From aec4dbffe767eb5128bd13c398256c91a16c2cf2 Mon Sep 17 00:00:00 2001 From: Pjandro Date: Tue, 13 Oct 2026 15:29:23 +0000 Subject: [PATCH] =?UTF-8?q?=D0=92=D0=B0=D0=BB=D0=B8=D0=B4=D0=B0=D1=82?= =?UTF-8?q?=D0=BE=D1=80:=20=D0=BB=D0=B8=D0=BC=D0=B8=D1=82=D1=8B=205=20?= =?UTF-8?q?=D0=9C=D0=B8=D0=91=20=D0=B8=20100=20=D1=81=D1=82=D1=80=D0=B0?= =?UTF-8?q?=D0=BD=D0=B8=D1=86,=20=D0=BE=D1=82=D0=BA=D0=B0=D0=B7=20=D0=B4?= =?UTF-8?q?=D0=BE=20=D1=80=D0=B5=D0=BD=D0=B4=D0=B5=D1=80=D0=B0=20=D0=B8=20?= =?UTF-8?q?=D0=B1=D0=B5=D0=B7=20=D0=B0=D1=80=D1=82=D0=B5=D1=84=D0=B0=D0=BA?= =?UTF-8?q?=D1=82=D0=BE=D0=B2?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit - WordPdfValidator (новый): MAX_INPUT_BYTES/MAX_PAGES, три нижние оценки страниц (кэш app.xml недостоверен — реальный кейс 1 при 110 маркерах lastRenderedPageBreak); lightweight zip/StAX-путь. - convert(Path,Path): неполный PDF удаляется при отказе, но только если поток вывода реально открылся (чужой read-only файл не стирается); checkPageCount внутри try — finally чистит temp-файлы шрифтов. - lightweight: continuous-секции не считаются страницами; w:type — дочерний элемент, классификация на закрытии sectPr; мёртвый атрибутный перегруз startsNewPage удалён. - Фикстуры too-many-pages.docx (151 страница) и stale-cache.docx (кэш 1 при 110 маркерах) + регрессии tooManyPages, staleCachePageCountRejectedBeforeRender, inputTooLarge, oversizedInputReturnsError, pageCount_continuousSectionsNotCountedLightweight. - SampleDocxGenerator: точный поиск 2458 bytes .../test/resources/samples/exotic-glyphs.docx | Bin 2547 -> 2548 bytes .../test/resources/samples/page-numbers.docx | Bin 3226 -> 3226 bytes .../test/resources/samples/ru-en-mixed.docx | Bin 2612 -> 2612 bytes .../src/test/resources/samples/ru-plain.docx | Bin 2613 -> 2612 bytes .../resources/samples/ru-table-image.docx | Bin 3197 -> 3197 bytes .../src/test/resources/samples/ru-times.docx | Bin 2490 -> 2490 bytes .../test/resources/samples/stale-cache.docx | Bin 0 -> 2766 bytes .../resources/samples/symbol-bullets.docx | Bin 3037 -> 3038 bytes .../resources/samples/too-many-pages.docx | Bin 0 -> 2887 bytes 18 files changed, 1264 insertions(+), 76 deletions(-) create mode 100644 wordpdf-core/src/main/java/ru/pjandro/wordpdf/WordPdfValidator.java create mode 100644 wordpdf-core/src/test/java/ru/pjandro/wordpdf/WordPdfValidatorTest.java create mode 100644 wordpdf-core/src/test/resources/samples/stale-cache.docx create mode 100644 wordpdf-core/src/test/resources/samples/too-many-pages.docx diff --git a/.gitignore b/.gitignore index 46dd673..b0958c1 100644 --- a/.gitignore +++ b/.gitignore @@ -15,3 +15,6 @@ dependency-reduced-pom.xml Thumbs.db # Локальные примеры и выгрузки в корне + +# Артефакты ручной калибровки диаграмм +/diff/ diff --git a/AGENTS.md b/AGENTS.md index 36eb835..d7bbcf3 100644 --- a/AGENTS.md +++ b/AGENTS.md @@ -1,70 +1,117 @@ -# AGENTS.md +# Repository Guidelines -Конвертер docx → PDF на чистом Java (docx4j + Apache FOP, без LibreOffice/Aspose). Java 17, только Maven. Модули: `wordpdf-core` (библиотека), `wordpdf-cli` (fat-jar через maven-shade). +## Project Overview -## Сборка +Конвертер `.docx` → `.pdf` на чистом Java (docx4j + Apache FOP, без LibreOffice/Aspose). Java 17, только Maven. Модули: `wordpdf-core` (библиотека), `wordpdf-cli` (fat-jar через maven-shade). Единственный гейт перед `git push` — `mvn clean verify` (CI/lint в репозитории нет). -- `mvn clean verify` — все модули + тесты; единственный гейт перед `git push` (lint/typecheck/CI в репозитории нет). -- `mvn -pl wordpdf-cli package` — только fat-jar `wordpdf-cli/target/wordpdf-cli-1.0.0.jar`. -- `dependency-reduced-pom.xml` — артефакт shade, уже в .gitignore, не коммитить. +## Architecture & Data Flow -## Тесты +Пайплайн `WordPdfConverter.convertToStream` — порядок шагов фиксирован, менять местами нельзя: -- JUnit 5, без внешних сервисов, headless (surefire уже задаёт `-Djava.awt.headless=true`). -- Один тест: `mvn -pl wordpdf-core test -Dtest=WordPdfConverterTest#ruPlain_regularRunsUseRegularFont`. -- Тесты `wordpdf-cli` зависят от test-jar `wordpdf-core` (classifier `tests`): сборка `-pl wordpdf-cli` без `-am` не пройдёт — либо строить из корня, либо `-am`. -- Тестовые `.docx` коммитятся в `wordpdf-core/src/test/resources/samples/`; тесты их не генерируют. - Пересоздать — одноразовой утилитой `SampleDocxGenerator` (команда в javadoc класса); POI — только test scope. -- `BundledFontsTest` проверяет синхронность списка `ENTRIES` с реальными TTF в `resources/fonts/`: новый шрифт = файл + `Entry`, иначе тест красный. +1. `new BundledFontMapper()` → `BundledFonts.init()` → `BundledFonts.restrictToBundled()`. Конструктор маппера каждый раз заново добавляет системные шрифты в реестр `PhysicalFonts`; бандл регистрируется поверх; чистка реестра — **до** `load()`. Ключ реестра — имя шрифта, `addPhysicalFont(URI)` НЕ перезаписывает занятый ключ → `BundledFonts.init()` вызывает `dropNonBundled()` (иначе системный `DejaVuSerif.ttf` блокирует наш `DejaVuSerif-Regular.ttf`). +2. Нормализация байтов docx до JAXB-загрузки (цепочка `byte[] → byte[]`, порядок значим): + `DocxOnOffNormalizer` (`w:val="off"/"on"` → `false`/`true`; docx4j 17.x теряет on/off при разборе) + → `SymbolFontNormalizer` (маркеры списков из PUA U+F0xx в Symbol/Wingdings/Webdings → Unicode + DejaVu Sans; таблица `SymbolMapper` сгенерирована, руками не менять) + → `FieldNormalizer` (сложные поля `fldChar` PAGE/NUMPAGES/SECTIONPAGES → `w:fldSimple`, иначе во всех колонтитулах печатается один закэшированный номер; штатный `FieldsCombiner` docx4j не заходит внутрь `w:sdt`) + → `GlyphCoverageNormalizer` (шаг 2.4: режет ран по покрытию глифов и пишет семейство в `w:rFonts`; трогает только раны с одним `w:t` и явным `w:rFonts`; покрытие — `java.awt.Font.canDisplay` через `BundledFonts.awtFont`, не `GlyphCheck` — тот логирует на каждый глиф). +3. `WordprocessingMLPackage.load(байты)` → `WordPdfValidator.checkPageCount(pkg)` — **до** рендера. +4. `pkg.setFontMapper(mapper)` → `DrawingPreRenderer.run(pkg)` (шаг 3.5: `c:chart`/`dgm:relIds` docx2fo.xslt не умеет и молча выбрасывает — свой Java2D-движок `internal/chart/*` рендерит их в PNG 300 dpi и подменяет на `pic:pic`; после `setFontMapper`, до `FOSettings`) + → `new FOSettings(pkg)` + `FopFallbackFonts.declare` (декларирует в FOP-конфиге **все** бандл-семейства — FOP встраивает только задекларированные) + → `FORendererApacheFOP` / `FOUserAgent` (заголовок PDF = имя файла) + → `Docx4J.toFO(..., FLAG_EXPORT_PREFER_XSL)`. +5. `finally`: `deleteEmbeddedFontTempFiles()` (в 17.x `OpcPackage.close()` нет). -## Эталон в references/ +### Критические инварианты (нарушение = битый вывод) -- 11-страничный документ (текст, таблицы, колонтитулы, 3 диаграммы + SmartArt, формулы) со своим эталонным PDF, экспортированным из Word 365: - `word.docx` + `word.pdf` — Transitional OOXML (`schemas.openxmlformats.org/.../2006/...`). -- `references/` — материалы для ручного сравнения с Word, не тестовые фикстуры: в тесты и в jar их не подключать (фикстуры — `wordpdf-core/src/test/resources/samples/`). +- **`docx4j.convert.out.fo.gsubFeatures=false`** — ставится в статическом блоке `WordPdfConverter`. Иначе docx4j навешивает `fox:gsub-features` без объявления префикса → FO невалиден → `WordLayoutFixups` молча отказывается от всех фиксов → FOP падает на `docx4j-baseline`. Без фиксов нет колонок и колонок таблиц. +- **`ServicesResourceTransformer` в maven-shade (`wordpdf-cli`) обязателен**: `META-INF/services/org.apache.fop.fo.ElementMapping` дублируется в `docx4j-fo-renderer-core` и `docx4j-export-fo`; без слияния FOP падает на `UnknownXMLObj cannot be cast to Root`. В fat-jar из тестов не видно — проверять `java -jar`. +- **Не убирать shade-фильтры `META-INF/*.SF|*.DSA|*.RSA`** — подписанные jar ломают fat-jar. +- **`slf4j-simple` обязателен**: без него docx4j пишет «TO HIDE THESE MESSAGES» прямо в выходной PDF (регрессия `noLoggingWarningInPdf`). +- **JAXB-обход обязан раскрывать `JAXBElement`** (иначе таблицы/раны молча пропускаются — оценка «1» вместо 121). Рекурсия через `ContentAccessor` из `org.docx4j.wml` (НЕ `org.docx4j.contentcontrol` — в 17.x его нет). Тип секции — `SectPr$Type.getVal()`; маркер — `R.LastRenderedPageBreak` (`CTLastRenderedPageBreak` в 17.x отсутствует). +- FOP — форк `org.docx4j:docx4j-fo-renderer*` 2.11-docx4j.2 (пакеты `org.apache.fop.*`), умеет хинты `docx4j:baseline`/`docx4j:line-box`. `Fop.Renderers.getRenderer()` возвращает **список** — `FopFallbackFonts.rendererFonts` ищет `application/pdf`. +- `docx2fo.xslt` в репозитория нет — он в jar `docx4j-export-fo`. `WordLayoutFixups` (включён по умолчанию в 17.x) постобработкой DOM FO даёт реальные колонки `w:cols/@w:num` и колонки таблиц; побочный эффект — авто-ширины колонок без `tblGrid`/`tcW` стали уже (слово может перенестись в ячейке). +- Известный остаток эталона: U+2188 (ↈ) и U+218A (↊) — глифов нет ни в одном OFL-шрифте бандла, остаются `.notdef` (GNU FreeSerif GPL — не добавляем намеренно). -## Шрифты (важно при изменениях) +### Шрифты (30 TTF в `wordpdf-core/src/main/resources/fonts/`, SIL OFL) -- 30 TTF в `wordpdf-core/src/main/resources/fonts/` — бинарные фикстуры, часть jar; не удалять/переименовывать без обновления маппинга. -- Алиасы MS→open-source: Calibri→Carlito, Cambria→Caladea, Arial→Arimo, Times New Roman→Tinos, Courier New→Cousine; fallback — DejaVu Sans. -- Noto Naskh Arabic и Noto Sans Armenian (OFL, 278 КБ) добавлены ради глифов, которых нет больше ни в одном шрифте бандла (арабские дополнения U+07B1–U+08FF, армянские U+058D/U+058E). Регистрировать их в `BundledFontMapper` не требуется: `FontFallback.selectCovering` перебирает **весь** реестр `PhysicalFonts` и находит их сам — достаточно `BundledFonts.ENTRIES`. У них только regular-начертание (`BundledFonts.families()` это учитывает, `allFamiliesHaveAllVariants` их не проверяет). -- `FopFallbackFonts.declare` декларирует в FOP-конфиге **все** бандл-семейства, а не один fallback: FOP умеет встраивать только задекларированные, а `font-family` в FO может запросить любой из них. -- `slf4j-simple` обязателен: без него docx4j печатает предупреждение прямо в выходной PDF (регрессионный тест `noLoggingWarningInPdf`). -- Символы U+2000–U+2EFF (em-dash, кавычки, многоточие): `RunFontSelector.symbolBlockFont` оставляет шрифт ранa, если в нём есть этот глиф, и только иначе подставляет виртуальный «Segoe UI Symbol» (маппится на fallback DejaVu Sans, см. `BundledFontMapper`). Так же делает Word: в `references/word.pdf` em-dash нарисован Calibri/Times, DejaVu там нет вообще. Регрессия — `ruPlain_emDashEmbeddedNotHelvetica` (проверяет, что глиф рисует **вшитый** шрифт, а не базовый Helvetica). +Алиасы MS→open-source (`BundledFontMapper`): Calibri→Carlito, Cambria→Caladea, Arial→Arimo, Times New Roman→Tinos, Courier New→Cousine; fallback — DejaVu Sans. Новый шрифт = файл + запись в `BundledFonts.ENTRIES` (синхрон проверяет `BundledFontsTest`). Noto Naskh Arabic / Noto Sans Armenian (только regular, ради глифов U+07B1–08FF и U+058D/E) в `BundledFontMapper` не регистрируются — `FontFallback.selectCovering` перебирает весь реестр `PhysicalFonts` сам. У них только regular-начертание: `BundledFonts.families()` это учитывает, `BundledFontsTest.allFamiliesHaveAllVariants` их не проверяет. Символы U+2000–U+2EFF: `RunFontSelector.symbolBlockFont` оставляет шрифт ранa, если глиф есть, иначе виртуальный «Segoe UI Symbol» → fallback (как в Word; регрессия `ruPlain_emDashEmbeddedNotHelvetica`). -## Архитектура (неочевидное) +### Валидация входа (`WordPdfValidator`) -- Пайплайн: байты docx → `DocxOnOffNormalizer` → `SymbolFontNormalizer` → `FieldNormalizer` → `GlyphCoverageNormalizer` → docx4j → XSL-FO (XSLT) → FOP → PDF. -- Поля страниц: Word пишет `PAGE`/`NUMPAGES` сложным полем (`fldChar begin` → `instrText` → `separate` → кэш → `end`). Экспорт docx4j в FO `w:instrText` внутри такого поля игнорирует и печатает кэш docx — во всех колонтитулах одно число (в эталоне «2» вместо 1, 2, 3 …). `FieldNormalizer` разворачивает поле в `w:fldSimple` (его обрабатывает `FldSimpleWriter` из docx4j-export-fo: PAGE → `fo:page-number`, есть также NUMPAGES/SECTIONPAGES/PAGEREF), сохраняя внутри закэшированные ран — они дают шрифт/размер. Штатный `FieldsCombiner` docx4j делает то же, но не заходит внутрь `w:sdt`, а Word держит нумерацию именно в контентном контроле («Page Numbers (Top of Page)»). Трогаются только инструкции, для которых есть обработчик; вложенные поля пропускаются. Регрессия — `WordPdfConverterTest#pageNumbers_recomputedNotCached`, фикстура `samples/page-numbers.docx`. -- Покрытие глифов: знак без глифа в шрифте ранa FOP рисует `.notdef` («#»). Docx4j 17.x сам ищет покрывающий шрифт (`FontFallback.selectCovering` по реестру `PhysicalFonts`), но с двумя дырами: `needsCoverage` возвращает false для «латинской» группы (поэтому U+2150–U+218F — римские цифры и дроби — остаются на Tinos навсегда), а `RunFontSelector.fallbackByScript` кэширует фолбэк **на всю группу Юникода** (обычные армянские «ՊՌՋտ» покрываются DejaVu Serif, и найденный DejaVu Serif подставляется следующим за ними U+058D/U+058E). `GlyphCoverageNormalizer` (шаг 2.4, тоже байты до JAXB) режет ран по покрытию и пишет семейство в `w:rFonts` (имя — `BundledFontMapper.documentFontName`, обратное к `bundledFamily`). Покрытие меряется `java.awt.Font.canDisplay` через `BundledFonts.awtFont` (не `GlyphCheck` — тот логирует INFO на каждый отсутствующий глиф). Трогаются только раны с одним `w:t` и с явным `w:rFonts`; если знака нет ни в одном бандл-шрифте, ран не меняется. Регрессия — `WordPdfConverterTest#exoticGlyphs_drawnNotHash`, unit — `GlyphCoverageNormalizerTest`, фикстура `samples/exotic-glyphs.docx`. -- Известный остаток эталона: U+2188 (ↈ) и U+218A (↊) — есть только в GNU FreeSerif (GPL-3+ с Font Exception), которого в бандле нет намеренно (весь бандл — SIL OFL). В `references/word.pdf` на их месте у нас две решётки; ради них OFL не меняют. -- Символьные шрифты: Word хранит маркеры списков и спецсимволы кодами из PUA (U+F0xx), глиф выбирается по имени шрифта (`Symbol`, `Wingdings`, `Webdings`). Экспорт docx4j в FO этих шрифтов не знает: код уходит в fallback, глифа нет, FOP рисует `.notdef` — в PDF решётка «#». `SymbolFontNormalizer` (шаг 1.6, тоже правит байты до JAXB) меняет код на Unicode, а имя шрифта — на `DejaVu Sans`. Таблица кодов — `SymbolMapper` из docx4j 17.x, отфильтрована по наличию глифа в DejaVu; константы сгенерированы, менять руками нельзя. Обрабатываются `w:lvl` (numbering.xml), `w:r` и `w:sym`; ран с `w:sym` разрезается, т.к. у символа собственный `w:font`. Регрессия — `WordPdfConverterTest#symbolFonts_bulletsAreNotHash`, фикстура `samples/symbol-bullets.docx`. -- Порядок инициализации в `WordPdfConverter.convertToStream` важен: сначала `new BundledFontMapper()`, потом `BundledFonts.init()`, затем `BundledFonts.restrictToBundled()` (чистит реестр `PhysicalFonts` от системных шрифтов до `load()`; конструктор маппера каждый раз заново добавляет их). Не менять местами. -- docx4j 17.x по-прежнему теряет атрибуты `w:val="off"/"on"` при JAXB-разборе — нормализация байтов до загрузки (`DocxOnOffNormalizer`) нужна и на 17.x (проверялось отключением: красный `ruPlain_regularRunsUseRegularFont`). -- Ключ реестра `PhysicalFonts` — имя шрифта, и `addPhysicalFont(URI)` **не перезаписывает** занятый ключ. Системный `DejaVuSerif.ttf` занимает «dejavu serif», и наш `DejaVuSerif-Regular.ttf` (то же имя) не добавился бы — `BundledFonts.init()` перед регистрацией вызывает `dropNonBundled()`. -- **`docx4j.convert.out.fo.gsubFeatures=false`** ставится в статическом блоке `WordPdfConverter` — критично. Иначе docx4j навешивает на `fo:inline` атрибут `fox:gsub-features`, не объявляя префикс `fox`; FO становится некорректным XML, `WordLayoutFixups` не может его разобрать, молча отказывается от всех фикс и оставляет хинты `docx4j-baseline`, которые FOP отвергает (`Invalid property encountered on "fo:block": docx4j-baseline`). Без фиксов нет ни колонок, ни колонок таблиц. -- `WordLayoutFixups` (включён по умолчанию в 17.x) — постобработка DOM XSL-FO: `columnBreaks` (реально работают `w:cols/@w:num`, 2 колонки на стр. 9–11 эталона), `disregardBaselineShifts`, `lineBoxAttributes`, `stripHints` и др. Побочный эффект: авто-ширины колонок таблиц без `tblGrid`/`tcW` стали уже (слово может перенестись внутри ячейки) — в `tableImage_tableAndImage` сравнение нормализовано по пробелам. -- Формулы OMML (`m:oMath`) рисует `jeuclid-fop`, который в 17.x пришёл вместе с `docx4j-export-fo` — отдельного кода не требуется (в 11.5.3 формула молча исчезала). -- **`ServicesResourceTransformer` в maven-shade (`wordpdf-cli`) обязателен**: `META-INF/services/org.apache.fop.fo.ElementMapping` лежит и в `docx4j-fo-renderer-core`, и в `docx4j-export-fo`; без слияния второй перезаписывает первый, FOP не узнаёт namespace `fo:` и падает на `UnknownXMLObj cannot be cast to Root`. В fat-jar это не видно из тестов — тесты идут по classpath, проверять `java -jar`. -- FOP в 17.x — форк `org.docx4j:docx4j-fo-renderer*` (пакеты `org.apache.fop.*`), он знает хинты `docx4j:baseline`/`docx4j:line-box` через `WordLayoutElementMapping`. `Fop.Renderers.getRenderer()` теперь возвращает **список** `w:renderer` (по mime) — `FopFallbackFonts.rendererFonts` ищет `application/pdf`. -- Диаграммы: `docx2fo.xslt` умеет только `a:graphicData/pic:pic`, для `c:chart` и `dgm:relIds` там `notImplemented` (объект молча исчезает). Поэтому `DrawingPreRenderer.run(pkg)` (шаг 3.5 в `convertToStream`, после `setFontMapper` и до `FOSettings`) рендерит их своим Java2D-движком в PNG 300 dpi (`internal/chart/*`) и подменяет на `pic:pic`. Тест `chartsSmartArt_drawingsBecomeImages`, фикстура `samples/charts-smartart.docx`. -- В `DrawingPreRenderer` нужны собственные rels части — `part.getRelationshipsPart()` (`Base`), а **не** `getOwningRelationshipPart()`: у `document.xml` последнее указывает на пакетный `.rels`. Обход `pkg.getParts()` — только по снимку списка: `createImagePart` докидывает части в тот же реестр. -- SmartArt рисуется из `word/diagrams/drawing1.xml` (кэш разложенной Word-ом схемы: абсолютные позиции + `prstGeom`); текст-заполнители (`[Текст]`) лежат в `data1.xml` на `dgm:pt type="node"`, а формы ссылаются на `dgm:pt type="pres"` — связь через `dgm:cxn type="presOf"`. -- `surface3D` (`Surface3dPainter`): перспективная проекция (`c:view3D/perspective`, по умолчанию 30°, и `depth`), грани — ровно ячейки сетки по 2 треугольника без передискретизации, цвет из `c:bandFmts` затемняется по нормали грани (Lambert). Грани рисуются в модельно-экранных координатах уже умноженными на `scale/off` — забыть масштаб значит нарисовать поверхность в субпиксельный ноль. -- Знак `rotY` в DrawingML обратный правому правилу вокруг вертикали: в `Surface3dPainter.paint` он берётся как `-Math.toRadians(spec.rotY)`. Иначе передняя кромка категорий идёт вверх вправо, а ось рядов — вниз вправо (зеркально Word). -- `c:view3D/perspective` — НЕ угол обзора камеры. Расстояние камеры в `Surface3dPainter` = `CAMERA_DISTANCE * (30/perspective)`, где `CAMERA_DISTANCE = 2.36` (эффективный `fov ≈ 49°`, подобран фитом по эталону Word). При наивном `fov = perspective` перспектива слишком слабая: ось рядов уходит вправо вместо почти вертикального ухода в глубину, лента выглядит плоской, а левый край схлопывается в точку. -- Пропорции «коробки» surface3D (`DEPTH_RATIO = 0.705`, `HEIGHT_RATIO = 0.664`): глубина = 0.705 ширины (от неё `c:view3D/depth`), высота значений = `0.664 * availH/availW`, вписывание в область построения — равномерным масштабом. Раздельный масштаб x/y (или куб 1×1×1) даёт вертикальную гору вместо плоской ленты. -- Поля вокруг коробки — доли области построения `GUTTER_LEFT = GUTTER_RIGHT = 0.1485`, `GUTTER_TOP = 0.116`, `GUTTER_BOTTOM = 0.146`; `offX`/`offY` обязаны включать левое и верхнее поле (без `topGutter` поверхность сидела на 22 pt выше эталона). Коробка занимает ~70% ширины: при полях «на глаз» поверхность растягивалась на 82% и лезла на подписи оси значений. -- Калибровка камеры, коробки и полей зафиксирована тестами `Surface3dPainterTest.cameraMatchesWordReference` и `surfaceSilhouetteMatchesWordPlacement`. Эталон — стр. 3 `word-export.pdf` (экспорт Word), растеризованная `pdftoppm -r 300`; цели замеряются по **связному блоку граней** (серые грани в силуэт входят, по одной лишь насыщенности силуэт недомерен на 7%), пунктиру переднего ребра пола и подписям осей: уклон передней кромки 0,1282, аспект силуэта 0,207, шаг оси значений 0,0504, вертикальный шаг оси рядов 0,1176 (все — относительно ширины силуэта); сам силуэт 314,9×65,3 pt с центром в (227,3; 82,3). Замеры по скриншотам давали вдвое завышенную ось рядов и раздували глубину. -- Нормаль грани считается в той же метрике, что и проекция: `v` умножается на `depthScale`, `w` уже умножен на `hScale`. Без масштаба в нормали поверхность кажется положе и все грани уходят в светлую часть Lambert. -- Затенение граней surface3D — Lambert `0.92 + 0,88·dot` с клампом `[0,80; 1,25]` и боковым светом `LIGHT = (0,83, 0,48, 0,28)`. Дискретные множители эталона (гистограмма цветов граней, 300 dpi) — 0,40 / 0,75 / 0,85 / 1,04 / 1,06 / 1,10; группа 0,40 — узкая полоска underside под передним краем, и разгон Lambert до неё (отрицательные dot) по всем граням ухудшает совпадение с эталоном (17,2 → 17,6 средних расхождений на пиксель), поэтому нижний кламп 0,80. Направление света перебрано по 120 направлениям — текущее лучшее. Тест `shadingMatchesWordRange`. -- Триангуляция ячейки — диагональ с **большей суммой значений** (`z[r][c] + z[r+1][c+1] >= z[r+1][c] + z[r][c+1]` → `w00–w11`, иначе `w01–w10`), то есть верхняя огибающая седла. Фиксированная диагональ невозможна: у седловой ячейки одна вершина попадает внутрь треугольника остальных трёх, и при «не той» диагонали второй треугольник становится невидимой щепкой, а видимая грань окрашивается не той полосой. Проверено по эталону (стр. 3 `word-export.pdf`, 300 dpi, сравнение полос по пикселям; ячейка Ряд 1→2 / Категория 2→3): верхняя огибающая 92,3 % совпадений полос, фиксированная `w00–w11` — 81,6 %, фиксированная `w01–w10` — 57,9 %, окраска целого квада без разрезки — 74,1 %, билинейная tessellation 3×3/6×6 — 67,8 %/66,0 %. Регрессия — `Surface3dPainterTest.saddleCellUsesHigherDiagonal` (нижняя кромка силуэта в окне 0,42…0,55 его ширины обязана быть полосы 3–4). Клиппинг полос — по треугольникам, не по кваду. -- Пустой `c:title` при `c:autoTitleDeleted val="0"` даёт автозаголовок `Chart Title` (`ChartSpec.AUTO_TITLE`); для круговых (`pie`/`pie3D`/`doughnut`) вместо него — имя ряда. Тесты `ChartSpecTest`. -- В кваде ячейки `w01` обязан быть `z[r+1][c]`, а `w10` — `z[r][c+1]` (u=категория, v=ряд). Перестановка закручивает квад в «бабочку»: дыры и самопересечения граней. -- `ChartRenderer.axisBounds` для линейной оси значений без явного `c:min` всегда поднимает нижнюю границу до 0 (как Word); от этого зависит и легенда полос surface3D (`0-1 … 4-5`, а не `1-2 … 4-5`). Юнит-тесты — `Surface3dPainterTest`. -- Не убирать shade-фильтры `META-INF/*.SF|*.DSA|*.RSA` — подписанные jar-файлы зависимостей ломают fat-jar. +`MAX_INPUT_BYTES = 5 MiB`, `MAX_PAGES = 100`. Страницы = **максимум трёх нижних оценок**: (1) кэш `docProps/app.xml ` — недостоверен (реальный кейс: `1` при 110 маркерах); (2) явные разрывы `w:br type="page"` / `pageBreakBefore` / межсекционные `sectPr` (кроме `continuous`); (3) `w:lastRenderedPageBreak` + 1. Lightweight-путь (zip/StAX, без docx4j) согласован с JAXB: `sectPr` в body — «все минус 1»; `sectPr` в `pPr` не считается; колонтитулы — по содержимому zip. Расхождение допустимо только в завышение. При отказе `convert(Path,Path)` **удаляет** уже открытый PDF (регрессия `staleCachePageCountRejectedBeforeRender` проверяет отсутствие артефакта). -## Точка входа +### Chart-движок (`internal/chart`, package-private кроме `DrawingPreRenderer.run`) -- Библиотека: `WordPdfConverter.convert(Path)` / `convert(Path, Path)` — статический stateless-класс; ошибки — `ConversionException`. -- CLI: `WordPdfCli` (fat-jar, Main-Class в манифесте). Коды возврата: 0 успех, 1 ошибка использования, 2 не конвертирован хотя бы один файл. +Свой Java2D-рендер DrawingML. Калибровка surface3D зафиксирована тестами, эталон — стр. 3 gitignored `word-export.pdf` (экспорт Word, `pdftoppm -r 300`): `CAMERA_DISTANCE = 2.36` (`perspective` — НЕ угол FOV; fov≈49°), `DEPTH_RATIO = 0.705`, `HEIGHT_RATIO = 0.664`, поля `0.1485/0.116/0.146` от области построения, `rotY` берётся как `-Math.toRadians(...)` (знак обратный правому правилу), Lambert `0.92 + 0.88·dot` кламп `[0.80; 1.25]`, свет `(0.83, 0.48, 0.28)`. Цели: силуэт 314,9×65,3 pt центр (227,3; 82,3), уклон передней кромки 0.1282, аспект 0.207, шаги осей 0.0504/0.1176. Триангуляция ячейки — диагональ с большей суммой значений (седло; фиксированная диагональ даёт невидимую щепку); клиппинг полос — по треугольникам. `w01 = z[r+1][c]`, `w10 = z[r][c+1]` — перестановка закручивает квад в бабочку. `ChartRenderer.axisBounds` без явного `c:min` поднимает нижнюю границу до 0. Пустой `c:title` + `autoTitleDeleted val="0"` → автозаголовок `Chart Title` (для pie/pie3D/doughnut — имя ряда). Границы калибровки менять только вместе с тестами `Surface3dPainterTest`/`PiePainterTest`. + +В `DrawingPreRenderer` rels части берутся через `part.getRelationshipsPart()` (`Base`), а **не** `getOwningRelationshipPart()` — у `document.xml` последнее указывает на пакетный `.rels`. Обход `pkg.getParts()` — только по снимку списка: `createImagePart` докидывает части в тот же реестр (живой обход → `ConcurrentModificationException`). + +## Key Directories + +| Путь | Назначение | +|---|---| +| `wordpdf-core/src/main/java/ru/pjandro/wordpdf/` | публичный API: `WordPdfConverter`, `WordPdfValidator`, `ConversionException` | +| `…/wordpdf/fonts/` | `BundledFonts` (реестр/выгрузка TTF), `BundledFontMapper` (алиасы MS→open-source) | +| `…/wordpdf/internal/` | 4 байтовых нормализатора + `FopFallbackFonts` | +| `…/wordpdf/internal/chart/` | Java2D-рендер диаграмм/SmartArt в PNG | +| `wordpdf-core/src/main/resources/fonts/` | 30 TTF + лицензии — бинарные фикстуры, часть jar | +| `wordpdf-core/src/test/resources/samples/` | 11 закоммиченных `.docx`-фикстур (единственные фикстуры) | +| `wordpdf-cli/src/main/java/…/cli/` | `WordPdfCli` (fat-jar) | +| `references/` | эталон Word 365 (`word.docx` + `word.pdf`) — **ручное сравнение, не фикстуры**, в тесты/jar не подключать | +| `diff/`, корневые `word-export.*` | gitignored артефакты ручной калибровки | + +## Development Commands + +```bash +mvn clean verify # все модули + тесты — обязательный гейт перед push +mvn -pl wordpdf-cli package # fat-jar (из корня); из каталога cli — только с -am +java -jar wordpdf-cli/target/wordpdf-cli-1.0.0.jar in.docx [out.pdf] +mvn -pl wordpdf-core test -Dtest=WordPdfConverterTest#pageNumbers_recomputedNotCached # один тест +``` + +CLI: 1 аргумент → PDF рядом с исходником; 2-й `.pdf` → явный выход; **два `.docx` = пакетная конвертация**. Коды возврата: 0 успех, 1 ошибка использования, 2 не сконвертирован хотя бы один файл. + +`dependency-reduced-pom.xml` — артефакт shade, не коммитить. + +Пересоздать 10 фикстур (POI, test scope; `charts-smartart.docx` НЕ генерируется — исключение): + +```bash +mvn -pl wordpdf-core test-compile -Dmdep.outputFile=/tmp/cp.txt dependency:build-classpath -q +java -cp wordpdf-core/target/test-classes:$(cat /tmp/cp.txt) \ + ru.pjandro.wordpdf.SampleDocxGenerator wordpdf-core/src/test/resources/samples +``` + +## Code Conventions & Common Patterns + +- Классы `final`, приватный конструктор, только `static` (stateless, DI нет; конфигурация — `Docx4jProperties` + classpath-ресурсы). Исключения — экземпляры по природе docx4j: `BundledFontMapper` (наследник `BestMatchingMapper`), `DrawMlColor` (палитра темы). +- Нормализаторы — единая сигнатура `public static byte[] normalize(byte[] docx) throws IOException` с флагом `changed`: нечего менять → вернуть **тот же массив** (`assertSame` в тестах); package-private хук `static String rewrite(String xml)` для юнит-тестов. +- Ошибки публичного API — только `ConversionException extends RuntimeException`; внутренние `IOException`/`IllegalStateException` оборачиваются на границе. В chart — деградация вместо падения: неизвестный пресет → прямоугольник + лог. +- Javadoc на русском, объясняет «почему» и ссылается на регрессию и фикстуру (формат: `Регрессия — WordPdfConverterTest#имя, фикстура samples/….docx`) — новый фикс оформлять так же. +- Константы UPPER_SNAKE с числовыми эталонными значениями (`CAMERA_DISTANCE`, `MAX_PAGES`); начертания `V_REGULAR/V_BOLD/...`; модели — `record`; размеры в chart — в пунктах, растр × `DPI/72`. +- Внутренние API package-private; наружу из `internal` торчат только `normalize`/`declare`/`DrawingPreRenderer.run`. +- `WordPdfCli.main` тонко обёртывает `public static int run(String[])` — CLI тестируется без `System.exit`. + +## Important Files + +- `wordpdf-core/src/main/java/ru/pjandro/wordpdf/WordPdfConverter.java` — точка входа библиотеки + static-блок `gsubFeatures`. +- `wordpdf-cli/pom.xml` — shade: Main-Class, `ServicesResourceTransformer`, фильтры подписей. +- Корневой `pom.xml` — все версии зависимостей (в модулях версии не объявлять): docx4j `17.3.0`, slf4j `2.0.17`, JUnit `5.12.2`, PDFBox `3.0.7` (test), POI `5.5.1` (test, только генератор фикстур); форки FOP/jeuclid приходят транзитивно с `docx4j-export-fo`, пинить не надо. +- `wordpdf-core/src/main/resources/slf4j-simple.properties` — без него предупреждение лезет в PDF. +- `wordpdf-core/src/test/java/ru/pjandro/wordpdf/SampleDocxGenerator.java` — main()-утилита пересоздания фикстур (команда в javadoc). + +## Runtime & Tooling Preferences + +- Java 17 + Maven (обязательны; wrapper `mvnw` нет). UTF-8. +- Только Maven (никакого Gradle/Ant); новые зависимости — latest stable, версии только в корневой `dependencyManagement`. +- CI, линтеров, форматтеров, checkstyle — нет; проверка одна: `mvn clean verify`. +- Fat-jar проверять только `java -jar` (тесты идут по classpath и shade-проблем не видят). + +## Testing & QA + +- JUnit 5, surefire c `-Djava.awt.headless=true`; только `Assertions` (без Mockito/AssertJ), package-private тесты в mirror-пакетах. +- **PDF сравнивается текстом, не растеризацией**: PDFBox `PDFTextStripper` для текста, override `processTextPosition` для шрифта конкретного символа (`fontNameOf`), обход ресурсов страницы для встроенных шрифтов (`EAAAAA+Carlito-Bold`) и счётчика картинок. Негативные маркеры — регрессии: `assertFalse(text.contains("#"))` (.notdef), `assertFalse(font.startsWith("Helvetica"))`. Пиксели — только в unit-тестах chart-пейнтеров (там сам код — Java2D); допуски 6–10%. +- Текст нормализуется по пробелам (`tableImage_tableAndImage` — полное удаление пробелов: docx4j переносит слова в auto-fit таблицах). +- Фикстуры — закоммиченные `samples/*.docx` (не генерировать в тестах); classpath → временный файл (`extractSample`/`extractToTemp`). In-memory docx — `ZipOutputStream` из литеральных XML или POI в `byte[]` (`WordPdfValidatorTest`). +- Юниты нормализаторов работают строками (`rewrite`) и проверяют контракт «нечего менять → null / тот же массив» и неприкосновенность `[Content_Types].xml`. +- Тесты `wordpdf-cli` берут фикстуры из test-jar core (classifier `tests`) → `-pl wordpdf-cli` без `-am` не соберётся; проверять коды возврата `WordPdfCli.run`. +- Каждый фикс бага docx4j/FOP сопровождается: байтовый нормализатор/pre-renderer + регрессионный тест с фикстурой + javadoc-ссылка. Проверенные пары: `DocxOnOffNormalizerTest`/`ruPlain_regularRunsUseRegularFont`, `FieldNormalizerTest`/`pageNumbers_recomputedNotCached`, `SymbolFontNormalizerTest`/`symbolFonts_bulletsAreNotHash`, `GlyphCoverageNormalizerTest`/`exoticGlyphs_drawnNotHash`, `WordPdfValidatorTest`/`staleCachePageCountRejectedBeforeRender`, `BundledFontsTest`/`noLoggingWarningInPdf`, `Surface3dPainterTest`/`chartsSmartArt_drawingsBecomeImages`. diff --git a/wordpdf-cli/src/test/java/ru/pjandro/wordpdf/cli/WordPdfCliTest.java b/wordpdf-cli/src/test/java/ru/pjandro/wordpdf/cli/WordPdfCliTest.java index c2545a6..adbd59b 100644 --- a/wordpdf-cli/src/test/java/ru/pjandro/wordpdf/cli/WordPdfCliTest.java +++ b/wordpdf-cli/src/test/java/ru/pjandro/wordpdf/cli/WordPdfCliTest.java @@ -1,6 +1,7 @@ package ru.pjandro.wordpdf.cli; import org.junit.jupiter.api.Test; +import ru.pjandro.wordpdf.WordPdfValidator; import java.io.InputStream; import java.nio.charset.StandardCharsets; @@ -29,6 +30,28 @@ class WordPdfCliTest { assertEquals(2, WordPdfCli.run(new String[]{"/tmp/no-such-file-xyz.docx"})); } + /** + * Превышение 5 MiB на входе: CLI должен вернуть код 2 (ошибка конвертации) + * — валидатор бросает {@code ConversionException}, CLI ловит и печатает + * в stderr. + */ + @Test + void oversizedInputReturnsError() throws Exception { + Path tooBig = Files.createTempFile("cli-too-big-", ".docx"); + try { + Files.write(tooBig, + new byte[(int) WordPdfValidator.MAX_INPUT_BYTES + 1]); + assertEquals(2, WordPdfCli.run(new String[]{tooBig.toString()}), + "превышение лимита должно давать код 2"); + } finally { + // при регрессии guard'а CLI написал бы PDF рядом со входом — + // убирать и его, чтобы тест не оставлял артефактов + Files.deleteIfExists(tooBig); + Files.deleteIfExists(Path.of( + tooBig.toString().replaceFirst("\\.docx$", "") + ".pdf")); + } + } + @Test void convertsSampleWithExplicitOutput() throws Exception { // Сэмпл из test-jar wordpdf-core diff --git a/wordpdf-core/src/main/java/ru/pjandro/wordpdf/WordPdfConverter.java b/wordpdf-core/src/main/java/ru/pjandro/wordpdf/WordPdfConverter.java index 6ee66db..12c2f2b 100644 --- a/wordpdf-core/src/main/java/ru/pjandro/wordpdf/WordPdfConverter.java +++ b/wordpdf-core/src/main/java/ru/pjandro/wordpdf/WordPdfConverter.java @@ -18,10 +18,10 @@ import ru.pjandro.wordpdf.internal.FopFallbackFonts; import ru.pjandro.wordpdf.internal.SymbolFontNormalizer; import java.io.ByteArrayInputStream; +import java.io.IOException; import java.io.OutputStream; import java.nio.file.Files; import java.nio.file.Path; -import java.util.Locale; /** * Конвертер docx -> PDF на базе docx4j + Apache FOP @@ -56,10 +56,12 @@ public final class WordPdfConverter { * * @param docxIn входной .docx * @return путь к созданному PDF - * @throws ConversionException при ошибке (не .docx, файл не найден и т.п.) + * @throws ConversionException при ошибке (не .docx, файл не найден, + * размер больше {@link WordPdfValidator#MAX_INPUT_BYTES}, + * результат длиннее {@link WordPdfValidator#MAX_PAGES} страниц и т.п.) */ public static Path convert(Path docxIn) throws ConversionException { - validateInput(docxIn); + WordPdfValidator.checkInput(docxIn); String name = docxIn.getFileName().toString(); int dot = name.lastIndexOf('.'); String base = dot > 0 ? name.substring(0, dot) : name; @@ -72,17 +74,38 @@ public final class WordPdfConverter { * Конвертирует {@code docxIn} в {@code pdfOut}. * Родительские каталоги {@code pdfOut} при необходимости создаются. * + *

Число страниц проверяется по самому .docx (см. + * {@link WordPdfValidator#checkPageCount}) до рендеринга — при + * превышении лимита PDF не создаётся. + * * @throws ConversionException при ошибке */ public static void convert(Path docxIn, Path pdfOut) throws ConversionException { - validateInput(docxIn); + WordPdfValidator.checkInput(docxIn); try { Path parent = pdfOut.toAbsolutePath().getParent(); if (parent != null) { Files.createDirectories(parent); } + boolean opened = false; try (OutputStream os = Files.newOutputStream(pdfOut)) { + opened = true; convertToStream(docxIn, os); + } catch (Exception e) { + // валидация числа страниц срабатывает уже внутри + // convertToStream — пустой/неполный PDF убирать, чтобы + // отказ не оставлял артефакт рядом со входом. Удаляем + // только если поток реально открылся: при неудачном + // открытии (read-only/locked цель) ничего не писали и + // чужой файл трогать нельзя + if (opened) { + try { + Files.deleteIfExists(pdfOut); + } catch (IOException ignored) { + // вторичная ошибка не должна затенять основную + } + } + throw e; } } catch (ConversionException e) { throw e; @@ -123,6 +146,12 @@ public final class WordPdfConverter { WordprocessingMLPackage pkg = WordprocessingMLPackage.load( new ByteArrayInputStream(docxBytes)); try { + // 2.5 Проверка числа страниц по самому .docx: кэш Word + // (docProps/app.xml ) или нижняя оценка по явным + // разрывам. Делается до рендера, чтобы не тратить время на + // заведомо длинный документ; внутри try — чтобы и на отказе + // отработал finally с чисткой temp-файлов встроенных шрифтов. + WordPdfValidator.checkPageCount(pkg); // 3. Привязка маппера: docx4j сопоставляет шрифты документа // с физическими TTF (учитывая и шрифты, встроенные в docx) pkg.setFontMapper(mapper); @@ -158,21 +187,6 @@ public final class WordPdfConverter { } } - /** Проверяет входной файл: существует, это .docx (не .doc). */ - private static void validateInput(Path docxIn) throws ConversionException { - if (docxIn == null) { - throw new ConversionException("Не указан входной файл"); - } - if (!Files.isRegularFile(docxIn)) { - throw new ConversionException("Файл не найден: " + docxIn); - } - String name = docxIn.getFileName().toString().toLowerCase(Locale.ROOT); - if (!name.endsWith(".docx")) { - throw new ConversionException( - "Поддерживается только .docx (без .doc): " + docxIn); - } - } - /** Имя файла без расширения (для PDF-заголовка). */ private static String baseName(Path p) { String name = p.getFileName().toString(); diff --git a/wordpdf-core/src/main/java/ru/pjandro/wordpdf/WordPdfValidator.java b/wordpdf-core/src/main/java/ru/pjandro/wordpdf/WordPdfValidator.java new file mode 100644 index 0000000..2394135 --- /dev/null +++ b/wordpdf-core/src/main/java/ru/pjandro/wordpdf/WordPdfValidator.java @@ -0,0 +1,573 @@ +package ru.pjandro.wordpdf; + +import org.docx4j.openpackaging.packages.WordprocessingMLPackage; +import org.docx4j.wml.Br; +import org.docx4j.wml.ContentAccessor; +import org.docx4j.wml.P; +import org.docx4j.wml.R; +import org.docx4j.wml.SectPr; +import org.docx4j.wml.STBrType; + +import jakarta.xml.bind.JAXBElement; + +import javax.xml.stream.XMLInputFactory; +import javax.xml.stream.XMLStreamException; +import javax.xml.stream.XMLStreamReader; +import java.io.ByteArrayInputStream; +import java.io.IOException; +import java.io.InputStream; +import java.nio.file.Files; +import java.nio.file.Path; +import java.util.ArrayDeque; +import java.util.ArrayList; +import java.util.Deque; +import java.util.List; +import java.util.Locale; +import java.util.zip.ZipEntry; +import java.util.zip.ZipFile; +import java.util.zip.ZipInputStream; + +/** + * Валидатор ограничений на входной .docx: + * размер файла и число страниц. + * + *

Конвертер {@link WordPdfConverter} вызывает валидатор автоматически, + * но им можно пользоваться и напрямую — например, проверить байты + * документа, полученного из сети или БД, до того, как сохранять во временный + * файл и вызывать {@code convert}. + * + *

Лимиты: + *

    + *
  • {@link #MAX_INPUT_BYTES} — максимальный размер входного .docx (5 MiB);
  • + *
  • {@link #MAX_PAGES} — максимально допустимое число страниц (100).
  • + *
+ * + *

Число страниц берётся из самого .docx как максимум трёх нижних + * оценок: кэша Word в {@code docProps/app.xml} ({@code }), + * явных разрывов страниц ({@code w:br type="page"}, + * {@code w:pageBreakBefore}, межсекционные {@code w:sectPr}) и маркеров + * {@code w:lastRenderedPageBreak} — границ страниц, которые Word записал + * при последнем рендере. Кэш сам по себе недостоверен: Word может + * сохранить {@code 1} в документе на 110 страниц + * (регрессия — фикстура {@code samples/stale-cache.docx}). + * + *

Проверка делается до рендера — это позволяет отсекать слишком + * длинные документы, не тратя время на конвертацию. + * + *

Все ошибки — {@link ConversionException}. + */ +public final class WordPdfValidator { + + /** 5 MiB = 5 × 1024 × 1024. */ + public static final long MAX_INPUT_BYTES = 5L * 1024 * 1024; + + /** Документ длиннее — ошибка. */ + public static final int MAX_PAGES = 100; + + private WordPdfValidator() { + } + + /** + * Проверяет входной файл: существует, это .docx, размер не превышает + * {@link #MAX_INPUT_BYTES}. + * + * @throws ConversionException при любом нарушении + */ + public static void checkInput(Path docxIn) throws ConversionException { + if (docxIn == null) { + throw new ConversionException("Не указан входной файл"); + } + if (!Files.isRegularFile(docxIn)) { + throw new ConversionException("Файл не найден: " + docxIn); + } + String name = docxIn.getFileName().toString().toLowerCase(Locale.ROOT); + if (!name.endsWith(".docx")) { + throw new ConversionException( + "Поддерживается только .docx (без .doc): " + docxIn); + } + long size; + try { + size = Files.size(docxIn); + } catch (IOException e) { + throw new ConversionException("Не удалось прочитать размер файла: " + docxIn, e); + } + if (size > MAX_INPUT_BYTES) { + throw new ConversionException("Файл больше 5 МБ: " + size + + " байт > " + MAX_INPUT_BYTES + " байт (" + docxIn + ")"); + } + } + + /** + * Проверяет размер байтов входа (для документа, полученного из сети/БД). + * + * @throws ConversionException при {@code null} или превышении лимита + */ + public static void checkInput(byte[] docxBytes) throws ConversionException { + if (docxBytes == null) { + throw new ConversionException("Не указаны байты входного файла"); + } + if (docxBytes.length > MAX_INPUT_BYTES) { + throw new ConversionException("Файл больше 5 МБ: " + docxBytes.length + + " байт > " + MAX_INPUT_BYTES + " байт"); + } + } + + /** + * Считает страницы .docx и проверяет лимит. + * + * @throws ConversionException при ошибке загрузки или превышении {@link #MAX_PAGES} + */ + public static void checkPageCount(Path docxIn) throws ConversionException { + if (docxIn == null) { + throw new ConversionException("Не указан путь к .docx"); + } + WordprocessingMLPackage pkg; + try { + pkg = WordprocessingMLPackage.load(docxIn.toFile()); + } catch (Exception e) { + throw new ConversionException("Не удалось загрузить .docx: " + docxIn, e); + } + checkPageCount(pkg); + } + + /** + * Проверяет число страниц без загрузки документа в docx4j: .docx + * читается как zip напрямую (StAX по {@code word/document.xml}, + * всем {@code word/header*.xml}, {@code word/footer*.xml} и кэшу + * {@code docProps/app.xml}). Дешёвый путь для проверки байтов из + * сети/БД до любой работы с библиотекой. + * + *

Оценка согласована с {@link #checkPageCount(WordprocessingMLPackage)} + * по всем источникам; на границе лимита оба пути дают одинаковый ответ + * (регрессия — {@code checkPageCountLightweight_agreesWithJaxbPath}, + * включая 99/100/101 разрывов). Lightweight-путь дополнительно считает + * разрывы в колонтитулах — он консервативнее, расхождение возможно + * только в сторону завышения. + * + * @throws ConversionException при {@code null}, битом zip или превышении {@link #MAX_PAGES} + */ + public static void checkPageCountLightweight(Path docxIn) throws ConversionException { + if (docxIn == null) { + throw new ConversionException("Не указан путь к .docx"); + } + if (!Files.isRegularFile(docxIn)) { + throw new ConversionException("Файл не найден: " + docxIn); + } + int pages; + try (ZipFile zip = new ZipFile(docxIn.toFile())) { + List headerFooter = new ArrayList<>(); + var entries = zip.entries(); + while (entries.hasMoreElements()) { + String n = entries.nextElement().getName(); + if (isHeaderFooterPart(n)) { + headerFooter.add(n); + } + } + pages = pageCountOfZip(name -> { + ZipEntry e = zip.getEntry(name); + return e == null ? null : zip.getInputStream(e); + }, headerFooter); + } catch (IOException | RuntimeException e) { + throw new ConversionException("Не удалось разобрать .docx: " + docxIn, e); + } + if (pages > MAX_PAGES) { + throw new ConversionException("Документ длиннее " + MAX_PAGES + + " страниц: получено не менее " + pages); + } + } + + /** + * То же, что {@link #checkPageCountLightweight(Path)}, для байтов .docx. + * + * @throws ConversionException при {@code null}, битом zip или превышении лимита + */ + public static void checkPageCountLightweight(byte[] docxBytes) throws ConversionException { + if (docxBytes == null) { + throw new ConversionException("Не указаны байты входного .docx"); + } + int pages; + try (ZipInputStream zip = new ZipInputStream(new ByteArrayInputStream(docxBytes))) { + java.util.Map parts = new java.util.HashMap<>(); + List headerFooter = new ArrayList<>(); + ZipEntry entry; + while ((entry = zip.getNextEntry()) != null) { + String n = entry.getName(); + if (n.equals("docProps/app.xml") || n.equals("word/document.xml") + || isHeaderFooterPart(n)) { + parts.put(n, zip.readAllBytes()); + if (isHeaderFooterPart(n)) { + headerFooter.add(n); + } + } + } + pages = pageCountOfZip(name -> { + byte[] b = parts.get(name); + return b == null ? null : new ByteArrayInputStream(b); + }, headerFooter); + } catch (IOException | RuntimeException e) { + throw new ConversionException("Не удалось разобрать байты .docx", e); + } + if (pages > MAX_PAGES) { + throw new ConversionException("Документ длиннее " + MAX_PAGES + + " страниц: получено не менее " + pages); + } + } + + /** + * Считает страницы .docx в байтах и проверяет лимит. + * + * @throws ConversionException при {@code null}, ошибке загрузки или превышении лимита + */ + public static void checkPageCount(byte[] docxBytes) throws ConversionException { + if (docxBytes == null) { + throw new ConversionException("Не указаны байты входного .docx"); + } + WordprocessingMLPackage pkg; + try { + pkg = WordprocessingMLPackage.load(new ByteArrayInputStream(docxBytes)); + } catch (Exception e) { + throw new ConversionException("Не удалось разобрать байты .docx", e); + } + checkPageCount(pkg); + } + + /** + * Считает страницы уже загруженного .docx и проверяет лимит. + * + *

Число страниц — максимум трёх нижних оценок: + *

    + *
  1. Кэш Word в {@code docProps/app.xml} ({@code }). + * Сам по себе недостоверен: Word может сохранить устаревшее + * значение (в регрессной фикстуре {@code stale-cache.docx} + * кэш равен 1 при 110 границах страниц).
  2. + *
  3. Явные разрывы: {@code w:br[@w:type='page']}, + * {@code w:pageBreakBefore} и {@code w:sectPr} прямо в + * {@code w:body}. Абзацы ищутся не только прямо в {@code w:body}, + * но и внутри таблиц, контентных контролов {@code w:sdt} + * (Word держит нумерацию именно в контентном контроле) и + * прочего содержимого, реализующего {@link ContentAccessor}.
  4. + *
  5. Маркеры {@code w:lastRenderedPageBreak} — границы страниц, + * которые Word записал при последнем рендере. Единственный + * источник оценки для документов без явных разрывов, порванных + * по заполнению.
  6. + *
+ * + *

Оценка остаётся нижней: документ без явных разрывов и без + * маркеров (никогда не открывался в Word) оценивается в 1 страницу + * независимо от фактической длины — такие документы лимит не отсекают. + * + * @throws ConversionException при превышении {@link #MAX_PAGES} + */ + public static void checkPageCount(WordprocessingMLPackage pkg) throws ConversionException { + if (pkg == null) { + throw new ConversionException("Не указан загруженный .docx"); + } + int pages = pageCountOf(pkg); + if (pages > MAX_PAGES) { + throw new ConversionException("Документ длиннее " + MAX_PAGES + + " страниц: получено не менее " + pages); + } + } + + /** + * Возвращает число страниц: максимум кэша {@code }, оценки по + * явным разрывам и оценки по {@code w:lastRenderedPageBreak}. + * Виден только из тестов и пакета. + */ + static int pageCountOf(WordprocessingMLPackage pkg) { + int cached = 0; + try { + if (pkg.getDocPropsExtendedPart() != null) { + org.docx4j.docProps.extended.Properties ext = + pkg.getDocPropsExtendedPart().getContents(); + if (ext != null && ext.getPages() != null && ext.getPages() > 0) { + cached = ext.getPages(); + } + } + } catch (Exception ignored) { + // docPropsExtended может быть не полностью инициализирован — + // тогда остаётся оценка по разрывам. + } + var body = pkg.getMainDocumentPart().getJaxbElement().getBody(); + var content = body.getContent(); + int explicit = 1; // сам документ — минимум одна страница + for (Object child : content) { + // В JAXB-модели в body.getContent() лежат только межсекционные + // sectPr; финальная секция — в body.getSectPr(), её здесь нет. + if (child instanceof SectPr sect && startsNewPage(sect)) { + explicit++; + } + } + explicit += walkForPageBreaks(content); + int lastRendered = countLastRendered(content); + return Math.max(Math.max(cached, explicit), lastRendered + 1); + } + + /** + * Обход содержимого на явные разрывы: абзацы ищутся рекурсивно — + * прямо в {@code w:body}, в ячейках таблиц, в контентных контролах + * {@code w:sdt} и прочем содержимом, реализующем {@link ContentAccessor}. + * Элементы модели приходят и напрямую, и обёрнутыми в + * {@link JAXBElement} (например {@code w:tbl} в {@code w:body}) — + * обёртка раскрывается через {@link #unwrap}. + * Считаются {@code w:br type="page"} и {@code pageBreakBefore} + * (по одному на абзац), как и в lightweight-пути. + */ + private static int walkForPageBreaks(List content) { + int count = 0; + for (Object raw : content) { + Object item = unwrap(raw); + if (item instanceof P p) { + if (p.getPPr() != null + && p.getPPr().getPageBreakBefore() != null + && p.getPPr().getPageBreakBefore().isVal()) { + count++; + } + for (Object runChild : p.getContent()) { + if (unwrap(runChild) instanceof org.docx4j.wml.R r) { + for (Object innerRaw : r.getContent()) { + if (unwrap(innerRaw) instanceof Br br + && br.getType() == STBrType.PAGE) { + count++; + } + } + } + } + } else if (item instanceof ContentAccessor ca) { + // w:tbl / w:tr / w:tc / w:sdt / w:sdtContent и т.п. + count += walkForPageBreaks(ca.getContent()); + } + } + return count; + } + + /** Подсчёт маркеров {@code w:lastRenderedPageBreak} в содержимом. */ + private static int countLastRendered(List content) { + int count = 0; + for (Object raw : content) { + Object item = unwrap(raw); + if (item instanceof R.LastRenderedPageBreak) { + count++; + } else if (item instanceof ContentAccessor ca) { + count += countLastRendered(ca.getContent()); + } + } + return count; + } + + /** Раскрывает обёртку {@link JAXBElement} (docx4j так отдаёт tbl и часть содержимого). */ + private static Object unwrap(Object item) { + return item instanceof JAXBElement je ? je.getValue() : item; + } + + /** Секция, начинающая новую страницу (continuous — нет). */ + private static boolean startsNewPage(SectPr sect) { + return sect.getType() == null + || sect.getType().getVal() == null + || !sect.getType().getVal().equals("continuous"); + } + + /** Поставщик потока по имени части zip; null — части нет. */ + private interface PartStream { + InputStream open(String name) throws IOException; + } + + /** {@code word/headerN.xml} / {@code word/footerN.xml} (не .rels). */ + private static boolean isHeaderFooterPart(String name) { + return (name.startsWith("word/header") || name.startsWith("word/footer")) + && name.endsWith(".xml"); + } + + /** + * Лёгкий расчёт числа страниц прямо по zip-пакету .docx, без docx4j. + * Та же логика, что у {@link #pageCountOf(WordprocessingMLPackage)}: + * максимум кэша {@code docProps/app.xml }, явных разрывов и + * {@code w:lastRenderedPageBreak}. Считаются все колонтитулы + * ({@code word/header*.xml}, {@code word/footer*.xml}) — там Word тоже + * держит {@code w:br type="page"}. + */ + private static int pageCountOfZip(PartStream parts, List headerFooterParts) + throws IOException { + int cached = cachedPageCount(parts.open("docProps/app.xml")); + BreakScan scan = scanDocument(parts.open("word/document.xml")); + int explicit = 1 + scan.breaks(); // сам документ — минимум одна страница + for (String part : headerFooterParts) { + explicit += countBreaksInFlat(parts.open(part)); + } + return Math.max(Math.max(cached, explicit), scan.lastRendered() + 1); + } + + /** Результат разбора word/document.xml: явные разрывы и маркеры. */ + private record BreakScan(int breaks, int lastRendered) { + } + + /** Кэш Word <Pages> из docProps/app.xml; 0 — части/значения нет. */ + private static int cachedPageCount(InputStream in) throws IOException { + if (in == null) { + return 0; + } + try { + XMLStreamReader xr = newSecureReader().createXMLStreamReader(in); + while (xr.hasNext()) { + if (xr.next() == XMLStreamReader.START_ELEMENT + && xr.getLocalName().equals("Pages")) { + String text = xr.getElementText().trim(); + return Math.max(0, Integer.parseInt(text)); + } + } + return 0; + } catch (XMLStreamException | NumberFormatException e) { + return 0; + } finally { + in.close(); + } + } + + /** + * Нижняя оценка по {@code word/document.xml}: {@code w:br type="page"}, + * {@code w:pageBreakBefore}, {@code w:sectPr} прямо в {@code body} и + * маркеры {@code w:lastRenderedPageBreak}. Обход плоский (StAX), + * вложенность не нужна — считаем события. + * + *

Согласованность с JAXB-путём: + *

    + *
  • {@code sectPr} внутри {@code pPr} не считается: в StAX-виде + * там и финальная секция, и межсекционные — неразличимы, а + * JAXB-путь их не видит (в {@code body.getContent()} лежат только + * межсекционные). Такие документы покрываются кэшем + * {@code } и маркерами {@code lastRenderedPageBreak};
  • + *
  • {@code sectPr} прямо в {@code body}: в StAX-виде их на один + * больше, чем в JAXB-виде (финальная секция — это JAXB + * {@code body.getSectPr()}, вне {@code getContent()}), поэтому + * последнюю не считаем, а среди остальных считаем только + * начинающие новую страницу;
  • + *
  • непрерывные секции ({@code type="continuous"}) не считаются — + * ровно как в JAXB-пути, где их отсекает {@code startsNewPage}.
  • + *
+ */ + private static BreakScan scanDocument(InputStream in) throws IOException { + if (in == null) { + return new BreakScan(0, 0); + } + int breaks = 0; + int lastRendered = 0; + int bodyDirectSectPr = 0; + // w:type — ДОЧЕРНИЙ элемент (), а не + // атрибут sectPr, поэтому body-direct секция классифицируется на + // её закрытии; последняя body-direct — финальная секция, не + // считается, так что при закрытии новой секции считаем предыдущую + boolean inBodySectPr = false; + String sectTypeVal = null; + boolean pendingNewPageSection = false; + try { + XMLStreamReader xr = newSecureReader().createXMLStreamReader(in); + // стек имён START_ELEMENT: «внутри ли w:p/w:pPr/sectPr» и + // родитель текущего элемента (для sectPr). + Deque path = new ArrayDeque<>(); + while (xr.hasNext()) { + int ev = xr.next(); + if (ev == XMLStreamReader.START_ELEMENT) { + String name = xr.getLocalName(); + String parent = path.peek(); + path.push(name); + switch (name) { + case "br" -> { + if (isPageBreak(xr) && inside(path, "p")) { + breaks++; + } + } + case "lastRenderedPageBreak" -> { + if (inside(path, "p")) { + lastRendered++; + } + } + case "pageBreakBefore" -> { + if (truthy(xr) && inside(path, "pPr") && !inside(path, "sectPr")) { + breaks++; + } + } + case "sectPr" -> { + if ("body".equals(parent)) { + inBodySectPr = true; + sectTypeVal = null; + } + // sectPr внутри pPr — не считаем (StAX не + // различает финальную и межсекционные) + } + case "type" -> { + if (inBodySectPr && "sectPr".equals(parent)) { + sectTypeVal = xr.getAttributeValue(WML_NS, "val"); + } + } + default -> { + } + } + } else if (ev == XMLStreamReader.END_ELEMENT) { + if ("sectPr".equals(xr.getLocalName()) && inBodySectPr) { + if (pendingNewPageSection) { + bodyDirectSectPr++; + } + pendingNewPageSection = + !"continuous".equals(sectTypeVal); + inBodySectPr = false; + } + if (!path.isEmpty()) { + path.pop(); + } + } + } + } catch (XMLStreamException e) { + throw new IOException("Некорректный XML в word/document.xml", e); + } finally { + in.close(); + } + // последняя body-direct секция не внесена — это финальная секция + breaks += bodyDirectSectPr; + return new BreakScan(breaks, lastRendered); + } + + /** Оценка по колонтитулам: только {@code w:br type="page"} (там нет body/sectPr). */ + private static int countBreaksInFlat(InputStream in) throws IOException { + if (in == null) { + return 0; + } + int count = 0; + try { + XMLStreamReader xr = newSecureReader().createXMLStreamReader(in); + while (xr.hasNext()) { + if (xr.next() == XMLStreamReader.START_ELEMENT + && xr.getLocalName().equals("br") && isPageBreak(xr)) { + count++; + } + } + } catch (XMLStreamException e) { + throw new IOException("Некорректный XML в колонтитуле", e); + } finally { + in.close(); + } + return count; + } + + private static XMLInputFactory newSecureReader() { + XMLInputFactory f = XMLInputFactory.newInstance(); + f.setProperty(XMLInputFactory.SUPPORT_DTD, false); + f.setProperty(XMLInputFactory.IS_SUPPORTING_EXTERNAL_ENTITIES, false); + return f; + } + + private static boolean isPageBreak(XMLStreamReader xr) { + return "page".equals(xr.getAttributeValue(WML_NS, "type")); + } + + private static boolean truthy(XMLStreamReader xr) { + String v = xr.getAttributeValue(WML_NS, "val"); + return v == null || v.equals("true") || v.equals("1") || v.equals("on"); + } + + private static boolean inside(Deque path, String ancestor) { + return path.contains(ancestor); + } + + private static final String WML_NS = + "http://schemas.openxmlformats.org/wordprocessingml/2006/main"; +} diff --git a/wordpdf-core/src/test/java/ru/pjandro/wordpdf/SampleDocxGenerator.java b/wordpdf-core/src/test/java/ru/pjandro/wordpdf/SampleDocxGenerator.java index 3d662fb..c028bf0 100644 --- a/wordpdf-core/src/test/java/ru/pjandro/wordpdf/SampleDocxGenerator.java +++ b/wordpdf-core/src/test/java/ru/pjandro/wordpdf/SampleDocxGenerator.java @@ -27,6 +27,7 @@ import javax.imageio.ImageIO; import java.awt.Color; import java.awt.Graphics2D; import java.awt.image.BufferedImage; +import java.io.ByteArrayInputStream; import java.io.ByteArrayOutputStream; import java.io.File; import java.io.FileOutputStream; @@ -68,6 +69,8 @@ public final class SampleDocxGenerator { symbolBullets(dir.resolve("symbol-bullets.docx")); pageNumbers(dir.resolve("page-numbers.docx")); exoticGlyphs(dir.resolve("exotic-glyphs.docx")); + tooManyPages(dir.resolve("too-many-pages.docx")); + staleCache(dir.resolve("stale-cache.docx")); System.out.println("Готово: " + dir.toAbsolutePath()); } @@ -326,6 +329,108 @@ public final class SampleDocxGenerator { } } + /** + * Документ длиннее лимита страниц: 150 абзацев с принудительным + * {@code w:br type="page"} → нижняя оценка по явным разрывам + * = 1 + 150 = 151 > 100. Используется как фикстура для проверки + * постраничного лимита в {@code WordPdfValidator}. + */ + private static void tooManyPages(Path out) throws Exception { + try (XWPFDocument doc = new XWPFDocument()) { + heading(doc, "Слишком много страниц", "Times New Roman"); + for (int i = 1; i <= 150; i++) { + XWPFParagraph p = doc.createParagraph(); + run(p, "Страница " + i, "Times New Roman", false, false); + p.createRun().addBreak(org.apache.poi.xwpf.usermodel.BreakType.PAGE); + } + save(doc, out); + } + } + + /** + * Документ с устаревшим кэшем страниц — как Word сохраняет файл, + * доработанный другим редактором: 111 абзацев, разделённых маркерами + * {@code w:lastRenderedPageBreak} (110 границ страниц, то есть + * ~111 страница), и при этом в {@code docProps/app.xml} записан кэш + * {@code 1}. Явных разрывов нет ни одного. + * + *

Регрессия для {@code WordPdfValidator}: кэш больше не приоритетный + * источник, оценка по маркерам (111) должна победить кэш (1) и + * документ должен быть отвергнут до рендера. + */ + private static void staleCache(Path out) throws Exception { + try (XWPFDocument doc = new XWPFDocument()) { + doc.getProperties().getExtendedProperties() + .getUnderlyingProperties().setPages(1); + heading(doc, "Устаревший кэш страниц", "Calibri"); + for (int i = 1; i <= 110; i++) { + XWPFParagraph p = doc.createParagraph(); + run(p, "Абзац " + i, "Calibri", false, false); + } + ByteArrayOutputStream bos = new ByteArrayOutputStream(); + doc.write(bos); + insertLastRenderedMarkers(bos.toByteArray(), out); + } + } + + /** + * Переупаковывает .docx, вставляя {@code w:lastRenderedPageBreak} + * перед каждым текстовым тегом {@code w:t} в {@code word/document.xml}, + * кроме первых {@value #STALE_CACHE_UNMARKED_RUNS} (первый абзац + * остаётся без маркера). Тег ищется точно ({@code } / + * {@code = unmarked) { + sb.append(""); + } + seen++; + sb.append(xml, at, end); + i = end; + } + data = sb.toString().getBytes(java.nio.charset.StandardCharsets.UTF_8); + } + zout.putNextEntry(new java.util.zip.ZipEntry(e.getName())); + zout.write(data); + zout.closeEntry(); + } + } + } + + /** Сколько {@code w:t} в фикстуре stale-cache остаются без маркера. */ + private static final int STALE_CACHE_UNMARKED_RUNS = 1; + // ================== Вспомогательные ================== /** Абзац-заголовок: POI 5.5 не имеет createHeading, поэтому diff --git a/wordpdf-core/src/test/java/ru/pjandro/wordpdf/WordPdfConverterTest.java b/wordpdf-core/src/test/java/ru/pjandro/wordpdf/WordPdfConverterTest.java index c9f26d9..464a69e 100644 --- a/wordpdf-core/src/test/java/ru/pjandro/wordpdf/WordPdfConverterTest.java +++ b/wordpdf-core/src/test/java/ru/pjandro/wordpdf/WordPdfConverterTest.java @@ -378,4 +378,74 @@ class WordPdfConverterTest { assertEquals(expected, out); assertTrue(Files.isRegularFile(out), "PDF не создан: " + out); } + + /** + * Лимит на размер входного .docx: больше 5 MiB — отказ до рендера. + * Проверяется через обе формы convert. + */ + @Test + void inputTooLarge() throws Exception { + Path tooBig = Files.createTempFile("too-big-", ".docx"); + Path out = Files.createTempFile("too-big-out-", ".pdf"); + try { + // Пишем чуть больше лимита (5 MiB + 1 байт) + byte[] filler = new byte[(int) WordPdfValidator.MAX_INPUT_BYTES + 1]; + Files.write(tooBig, filler); + + assertThrows(ConversionException.class, + () -> WordPdfConverter.convert(tooBig)); + assertFalse(Files.exists(Path.of( + tooBig.toString().replaceFirst("\\.docx$", "") + ".pdf")), + "отказ по размеру не должен создавать PDF рядом со входом"); + + assertThrows(ConversionException.class, + () -> WordPdfConverter.convert(tooBig, out)); + assertEquals(0L, Files.size(out), + "отказ по размеру — до открытия потока вывода, " + + "выходной файл не должен быть затронут"); + } finally { + Files.deleteIfExists(tooBig); + Files.deleteIfExists(out); + } + } + + /** + * Лимит на число страниц: документ с 150 явными разрывами страниц + * (фикстура too-many-pages.docx, нижняя оценка 151) должен + * отвергаться до рендеринга. PDF не создаётся — в том числе пустой + * файл-артефакт от уже открытого потока вывода. + */ + @Test + void tooManyPages() throws Exception { + Path in = extractSample("too-many-pages.docx"); + Path out = Files.createTempFile("too-many-out-", ".pdf"); + Files.deleteIfExists(out); + + ConversionException ex = assertThrows(ConversionException.class, + () -> WordPdfConverter.convert(in, out)); + assertTrue(ex.getMessage().contains("100"), + "сообщение должно упоминать лимит: " + ex.getMessage()); + assertFalse(Files.exists(out), + "отказ по страницам не должен оставлять PDF: " + out); + } + + /** + * Документ с устаревшим кэшем {@code 1} и 110 маркерами + * {@code w:lastRenderedPageBreak} (фикстура stale-cache.docx — модель + * реального документа пользователя «110 страниц.docx»): конвертер + * обязан отвергнуть его до рендера и не оставить PDF. + */ + @Test + void staleCachePageCountRejectedBeforeRender() throws Exception { + Path in = extractSample("stale-cache.docx"); + Path out = Files.createTempFile("stale-cache-out-", ".pdf"); + Files.deleteIfExists(out); + + ConversionException ex = assertThrows(ConversionException.class, + () -> WordPdfConverter.convert(in, out)); + assertTrue(ex.getMessage().contains("100"), + "сообщение должно упоминать лимит: " + ex.getMessage()); + assertFalse(Files.exists(out), + "отказ по страницам не должен оставлять PDF: " + out); + } } diff --git a/wordpdf-core/src/test/java/ru/pjandro/wordpdf/WordPdfValidatorTest.java b/wordpdf-core/src/test/java/ru/pjandro/wordpdf/WordPdfValidatorTest.java new file mode 100644 index 0000000..c3981f2 --- /dev/null +++ b/wordpdf-core/src/test/java/ru/pjandro/wordpdf/WordPdfValidatorTest.java @@ -0,0 +1,353 @@ +package ru.pjandro.wordpdf; + +import org.apache.poi.xwpf.usermodel.BreakType; +import org.apache.poi.xwpf.usermodel.XWPFDocument; +import org.apache.poi.xwpf.usermodel.XWPFParagraph; +import org.apache.poi.xwpf.usermodel.XWPFTable; +import org.docx4j.openpackaging.packages.WordprocessingMLPackage; +import org.junit.jupiter.api.Test; + +import java.io.ByteArrayOutputStream; +import java.io.IOException; +import java.nio.file.Files; +import java.nio.file.Path; + +import static org.junit.jupiter.api.Assertions.*; + +/** + * Юнит-тесты валидатора: размер (Path и byte[]) и число страниц + * (Path, byte[] и уже загруженный пакет). + */ +class WordPdfValidatorTest { + + private static Path bigDocx(long size) throws IOException { + Path tmp = Files.createTempFile("validator-", ".docx"); + Files.write(tmp, new byte[(int) size]); + return tmp; + } + + private static byte[] docxWithPageBreaks(int count) throws Exception { + try (XWPFDocument doc = new XWPFDocument()) { + for (int i = 0; i < count; i++) { + XWPFParagraph p = doc.createParagraph(); + p.createRun().setText("p" + i); + p.createRun().addBreak(BreakType.PAGE); + } + ByteArrayOutputStream bos = new ByteArrayOutputStream(); + doc.write(bos); + return bos.toByteArray(); + } + } + + @Test + void checkInput_pathWithinLimit() throws IOException { + Path p = bigDocx(1024); + try { + assertDoesNotThrow(() -> WordPdfValidator.checkInput(p)); + } finally { + Files.deleteIfExists(p); + } + } + + @Test + void checkInput_pathOverLimit() throws IOException { + Path p = bigDocx(WordPdfValidator.MAX_INPUT_BYTES + 1); + try { + ConversionException ex = assertThrows(ConversionException.class, + () -> WordPdfValidator.checkInput(p)); + assertTrue(ex.getMessage().contains("5 МБ"), + "сообщение должно упоминать лимит: " + ex.getMessage()); + } finally { + Files.deleteIfExists(p); + } + } + + @Test + void checkInput_pathNull() { + assertThrows(ConversionException.class, + () -> WordPdfValidator.checkInput((Path) null)); + } + + @Test + void checkInput_bytesWithinLimit() { + assertDoesNotThrow(() -> + WordPdfValidator.checkInput(new byte[1024])); + } + + @Test + void checkInput_bytesOverLimit() { + byte[] big = new byte[(int) WordPdfValidator.MAX_INPUT_BYTES + 1]; + ConversionException ex = assertThrows(ConversionException.class, + () -> WordPdfValidator.checkInput(big)); + assertTrue(ex.getMessage().contains("5 МБ"), + "сообщение должно упоминать лимит: " + ex.getMessage()); + } + + @Test + void checkInput_bytesNull() { + assertThrows(ConversionException.class, + () -> WordPdfValidator.checkInput((byte[]) null)); + } + + @Test + void checkPageCount_pkgWithinLimit() throws Exception { + byte[] bytes = docxWithPageBreaks(5); // 1 + 5 = 6 страниц по оценке + WordprocessingMLPackage pkg = WordprocessingMLPackage.load( + new java.io.ByteArrayInputStream(bytes)); + assertDoesNotThrow(() -> WordPdfValidator.checkPageCount(pkg)); + } + + @Test + void checkPageCount_pkgOverLimit() throws Exception { + byte[] bytes = docxWithPageBreaks(120); // 1 + 120 = 121 + WordprocessingMLPackage pkg = WordprocessingMLPackage.load( + new java.io.ByteArrayInputStream(bytes)); + ConversionException ex = assertThrows(ConversionException.class, + () -> WordPdfValidator.checkPageCount(pkg)); + assertTrue(ex.getMessage().contains("100"), + "сообщение должно упоминать лимит: " + ex.getMessage()); + } + + @Test + void checkPageCount_bytesOverLimit() throws Exception { + byte[] bytes = docxWithPageBreaks(120); + ConversionException ex = assertThrows(ConversionException.class, + () -> WordPdfValidator.checkPageCount(bytes)); + assertTrue(ex.getMessage().contains("100"), + "сообщение должно упоминать лимит: " + ex.getMessage()); + } + + @Test + void checkPageCount_bytesNull() { + assertThrows(ConversionException.class, + () -> WordPdfValidator.checkPageCount((byte[]) null)); + } + + @Test + void checkPageCount_pkgNull() { + assertThrows(ConversionException.class, + () -> WordPdfValidator.checkPageCount((WordprocessingMLPackage) null)); + } + + // ---- lightweight (zip/StAX, без docx4j) ---- + + @Test + void checkPageCountLightweight_bytesWithinLimit() throws Exception { + byte[] bytes = docxWithPageBreaks(5); + assertDoesNotThrow(() -> WordPdfValidator.checkPageCountLightweight(bytes)); + } + + @Test + void checkPageCountLightweight_bytesOverLimit() throws Exception { + byte[] bytes = docxWithPageBreaks(120); + ConversionException ex = assertThrows(ConversionException.class, + () -> WordPdfValidator.checkPageCountLightweight(bytes)); + assertTrue(ex.getMessage().contains("100"), + "сообщение должно упоминать лимит: " + ex.getMessage()); + } + + @Test + void checkPageCountLightweight_pathOverLimit() throws Exception { + Path tmp = Files.createTempFile("validator-lw-", ".docx"); + Files.write(tmp, docxWithPageBreaks(120)); + try { + ConversionException ex = assertThrows(ConversionException.class, + () -> WordPdfValidator.checkPageCountLightweight(tmp)); + assertTrue(ex.getMessage().contains("100"), + "сообщение должно упоминать лимит: " + ex.getMessage()); + } finally { + Files.deleteIfExists(tmp); + } + } + + @Test + void checkPageCountLightweight_agreesWithJaxbPath() throws Exception { + // на фикстурах без кэша Pages оба пути обязаны совпадать, + // включая границу лимита: 99 разрывов = 100 страниц (проходит), + // 100/101 = 101/102 (отказ) + for (int breaks : new int[]{0, 3, 99, 100, 101}) { + byte[] bytes = docxWithPageBreaks(breaks); + WordprocessingMLPackage pkg = WordprocessingMLPackage.load( + new java.io.ByteArrayInputStream(bytes)); + int jaxb = WordPdfValidator.pageCountOf(pkg); + // lightweight-путь приватный; проверяем через границу лимита: + // 1+breaks совпадает с оценкой JAXB + assertEquals(1 + breaks, jaxb, "JAXB-оценка для " + breaks + " разрывов"); + if (breaks < 100) { + assertDoesNotThrow(() -> WordPdfValidator.checkPageCountLightweight(bytes)); + } else { + ConversionException ex = assertThrows(ConversionException.class, + () -> WordPdfValidator.checkPageCountLightweight(bytes)); + assertTrue(ex.getMessage().contains("не менее " + (1 + breaks)), + "оценка lightweight должна совпадать с JAXB: " + ex.getMessage()); + } + } + } + + /** + * Секция {@code type="continuous"} по OOXML новую страницу не + * начинает — lightweight-путь (zip/StAX) не обязан её считать, а + * последняя body-direct секция (финальная) не считается никогда. + * Случай A: 100 {@code nextPage} + финальная {@code continuous} — + * 101 страница, отказ (старый код считал «все минус одна» без + * учёта типа: 101−1=100 и пропускал). Случай B: 101 + * {@code continuous} + финальная {@code nextPage} — 1 страница, + * проходит (старый код раздувал до 102 и отвергал). В JAXB-модели + * body-direct sectPr не видны (docx4j оставляет только финальную + * в {@code body.getSectPr()}, {@code getContent()} пуст), поэтому + * расхождение lightweight здесь — допустимое завышение. + * Регрессия — WordPdfValidator#scanDocument. + */ + @Test + void pageCount_continuousSectionsNotCountedLightweight() throws Exception { + java.util.List typesA = new java.util.ArrayList<>(); + for (int i = 0; i < 100; i++) { + typesA.add("nextPage"); + } + typesA.add("continuous"); // финальная секция — непрерывная + byte[] overLimit = docxWithBodySections(typesA); + ConversionException exLwA = assertThrows(ConversionException.class, + () -> WordPdfValidator.checkPageCountLightweight(overLimit)); + assertTrue(exLwA.getMessage().contains("не менее 101"), + "оценка = 1 + 100 межсекционных nextPage: " + exLwA.getMessage()); + + java.util.List typesB = new java.util.ArrayList<>(); + for (int i = 0; i < 101; i++) { + typesB.add("continuous"); + } + typesB.add("nextPage"); // финальная секция + byte[] ok = docxWithBodySections(typesB); + assertDoesNotThrow(() -> WordPdfValidator.checkPageCountLightweight(ok), + "continuous-границы не страницы"); + } + + /** + * docx от POI, в {@code word/document.xml} которого перед закрытием + * {@code w:body} вставлены {@code w:sectPr} прямо в {@code body} с + * указанными {@code w:type} (последняя из них — финальная секция; + * POI сам финальный sectPr не пишет). + */ + private static byte[] docxWithBodySections(java.util.List types) + throws Exception { + byte[] base = docxWithPageBreaks(0); + ByteArrayOutputStream out = new ByteArrayOutputStream(); + try (java.util.zip.ZipInputStream zin = new java.util.zip.ZipInputStream( + new java.io.ByteArrayInputStream(base)); + java.util.zip.ZipOutputStream zout = new java.util.zip.ZipOutputStream(out)) { + java.util.zip.ZipEntry e; + while ((e = zin.getNextEntry()) != null) { + byte[] data = zin.readAllBytes(); + if (e.getName().equals("word/document.xml")) { + String xml = new String(data, java.nio.charset.StandardCharsets.UTF_8); + StringBuilder sb = new StringBuilder(); + for (String t : types) { + sb.append(""); + } + // POI не пишет финальный sectPr — последняя вставленная + // секция и есть финальная (в JAXB уйдёт в body.getSectPr()); + // пустой body сериализуется самозакрывающимся тегом + int at = xml.indexOf(""); + if (at >= 0) { + xml = xml.substring(0, at) + sb + xml.substring(at); + } else { + at = xml.indexOf(""); + assertTrue(at >= 0, "в document.xml нет w:body"); + xml = xml.substring(0, at) + "" + sb + "" + + xml.substring(at + "".length()); + } + data = xml.getBytes(java.nio.charset.StandardCharsets.UTF_8); + } + zout.putNextEntry(new java.util.zip.ZipEntry(e.getName())); + zout.write(data); + zout.closeEntry(); + } + } + return out.toByteArray(); + } + + // ---- устаревший кэш ---- + + private static byte[] staleCacheFixture() throws Exception { + try (java.io.InputStream in = WordPdfValidatorTest.class.getClassLoader() + .getResourceAsStream("samples/stale-cache.docx")) { + assertNotNull(in, "Нет фикстуры samples/stale-cache.docx"); + return in.readAllBytes(); + } + } + + /** + * Кэш Word {@code 1} в документе с 110 маркерами + * {@code w:lastRenderedPageBreak}: кэш больше не приоритетный источник, + * оценка по маркерам (111) обязана победить и документ — быть + * отвергнутым. Это регрессия на реальном документе пользователя + * («110 страниц.docx»: кэш 1, маркеров 110, явных разрывов 0). + */ + @Test + void pageCount_staleCacheLosesToLastRenderedMarkers() throws Exception { + byte[] bytes = staleCacheFixture(); + WordprocessingMLPackage pkg = WordprocessingMLPackage.load( + new java.io.ByteArrayInputStream(bytes)); + assertEquals(111, WordPdfValidator.pageCountOf(pkg), + "оценка = max(кэш 1, разрывы 1, маркеры 110+1)"); + ConversionException ex = assertThrows(ConversionException.class, + () -> WordPdfValidator.checkPageCount(pkg)); + assertTrue(ex.getMessage().contains("100"), ex.getMessage()); + // lightweight-путь обязан согласовать тот же отказ + assertThrows(ConversionException.class, + () -> WordPdfValidator.checkPageCountLightweight(bytes)); + } + + /** + * Явные разрывы внутри таблиц и контентных контролов тоже считаются: + * раньше обходил только прямой контент body, и документ с разрывами в + * ячейках оценивался в 1 страницу. + */ + @Test + void pageCount_breaksInsideTablesAreCounted() throws Exception { + byte[] bytes; + try (XWPFDocument doc = new XWPFDocument()) { + XWPFTable table = doc.createTable(2, 1); + for (int i = 0; i < 120; i++) { + XWPFParagraph p = table.getRow(0).getCell(0).getParagraphs().get(0); + p.createRun().setText("t" + i); + p.createRun().addBreak(BreakType.PAGE); + } + java.io.ByteArrayOutputStream bos = new java.io.ByteArrayOutputStream(); + doc.write(bos); + bytes = bos.toByteArray(); + } + WordprocessingMLPackage pkg = WordprocessingMLPackage.load( + new java.io.ByteArrayInputStream(bytes)); + assertEquals(121, WordPdfValidator.pageCountOf(pkg), + "разрывы в ячейке таблицы должны считаться"); + assertThrows(ConversionException.class, + () -> WordPdfValidator.checkPageCount(bytes)); + assertThrows(ConversionException.class, + () -> WordPdfValidator.checkPageCountLightweight(bytes)); + } + + @Test + void checkPageCountLightweight_bytesNull() { + assertThrows(ConversionException.class, + () -> WordPdfValidator.checkPageCountLightweight((byte[]) null)); + } + + @Test + void checkPageCountLightweight_pathNull() { + assertThrows(ConversionException.class, + () -> WordPdfValidator.checkPageCountLightweight((Path) null)); + } + + @Test + void checkPageCountLightweight_notAZip() throws IOException { + Path tmp = Files.createTempFile("validator-lw-bad-", ".docx"); + Files.write(tmp, "not a zip at all".getBytes()); + try { + assertThrows(ConversionException.class, + () -> WordPdfValidator.checkPageCountLightweight(tmp)); + } finally { + Files.deleteIfExists(tmp); + } + } +} diff --git a/wordpdf-core/src/test/resources/samples/en-plain.docx b/wordpdf-core/src/test/resources/samples/en-plain.docx index c0a7fbd1ddebae39053d7e12f48b18ca60981012..a60fd177dc57ac965710577bfc9becf2f28bbff5 100644 GIT binary patch delta 421 zcmbOwJWH52z?+#xgn@&DgJH%V?~T0CjLblKb2g&{m@&DH=?q9)1#{)&n3%MhKII~@l<-+g;{Q_ZE;w2G6}3V*3ZPdfU-(^Pw8KQ)P~?!U1o9TzW2b?ndIxu~O-40BPa+rZ> gKMrdSV8F(LjG8==!yGJln!^T6b8)(Z=@3pg07J2_nE(I) delta 421 zcmbOwJWH52z?+#xgn@&DgJIHMvyHsbjLblKb2g&{m@&DH=?q9 zUMFg2o5{L5-&Q>35Fis#SRpYu#NU&F@>+CRSaKE_NR(RX7T8?Rg zk6ih?ewzqcwXHv5-z3$E@oWOip_(QYbjdtiIV`<7&bAQ-juc{eE}MRe`lp zP~^n}&w0s$I=Odhjr#ecUwwBU<~^G+Gi5sGQeE8}X@|Q$Emhk8EdAm2n>(IqiCtp8Wq;?~ zonOi^6YWjS=LdMRbNIY`pU=j~z_1aBQ37!DES3q7fYW9B3=TMD_H|(T3cDSc7UeJl h(|#P*9Ke8$1sOGYB8NFx@HB@FnC9Yi2h$;(ZUCQ)wLAa- diff --git a/wordpdf-core/src/test/resources/samples/exotic-glyphs.docx b/wordpdf-core/src/test/resources/samples/exotic-glyphs.docx index e9814b333689c8510355784b15e712f217e0799b..5dc1c83864af6438210a30476a4e088172c1d4f0 100644 GIT binary patch delta 491 zcmew?{6&~Iz?+#xgn@&DgJH%V?~T0CjLblKb2g&{m@&DH=?q9)1#{)&n3%MhKII~@l<-+g;{Q_ZE;w2G6}3V*3ZPdfU-(^Pw8KQ)P~?!U1oOdiCWn)i%<9njE776t}E24v7X*@065tj1x2?u#`*DLJ4z8Du34 aRg>#EwZW#Z<&%q*Nwc zUMFg2n;cbK_*NiQL4$9N#=X`jH^gT1Ps-R{pC6UZ`aE{hcT0Zt{H?Yx1Z$i4n@vsi zin;_PGOs4=lCs~r`;E|If!4sJEo@meEe+d!Rb{7NJA5yi-HuNn;M0r)OIH`lFMiy@ za;q0$bM@qiR7CP#HEyS{o_*nZS|VLl|7Eu8zcc3#z2E%xY^c@}_AT{0=I;Eu zQ%Nb^)I2`Go1KGmtE4+CBLl-mAVvwl&9hiuLBg$_?K3#sYT4I;X*~`*FrCj~2BueV zSaSlyH5P2t*3AyNmz; diff --git a/wordpdf-core/src/test/resources/samples/page-numbers.docx b/wordpdf-core/src/test/resources/samples/page-numbers.docx index 3b1bac5522948a7d8c45bec4014719e658d40f7e..2a8537792d1c8679e964901bac579ecd39767d87 100644 GIT binary patch delta 460 zcmbOwIZKi^z?+#xgn@&DgJH%V?~S|#jLblKa|5FUm@#=a(;1M!ZC2uFqZc({)cfa}CY}T*3CvA&o+{vnzVgJ;4?z`Ld zDN7|)S1b+Oo0t8o;)bfUSB*ea=fR9MFF9@RnoZpjBh_A=uCwdHV)cuQZKrQr7Rxb> zx#H$SjT$LV*~8(F-2@+9-I~x^BdlBRG%r=PN1{c@@qmuco2(`2ODC+Q0+pLFzvr>XYHergg|-G5_G$cOAYvAVgv*?P%}vXlP)J$q*D zd1cW*D|h~63Gim;Fi_$D#>U9Nun~w+0&w$smS#u@nz9K(7@q7l5Jm@w3?xj~vxrUJ z%Q*uat`S^zV0tE(8JNDrWz7K$?^uuxlSR4B!GiwWHekAs+Z{~b;I;~g>My3H7u}5aQ&#Oa(vs37>`ABe^y_%3JbVD=}oDa`tDn@UuV=d@Hd;9 zE@E|*l*qiAuuIBz+wVV2sft{Sk7V#(dBMW?c9xfw-rDx&?R+&d3MnU(nWnFEtL^Da zmPz4{YEcqYYh8aWTk!JL@*A8#)vW3d^i0sbCeSJr_#kq|?yDW=yi~)NR)2r26d-h% zL&}F|hM36z4T5|4{`2Xa^pZQgA?UJ+Xz>QVj?YFZrGB9ieVw3>fyq={Q5`v~|f)Iu$yA6cV!65?))AcN3 zllOAY0EcS?mmQd%$z=wnFL7CO0K+>LWW!`pZga4pKer8-?&Ed`(>J)S!L%3;gbv|x F0|0%H$9Mn$ diff --git a/wordpdf-core/src/test/resources/samples/ru-en-mixed.docx b/wordpdf-core/src/test/resources/samples/ru-en-mixed.docx index 3a2a8644d608b1d30b3c2b8665d122964e4f52ec..6b71b7b31b9e2806881b4cd4ab069658cc12328f 100644 GIT binary patch delta 421 zcmdlYvPFb9z?+#xgn@&DgJH%V?~T0CjLblKb2g&{m@&DH=?q9)1#{)&n3%MhKII~@l<-+g;{Q_ZE;w2G6}3V*3ZPdfU-(^Pw8KQ)P~?!U1oc$h2Ge`l*MaFg4m&Wtp2G}G hzu>Uu00wL<$f(KMoaSJ`R8AW(y@b;pOuyrF0|4X(vDW|q delta 421 zcmdlYvPFb9z?+#xgn@&DgJIHMvyHsbjLblKb2g&{m@&DH=?q9 zUMFg2o5{L5-&Q>35Fis#SRpYu#NU&F@>+CRSaKE_NR(RX7T8?Rg zk6ih?ewzqcwXHv5-z3$E@oWOip_(QYbjdtiIV`<7&bAQ-juc{eE}MRe`lp zP~^n}&w0s$I=Odhjr#ecUwwBU<~^G+Gi5sGQeE8}X@|Q$Emhk8EdAm2n>(IqiCtp8Wq;?~ zonOi^6YWjS=LdMRbNIY`pU=j~z_1aBQ37!DEEX*$aDW|W`wXV{vabWvc^r0NdOe33 in0~=w%>fM9SddYZwK>hff~lM~V0sCsJD7gQ=>`Bl@3(pY diff --git a/wordpdf-core/src/test/resources/samples/ru-plain.docx b/wordpdf-core/src/test/resources/samples/ru-plain.docx index 2261b21256ceaa878177ff7d46abafdae25039e6..61d3545807ed4dbc4b5d62e56b901366fb416cfe 100644 GIT binary patch delta 520 zcmdlgvPFb9z?+#xgn@&DgJH%V?~T0CjLblKb2g&{m@&DH=?q94wW6euW+q-5{x5P-bSEuXjy0BRN;$qwB+m^+0Ok=LN z`B0-qic|J*_+vN0M_0EdwAKjgI?bz3Rqc^z5pq1B9}c^xyr=-kT=5-(P>l#P?;0PRyN-gP-rdJ-n&r((9k^g))QZUX8I5VHE9T zlJheQ`!v@^H2iwIZ0;u=ec@@UJ+hyg#8vm-*c0+0yH2cbZf~|;vZCyyzkko3S$kge zkK)RmKUo62**OeU_`k6+GB9ieVwB*UypLUM^F|gCCUB6QVEYWF_pz@7)A<~BV0r_G z8JK>_Va*8)+E}o0lXW@G;y^q-<3ESq0S*4i%D^DVfDC$B7#Pa)i&FGc@{>z*Q}asn zDspoIycwB97~l~Y>o7t0#TuY4IiL|T$hsMJO+Lt}4Yv3_r!?b+$=qBjZ1Ef*B>+2k B!>RxP delta 490 zcmdlYvQ>mPz?+#xgn@&DgJIHMvyHsbjLblKb2g&{m@&DH=?q9HijUt81HL1mA^(T2_5^k=D})F{c~|%KTPd8_n$j3y<0p9E!tCrVpU}t1t*a*ZZ;kS7fixv|&ypFSd2Ge`l*MaFg4m&Wtp2G}G zzu>Uu1cqxY*r>@moM!SMo}TfaL+^lw{$yof5M)3GeUlqG6~Jm7Cg{Fc1C){js*^!h c!mxYt0ZwhO>F+qD88=Sm;!@mGR3z?+#xgn@&DgJH%V?~S}EjLblKa|xpam@&DZ=?q9)1#{)&n3%MhKII~@l<-+g;{Q_ZE;w2G6}3V*3ZPdfU-(^Pw8KQ)P~?!U1oZNT&@Zg(*Kh1&s4oAbB<02ds%y#N3J delta 438 zcmew>@mGR3z?+#xgn@&DgJIHMvyHqdjLblKa|xpam@&DZ=?q9 zUMFg2o5{L5-&Q>35Fis#SRpYu#NU&F@>+CRSaKE_NR(RX7T8?Rg zk6ih?ewzqcwXHv5-z3$E@oWOip_(QYbjdtiIV`<7&bAQ-juc{eE}MRe`lp zP~^n}&w0s$I=Odhjr#ecUwwBU<~^G+Gi5sGQeE8}X@|Q$Emhk8EdAm2n>(IqiCtp8Wq;?~ zonOi^6YWjS=LdMRbNIY`pU=j~z_1aBQ37!DVis9ua0nh|=Z1vfMUMC25IoGe4osJD t*@5Y;TxMYU9hWr+Foa`4W==NbHU|r4bK8LFRow1i`U|%Mm^SBe0|3S&zAOL$ diff --git a/wordpdf-core/src/test/resources/samples/ru-times.docx b/wordpdf-core/src/test/resources/samples/ru-times.docx index 7465284a016c45bb51940ec044c9c4a5cbdc7d58..df47e7c22918184ccb7bd030ca51e31cfd249ab8 100644 GIT binary patch delta 421 zcmdlbyi1rjz?+#xgn@&DgJH%V?~T0CjLblKb2g&{m@&DH=?q9)1#{)&n3%MhKII~@l<-+g;{Q_ZE;w2G6}3V*3ZPdfU-(^Pw8KQ)P~?!U1o zUMFg2o5{L5-&Q>35Fis#SRpYu#NU&F@>+CRSaKE_NR(RX7T8?Rg zk6ih?ewzqcwXHv5-z3$E@oWOip_(QYbjdtiIV`<7&bAQ-juc{eE}MRe`lp zP~^n}&w0s$I=Odhjr#ecUwwBU<~^G+Gi5sGQeE8}X@|Q$Emhk8EdAm2n>(IqiCtp8Wq;?~ zonOi^6YWjS=LdMRbNIY`pU=j~z_1aBQ37!DES3$Bfb(Vh3=TMF_H|(T3%ebdHsvq_ h(|H`$9Ke8$1sOGYBZoOy@HK}GnAYNS2h$~-ZU8*`w!8oU diff --git a/wordpdf-core/src/test/resources/samples/stale-cache.docx b/wordpdf-core/src/test/resources/samples/stale-cache.docx new file mode 100644 index 0000000000000000000000000000000000000000..6d01f8998a1cbceb60548f8cd64a63735da294d7 GIT binary patch literal 2766 zcma)83pkY98Xk9wB7<>_$!s$kmx&Nfn?f}%+if?sBe$7s!;EX8#BSUf8AFAM%AgUG zQaCX#Lk&r;TjerHwPmA3NTKsj?Q@!(y?f60KkI+KXZ`D2|N7qbuJ2t=b|Ru+kffv} zD2Hw50TM8Iz(2Y#h!l<|g?qY11>?g!^dpIZRW5a;7DMS3g?$0u4`-af2{Y1XD8$5f zBBCkP3BPPkw$EERhD4A_g|8zcv=6fuNo^;o-Qu2U9}B_Ck?NEM54{GHH_KUV z)NE6Nqy`}b1THHXRD*hP>oo#;@f|02=&rKNshjc3@DsD5 z1)(ZCtzGN)mQ{=34O%}r*DC6AIRqOuyVvX^$$#i@pd7=Hn>BK8ax^Pz&}C|^-rxjw zv-g16DfiT^tx_Y z%*jqdQs;7rqPh?Wq#*(VIsGHL8v%4ZL-B!O2KxLri^jue1W>?9A-UtT=oh`Ra>Zl+uXV%2@Z| zvxrp0*u50BOU$N|w_{4As%+a0|M1b>rXUeVXsD@ve-?Tn(Wuyb@-UQu#snFC5Lv`w ziKhcz>WFma9#>Lp(?@cqolm()yg_or7b`MpCJOHRuh}=2zPzD|Mn~iQ1`SBR<<}fJ zGvt=3^DOV)rB6o_&tVWwhhGd@7W(p*6&Q5oZC!g~U2E5nCNv+*`#=4eKt+EPqi^Oz zW5Djq8wV1%7yceJvcL#jkgro{P;i)mcW^MDbq?nqZfG`?wONX>X=})ToRD0E5R-Gy zO^C5PaE*8+ic0D2GSviQBaUwh`&Z%UaQmK|N|}b|L|$;>NPN$SyU!~oSmyJ`G~zK@ zKG3w>^AeXW8f5Qpv^3dhou})KZcZS)a5T#H= zA_N;?e121CaxFaf)UepfXhN^i@qrERWnd8rE5iK52&n`L9awfN(EfSP z+}X}0+b7w@$}ncJb3G~GL*!GKDkfU?mlV#g<&#oqp2_(;?kY*A{gAcY44obZ`eJp7 zhvWs3$bo0@XcZ~-7VL9dx$*uguY_oMy}bo^7zGl)#i|KuKTRm|E2fq8Hq?2`!KKW` zlFcK%5OG^guBfgyir7`s_K#NlZtO7WhIAiJ=FIbES}LP^rF=IGh~Lm*zZv|qvh{7bv>Zfm^fjBlG$23HO@vfqmH1NgQK*!ORpv# z@X9|KvXw^`pR`P^xyBl~FVw7Fyz0lc)h z2sN7>LrE>K6_Gq2A`5cb#44`nVq{-A-0aNQKw8B|h+37`_lM0gy==(Ur4?oYo!gD? z9)PMAfbBcpYQu7+lpJi5U(Mqr{d+DwG;U`;^2mTM;iIUNL%*>Q=4F~Es)c)|jG@~# zah+J_%tyl>+t#umi5%tK67z?<=QF&PL##}yhFAL8pR=~4>b)ula?<$!j%*k{Jlvn; z7sfxbGHF(unl)uXZyLzcJko-fG-8Hj&@CZbTdj@1c+)z%LCx<6BfZA(JOhRF=1rs) z$wad@#i)qc7}gUV!Ss$CSPE_nhS6N`ET@p;=d-Lr=Fp_`GBuF18J27$o&m@4S5x{pD7z6_S8%Oju9{>OV literal 0 HcmV?d00001 diff --git a/wordpdf-core/src/test/resources/samples/symbol-bullets.docx b/wordpdf-core/src/test/resources/samples/symbol-bullets.docx index b253344081258c9e7363dbd8a733ffdcb201495b..b23f3f46dbd7587aa267418dfe56db3bfe0b5acd 100644 GIT binary patch delta 515 zcmcaBeove?z?+#xgn@&DgJH%V?~S~fjLblKb0wn$m@#<@(;1M!ZC2uFqZc({)cfa}CY}T*3CvA&o+{vnzVgJ;4?z`Ld zDN7|)S1b+Oo0t8o;)bfUSB*ea=fR9MFF9@RnoZpjBh_A=uCwdHV)cuQZKrQr7Rxb> zx#H$SjT$LV*~8(F-2@+9-I~x^BdlBRG%r=PN1{c@@qmuco2(`2ODC+Q0+pLFzvr>XYHergg|-G5_G$cOAYvAVgv*?P%}vXlP)J$q*D zd1cW*D|h~63Gim;Fi_$D#>U9Nun~w+0&w$k7HKAM2p(l)h6Lql_6SH&s&TFZ2jz86 zJ1{N5Wd^1LxvV*XK^zMjDMieNPhooC7w0HvydSP)qWgVf~B+$wA*IYEK|BYeXA delta 514 zcmca7epj3~z?+#xgn@&DgW=!`*NwcHjLblKb0wn$m@#<@(;1M!+{%2-!1vo^Y>c55Ug$DZ#Lyk zvpmYtvn9(Qwt4=y+i!#x3$z9%ZDEtDX=yOe)s>xo?eMv1b~`?SfKM|HEX^*EU;Ma* zj+A_rEp*z~%~$W?nCWWbvd~2&MJz4P^wH#?lc6u|{_NnGqGHg* zCd`~@sk}djW&Pp(%-)+OwHvItV&eNVL@(x6$HeKscOOsvnPc$zzUqT*b}M&&QBcyD z!eS#AyXuL0rQZ7dZ_#(ewyZF6Gp^dGFR@&7`O|FQe`n4gdcXPW+fc0~>|3gL%-#8Q zr;=K_>Gt>lZ+4Cs#~plG85tNh0x?SXZC=45%>)j>V{FWjkUYa40SQTU&UN6ByuoP) zrX{(|z;qCoH778HW5I?_o(2^?&n3+`Yw~L@1+W@EZfV9HleM_DUpY2M8fbMs qGXsMV12Wh*xrAF0tY)F}Ot}J}R5cI_A}e8#oVP0tbORzHO+}?FMp%@v z5^AVQ2Z1O=0fj}ECLj?N+(dlO$a(8|bI*Uz%_Q^ZpYMJ%-`Lx*b3gz)FWiAX1rdSbeDCl-hR;&2wv zY%h=y9ofeFP@UOf9)ts_+A}%tMGY@jYbMFysR&&<0$Qv@m6)urCIqhw@fr>Xm zMI_k(04a6=!2Tc6jX5u6Sz+!3|E4<9hl{Y>B<;IKZ%)Jf5!S)lAK5p2oP*8>%qp_? zU;kB9qFYU+b;04>3GQW;R<4bztZY4DSF1AH=8D<-2M~xDl<#wO^o63jGqDp+S&Gy7 z?S)@lk}|E~_NQMzKU(5V+Z4WCATB##8t+)Yt)iFhb+qG`w}}MAC(Z%^CN$~|Bl$Co z#BKNd3>pyQ7e2w>_F=&x;p)hc5GL#FGF$gjG(hIdaTeW;w6`Ya!#Ox$@q)<_nL87D zgMp?s)<<3zK7G}zak;F%uWBX(PCiPU9M6Cp(@W2sJ9Suk{H>gEqodhgL9lUeiG)&J z7&6oMLZIln!Z@n5#ugggCSNK}(J@TB=IJ4oGCinc)sm5ADN*@>)0+5E%-NS;l$&Pd zNbvgOCFC=GZ`{6*?96ngW3bdL#$oFi>!07WAZt3_!C@$7K0$;b>vj#0MZEm$#-h@z zHF#2*5-)BBcQ7>=Dn8*=fR}qtYt|szwf=_LD2NBK6KrG>AbH>{orlIq1%XSq*6CvE_>9oX{DI`Jd$nB zuPg;;Mr%D2W5BAW#VGl7F}#pTi;C@n{~h1E*_FdhWTc=HkHJ*3QIsbCWJs<1lr<}EM)3D%h6p{ekby$E=8Gg0yK2I>hqTX!N3ECChp469S1&LMkMwjc zD;Mpnxi_FifA;uYTRS5Eh=J=sZr@Dw$)^e02z&a2$hl$xGvl>}xKMYe==i~h76_V) zuG>|Ck@2No7kygIV!p)?edN<`yaW23=T5qhEybLh^?T6p+6yau&=t_p&KGQC*G~CPq#(=8R#DTBG5f!e5A8)ZgJxl^2b0WysC8)p19#((ZwMaOM$qS`LqJrAo>y>;qxAfn;_(ZO5HlZEQ}Jge~k7#9RWB&G0lRWeJ4D?zo`~nIMc6 zkSvR*2~w7TNG!hE*pw>y)$M|(i6HANs6m35-H+JxYGX^Pr0hbbAf^jQ_QumRDNAC= z9e0t;!f_Br5l9B(X*`rA4kQ*=ZEQl_ahCzfj(8fJvIIe5Q>%?Fs70`aqU>R(eK9w)lp{to4;H5L(o_s&W!3``+RO9vE)aq4Lb1$yaF+mowP9FSnyHU-N|cIlu3F?qeMlc_;x>G4r- zW4~yRZi+JN#|QR+z{Zf83z0vo9|=Yi`dU9bn!{Q}U-c(rfZ1R9xTc)pkH}~#b03-- zY(aUA&AK3{gQ#i;p>J%!3|6Kzc{aE2pgnq2iu1ZTt8OY=gXZn3`!DZBZ=tXpCifag z!&k~ZEpViYDuaOjgF26n!44EdY34R>>YH?v-M%80)GB_6d+qe#+GWqpP!qk{$)5!F>;dn|GGvvDk8!U?HkVQ8vJP{`zSIXz;Y9AfrftX$p>E~stPd2_Yt`m4 zO%lEe+N#YF`Rc+Mlzr$nV3I+%NHlgOjySHUvWD_MRWYVEx_)s~kK2m)4CZg36fG$S zrf+0r$1I-41fC$d$`SlMMpEdZF`lbgY=0hM9`}~nb*T`>anCcBy$#zQ2;lq7#X2uA zXRaUZe@tMzH(*s&=2-FF+!^Sw3>muvS@nx4y5B9DA<(-ecy}~w<7R5ycRR+Q