003)** — `ms-doc.md`: §2.1 File Structure (WordDocument-, 1Table/0Table-, Data-потоки), §2.5 FIB (FibBase, флага), §2.8–2.9 структуры данных (Chpx §2.9.32, PapxFkp, Grpprl, Clx §2.9.38, PlcPcd §2.8.35, Pcd), §3 Structure Examples, §6 Change Tracking; поиск по номерам секций — по строкам оглавления вида `[2.9.38 Clx …]` (заголовки в теле без номеров — автонумерация Word потерялась при извлечении). Конвертер принимает только .docx — документ справочный.
### Регенерация
```bash
# ms-doc.md — свежий dated-.docx [MS-DOC] с лендинга
# https://learn.microsoft.com/en-us/openspecs/office_file_formats/ms-doc/ccd7b486-7881-484c-a137-51170af7cc22
curl -sSL -o /tmp/msdoc.docx "https://officeprotocoldocs-f5hpbjgea6b8gneq.b02.azurefd.net/files/MS-DOC/%5bMS-DOC%5d-260217.docx"
pandoc /tmp/msdoc.docx -t gfm-raw_html --wrap=none -o docs/standards/doc/ms-doc.md
```
File diff suppressed because it is too large Load Diff
@@ -1,7 +1,7 @@
#!/usr/bin/env python3
"""Валидация XML-частей samples/*.docx против XSD ECMA-376 (transitional).
Схемы — docs/standards/schema/transitional/ (полный набор ECMA-376 5-го изд.).
Схемы — docs/standards/docx/schema/transitional/ (полный набор ECMA-376 5-го изд.).
wml.xsd — word/*.xml (document/styles/settings/header/footer/...);
dml-chart.xsd — word/charts/chart*.xml; dml-diagram.xsd — word/diagrams/*;
dml-main.xsd — word/theme/theme*.xml.