Проверка подписи контейнера отдельным шагом обязательна:
* {@code ZipInputStream.getNextEntry()} на не-zip-потоке возвращает
* {@code null} молча, и {@link WordPdfValidator#checkPageCountLightweight(byte[])}
* такой вход не отверг бы (0 страниц). Регрессия —
- * ConvertControllerTest#corruptNotAZip_rejected.
+ * ConvertControllerTest#corruptNotAZip_rejected. Бинарный .doc — не zip,
+ * а OLE2 (CFB): для него свой магик и свой счётчик страниц
+ * ({@link WordPdfValidator#checkDocPageCountLightweight(byte[], int)}).
*/
void validate(byte[] docxBytes, ConvertOptions options) {
try {
@@ -129,17 +131,31 @@ final class ConversionService {
} catch (ConversionException e) {
throw new ValidationException(e.getMessage(), e);
}
- if (docxBytes.length < 4 || docxBytes[0] != 'P' || docxBytes[1] != 'K'
- || (docxBytes[2] & 0xFF) != 0x03 || (docxBytes[3] & 0xFF) != 0x04) {
- throw new ValidationException("Содержимое не похоже на .docx (не zip-архив)");
+ boolean zip = docxBytes.length >= 4 && docxBytes[0] == 'P' && docxBytes[1] == 'K'
+ && (docxBytes[2] & 0xFF) == 0x03 && (docxBytes[3] & 0xFF) == 0x04;
+ if (!zip && !isOle2(docxBytes)) {
+ throw new ValidationException("Содержимое не похоже на .docx или .doc");
}
try {
- WordPdfValidator.checkPageCountLightweight(docxBytes, options.maxPages());
+ if (zip) {
+ WordPdfValidator.checkPageCountLightweight(docxBytes, options.maxPages());
+ } else {
+ WordPdfValidator.checkDocPageCountLightweight(docxBytes, options.maxPages());
+ }
} catch (ConversionException e) {
throw new ValidationException(e.getMessage(), e);
}
}
+ /** Магик OLE2 (CFB): {@code D0 CF 11 E0 A1 B1 1A E1} — контейнер .doc. */
+ private static boolean isOle2(byte[] bytes) {
+ return bytes.length >= 8
+ && (bytes[0] & 0xFF) == 0xD0 && (bytes[1] & 0xFF) == 0xCF
+ && (bytes[2] & 0xFF) == 0x11 && (bytes[3] & 0xFF) == 0xE0
+ && (bytes[4] & 0xFF) == 0xA1 && (bytes[5] & 0xFF) == 0xB1
+ && (bytes[6] & 0xFF) == 0x1A && (bytes[7] & 0xFF) == 0xE1;
+ }
+
/**
* Тело задачи воркера. Ядро принимает байты — временные файлы не нужны;
* имя влияет только на заголовок PDF (параметр {@code title}), потому
@@ -163,7 +179,7 @@ final class ConversionService {
/**
* Санитизация имени (единый источник для имени файла и Content-Disposition):
* без каталога, только буквы/цифры/пробел/ {@code . _ -}, без суффикса
- * .docx; пустое после очистки → {@code document}. Кириллица разрешена —
+ * .docx/.doc; пустое после очистки → {@code document}. Кириллица разрешена —
* на Linux это валидное имя файла, и заголовок PDF остаётся читаемым.
*/
static String safeBaseName(String original) {
@@ -171,8 +187,11 @@ final class ConversionService {
: original.substring(Math.max(original.lastIndexOf('/'),
original.lastIndexOf('\\')) + 1);
base = base.replaceAll("[^\\p{L}\\p{N} ._-]", "");
- if (base.toLowerCase(Locale.ROOT).endsWith(".docx")) {
- base = base.substring(0, base.length() - ".docx".length());
+ String lower = base.toLowerCase(Locale.ROOT);
+ String suffix = lower.endsWith(".docx") ? ".docx"
+ : lower.endsWith(".doc") ? ".doc" : null;
+ if (suffix != null) {
+ base = base.substring(0, base.length() - suffix.length());
}
if (base.isBlank()) {
base = "document";
diff --git a/wordpdf-app/src/main/java/ru/pjandro/wordpdf/app/ConvertController.java b/wordpdf-app/src/main/java/ru/pjandro/wordpdf/app/ConvertController.java
index 63b5dba..2b643d9 100644
--- a/wordpdf-app/src/main/java/ru/pjandro/wordpdf/app/ConvertController.java
+++ b/wordpdf-app/src/main/java/ru/pjandro/wordpdf/app/ConvertController.java
@@ -20,7 +20,7 @@ import java.util.Locale;
/**
* Единственный эндпоинт API: {@code POST /api/v1/convert} — multipart-поле
- * {@code file} (.docx) → синхронный ответ байтами PDF.
+ * {@code file} (.docx или бинарный .doc) → синхронный ответ байтами PDF.
*
*
Здесь только HTTP-слой: проверка presence/расширения и формирование
* {@code Content-Disposition}; проверка содержимого (zip, размер, страницы) —
@@ -57,11 +57,14 @@ final class ConvertController {
this.maxPages = maxPages;
}
- @Operation(summary = "Конвертировать .docx в PDF",
+ @Operation(summary = "Конвертировать .docx или .doc в PDF",
description = "renderCharts/renderSmartArt/errorOnCharts/errorOnSmartArt — факультативно, "
+ "по умолчанию настройки ядра; render-флаг приоритетнее error-флага. "
+ "Лимиты входа (размер/страницы) задаёт только конфигурация сервера "
- + "(свойства wordpdf.max-bytes/wordpdf.max-pages), параметрами запроса не переопределяются")
+ + "(свойства wordpdf.max-bytes/wordpdf.max-pages), параметрами запроса не переопределяются. "
+ + ".doc (Word 97-2003) конвертируется с деградацией вёрстки: шрифты — аналоги из бандла, "
+ + "колонтитулы переносятся, диаграммы — как встроенные превью-изображения; "
+ + "renderCharts/renderSmartArt/errorOn* на .doc не влияют")
@SecurityRequirement(name = OpenApiConfig.SCHEME)
@PostMapping(
path = "/api/v1/convert",
@@ -77,9 +80,10 @@ final class ConvertController {
throw new ValidationException("Файл не передан (multipart-поле «file» обязательно)");
}
String name = file.getOriginalFilename();
- if (name == null || !name.toLowerCase(Locale.ROOT).endsWith(".docx")) {
+ if (name == null || !(name.toLowerCase(Locale.ROOT).endsWith(".docx")
+ || name.toLowerCase(Locale.ROOT).endsWith(".doc"))) {
// расширение проверяется здесь: ядро с байтов его не видит
- throw new ValidationException("Поддерживается только .docx (без .doc): " + name);
+ throw new ValidationException("Поддерживаются только .docx и .doc: " + name);
}
byte[] docxBytes;
try {
@@ -97,9 +101,15 @@ final class ConvertController {
ContentDisposition disposition = ContentDisposition.attachment()
.filename(ConversionService.safeBaseName(name) + ".pdf", StandardCharsets.UTF_8)
.build();
- return ResponseEntity.ok()
+ ResponseEntity.BodyBuilder response = ResponseEntity.ok()
.contentType(MediaType.APPLICATION_PDF)
- .header(HttpHeaders.CONTENT_DISPOSITION, disposition.toString())
- .body(pdf);
+ .header(HttpHeaders.CONTENT_DISPOSITION, disposition.toString());
+ if (name.toLowerCase(Locale.ROOT).endsWith(".doc")) {
+ // .doc (не .docx): POI HWPF даёт дрейф вёрстки, колонтитулы —
+ // инъекция в FO-DOM, экзотические глифы остаются .notdef —
+ // клиент обязан знать о деградации (см. internal.DocToPdfRenderer).
+ response = response.header("X-Wordpdf-Degraded", "headers-footers-exotic-glyphs");
+ }
+ return response.body(pdf);
}
}
diff --git a/wordpdf-app/src/test/java/ru/pjandro/wordpdf/app/ConvertControllerTest.java b/wordpdf-app/src/test/java/ru/pjandro/wordpdf/app/ConvertControllerTest.java
index 664ac0a..2f79a1d 100644
--- a/wordpdf-app/src/test/java/ru/pjandro/wordpdf/app/ConvertControllerTest.java
+++ b/wordpdf-app/src/test/java/ru/pjandro/wordpdf/app/ConvertControllerTest.java
@@ -113,6 +113,7 @@ class ConvertControllerTest {
.andExpect(content().contentType(MediaType.APPLICATION_PDF))
.andExpect(header().string(HttpHeaders.CONTENT_DISPOSITION,
org.hamcrest.Matchers.containsString("filename*=UTF-8''ru-plain.pdf")))
+ .andExpect(header().doesNotExist("X-Wordpdf-Degraded"))
.andReturn();
byte[] pdf = result.getResponse().getContentAsByteArray();
assertTrue(new String(pdf, 0, 4, StandardCharsets.US_ASCII).equals("%PDF"),
@@ -326,14 +327,40 @@ class ConvertControllerTest {
@Test
void corruptNotAZip_rejected() throws Exception {
- // без zip-подписи ZipInputStream молча даёт 0 записей — отсекает
- // отдельная проверка magic bytes
+ // без подписи контейнера (zip для .docx, OLE2 для .doc) лёгкий
+ // счётчик страниц молчит — отсекает отдельная проверка magic bytes
mockMvc.perform(multipart("/api/v1/convert")
.file(docx("broken.docx", "это просто текст, не архив"
.getBytes(StandardCharsets.UTF_8))))
.andExpect(status().isBadRequest())
.andExpect(jsonPath("$.error",
- org.hamcrest.Matchers.containsString("не zip-архив")));
+ org.hamcrest.Matchers.containsString("не похоже на .docx или .doc")));
+ }
+
+ /**
+ * Бинарный .doc проходит тот же эндпоинт: расширение принято, ядро
+ * выбирает POI-ветку по OLE2-магику, ответ несёт заголовок деградации
+ * X-Wordpdf-Degraded (контракт AGENTS.md); у .docx его нет.
+ * Регрессия — ConvertController (расширения + заголовок) +
+ * ConversionService#validate (магик), фикстура /samples/legacy-doc.doc
+ * (test-jar core).
+ */
+ @Test
+ void legacyDoc_convertsToPdf() throws Exception {
+ MvcResult result = mockMvc.perform(multipart("/api/v1/convert")
+ .file(docx("testDoc.doc", bytes("/samples/legacy-doc.doc"))))
+ .andExpect(status().isOk())
+ .andExpect(content().contentType(MediaType.APPLICATION_PDF))
+ .andExpect(header().string(HttpHeaders.CONTENT_DISPOSITION,
+ org.hamcrest.Matchers.containsString("filename*=UTF-8''testDoc.pdf")))
+ .andExpect(header().string("X-Wordpdf-Degraded",
+ "headers-footers-exotic-glyphs"))
+ .andReturn();
+ byte[] pdf = result.getResponse().getContentAsByteArray();
+ assertTrue(new String(pdf, 0, 4, StandardCharsets.US_ASCII).equals("%PDF"),
+ "тело не начинается с %PDF");
+ String text = norm(pdfText(pdf));
+ assertTrue(text.contains("Нижний колонтитул"), "нет колонтитула: " + text);
}
@Test
diff --git a/wordpdf-core/pom.xml b/wordpdf-core/pom.xml
index c6df595..0f1c23b 100644
--- a/wordpdf-core/pom.xml
+++ b/wordpdf-core/pom.xml
@@ -37,6 +37,13 @@
slf4j-simple
+
+
+ org.apache.poi
+ poi-scratchpad
+
+
org.junit.jupiter
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 e811631..faff1b4 100644
--- a/wordpdf-core/src/main/java/ru/pjandro/wordpdf/WordPdfConverter.java
+++ b/wordpdf-core/src/main/java/ru/pjandro/wordpdf/WordPdfConverter.java
@@ -16,6 +16,7 @@ import ru.pjandro.wordpdf.internal.FieldNormalizer;
import ru.pjandro.wordpdf.internal.GlyphCoverageNormalizer;
import ru.pjandro.wordpdf.internal.FopFallbackFonts;
import ru.pjandro.wordpdf.internal.StrictOoxmlNormalizer;
+import ru.pjandro.wordpdf.internal.DocToPdfRenderer;
import ru.pjandro.wordpdf.internal.SymbolFontNormalizer;
import java.io.ByteArrayInputStream;
@@ -54,8 +55,9 @@ public final class WordPdfConverter {
}
/**
- * Конвертирует байты .docx в PDF. Работа с файлами — забота вызывающего
- * (файловое API было здесь раньше; ядро пути не принимает).
+ * Конвертирует байты .docx (или бинарного .doc Word 97-2003 — ветка
+ * выбирается по магическому байту контейнера) в PDF. Работа с файлами — забота
+ * вызывающего (файловое API было здесь раньше; ядро пути не принимает).
*
*
Вход проверяется валидатором до рендера: {@link WordPdfValidator#checkInput(byte[])}
* (null / больше {@link WordPdfSettings#MAX_INPUT_BYTES}), затем число страниц
@@ -108,6 +110,16 @@ public final class WordPdfConverter {
*/
private static void convertToStream(byte[] rawDocxBytes, String title, ConvertOptions options,
OutputStream os) throws Exception {
+ // 0. Бинарный .doc (Word 97-2003, OLE2-контейнер) — отдельная
+ // ветка: docx4j его не читает, нормализаторы (все — по zip-частям
+ // docx) тут бессмысленны. Флаги renderCharts/renderSmartArt/
+ // errorOn* для .doc — no-op: диаграмм как c:chart в .doc нет,
+ // превью встраиваемых объектов приходят картинками через
+ // PicturesManager (см. internal/DocToPdfRenderer).
+ if (isOle2(rawDocxBytes)) {
+ DocToPdfRenderer.render(rawDocxBytes, title, options, os);
+ return;
+ }
// 1. Маппер шрифтов. Порядок важен: конструктор запускает
// обнаружение системных шрифтов, затем бандл-шрифты из jar
// регистрируются поверх них (имеют приоритет).
@@ -181,4 +193,13 @@ public final class WordPdfConverter {
// пакет загружается в память и ничего не закрывает.
}
}
+
+ /** Магик OLE2 (CFB): {@code D0 CF 11 E0 A1 B1 1A E1} — контейнер .doc. */
+ private static boolean isOle2(byte[] bytes) {
+ return bytes != null && bytes.length >= 8
+ && (bytes[0] & 0xFF) == 0xD0 && (bytes[1] & 0xFF) == 0xCF
+ && (bytes[2] & 0xFF) == 0x11 && (bytes[3] & 0xFF) == 0xE0
+ && (bytes[4] & 0xFF) == 0xA1 && (bytes[5] & 0xFF) == 0xB1
+ && (bytes[6] & 0xFF) == 0x1A && (bytes[7] & 0xFF) == 0xE1;
+ }
}
diff --git a/wordpdf-core/src/main/java/ru/pjandro/wordpdf/WordPdfValidator.java b/wordpdf-core/src/main/java/ru/pjandro/wordpdf/WordPdfValidator.java
index 4225492..1f6895f 100644
--- a/wordpdf-core/src/main/java/ru/pjandro/wordpdf/WordPdfValidator.java
+++ b/wordpdf-core/src/main/java/ru/pjandro/wordpdf/WordPdfValidator.java
@@ -1,6 +1,9 @@
package ru.pjandro.wordpdf;
import org.docx4j.openpackaging.packages.WordprocessingMLPackage;
+import org.apache.poi.hwpf.HWPFDocument;
+import org.apache.poi.poifs.filesystem.POIFSFileSystem;
+import org.apache.poi.ddf.EscherRecordTypes;
import org.docx4j.wml.Br;
import org.docx4j.wml.ContentAccessor;
import org.docx4j.wml.P;
@@ -153,6 +156,44 @@ public final class WordPdfValidator {
}
}
+ /**
+ * Проверяет число страниц бинарного .doc (Word 97-2003) по кэшу
+ * {@code SummaryInformation.PageCount} — аналогу {@code docProps/app.xml}
+ * в docx-пути: Word переписывает его при сохранении, пост-рендерной
+ * проверки нет осознанно (как в docx-ветке — доверяем кэшу до рендера).
+ * Кэш пуст или ноль — проверка пропускается (посчитать дёшево нельзя,
+ * отвергать валидный документ по отсутствию кэша неправильно).
+ *
+ * @throws ConversionException при {@code null}, ошибке разбора OLE2 или превышении {@link WordPdfSettings#MAX_PAGES}
+ */
+ public static void checkDocPageCountLightweight(byte[] docBytes) throws ConversionException {
+ checkDocPageCountLightweight(docBytes, WordPdfSettings.MAX_PAGES);
+ }
+
+ /**
+ * То же, что {@link #checkDocPageCountLightweight(byte[])}, с явным
+ * лимитом страниц (переопределение на вызов, см. {@link ConvertOptions#maxPages()}).
+ *
+ * @throws ConversionException при {@code null}, ошибке разбора OLE2 или превышении {@code maxPages}
+ */
+ public static void checkDocPageCountLightweight(byte[] docBytes, int maxPages) throws ConversionException {
+ if (docBytes == null) {
+ throw new ConversionException("Не указаны байты входного .doc");
+ }
+ int pages;
+ try (POIFSFileSystem fs = new POIFSFileSystem(new ByteArrayInputStream(docBytes));
+ HWPFDocument hwpf = new HWPFDocument(fs)) {
+ org.apache.poi.hpsf.SummaryInformation si = hwpf.getSummaryInformation();
+ pages = si == null ? 0 : si.getPageCount();
+ } catch (IOException | RuntimeException e) {
+ throw new ConversionException("Не удалось разобрать байты .doc", e);
+ }
+ if (pages > maxPages) {
+ throw new ConversionException("Документ длиннее " + maxPages
+ + " страниц: получено не менее " + pages);
+ }
+ }
+
/**
* Считает страницы .docx в байтах и проверяет лимит.
*
diff --git a/wordpdf-core/src/main/java/ru/pjandro/wordpdf/internal/DocToPdfRenderer.java b/wordpdf-core/src/main/java/ru/pjandro/wordpdf/internal/DocToPdfRenderer.java
new file mode 100644
index 0000000..b797a8b
--- /dev/null
+++ b/wordpdf-core/src/main/java/ru/pjandro/wordpdf/internal/DocToPdfRenderer.java
@@ -0,0 +1,759 @@
+package ru.pjandro.wordpdf.internal;
+
+import org.apache.fop.apps.FOUserAgent;
+import org.apache.fop.apps.Fop;
+import org.apache.fop.apps.FopFactory;
+import org.apache.fop.apps.MimeConstants;
+import org.apache.poi.hwpf.HWPFDocument;
+import org.apache.poi.hwpf.converter.FontReplacer;
+import org.apache.poi.hwpf.converter.PicturesManager;
+import org.apache.poi.hwpf.converter.WordToFoConverter;
+import org.apache.poi.hwpf.usermodel.CharacterRun;
+import org.apache.poi.hwpf.usermodel.HeaderStories;
+import org.apache.poi.hwpf.usermodel.Paragraph;
+import org.apache.poi.hwpf.usermodel.PictureType;
+import org.apache.poi.hwpf.usermodel.Range;
+import org.apache.poi.poifs.filesystem.POIFSFileSystem;
+import org.w3c.dom.Document;
+import org.w3c.dom.Element;
+import org.w3c.dom.Node;
+import org.w3c.dom.NodeList;
+import ru.pjandro.wordpdf.ConversionException;
+import ru.pjandro.wordpdf.ConvertOptions;
+import ru.pjandro.wordpdf.fonts.BundledFontMapper;
+import ru.pjandro.wordpdf.fonts.BundledFonts;
+
+import javax.xml.parsers.DocumentBuilderFactory;
+import javax.xml.transform.dom.DOMSource;
+import javax.xml.transform.sax.SAXResult;
+
+import java.io.ByteArrayInputStream;
+import java.io.IOException;
+import java.io.OutputStream;
+import java.nio.charset.StandardCharsets;
+import java.nio.file.Files;
+import java.nio.file.Path;
+import java.util.ArrayList;
+import java.util.Comparator;
+import java.util.List;
+import java.util.Locale;
+import java.util.stream.Stream;
+
+/**
+ * Рендер бинарного .doc (Word 97-2003, OLE2) в PDF: POI HWPF -> XSL-FO ->
+ * Apache FOP (тот же форк, что в docx-ветке).
+ *
+ *
docx4j бинарный формат не читает, HWPF->XWPF конвертера в POI нет —
+ * поэтому для .doc отдельная ветка: {@link WordToFoConverter} строит FO
+ * из HWPF-модели напрямую, а колонтитулы (которые POI в FO не пишет)
+ * дописываются в FO-DOM по {@link HeaderStories}.
+ *
+ *
Известная деградация против Word (принята): дрейф вёрстки (FO POI
+ * беднее docx4j-экспорта), шрифты — бандл-аналоги, колонтитулы — по
+ * одной (odd) истории на секцию, first/even-варианты — эвристикой
+ * «непустая история => вариант» (флаги titlePg/evenAndOdd POI не отдаёт).
+ * Флаги {@code renderCharts}/{@code renderSmartArt} для .doc — no-op:
+ * диаграмм как {@code c:chart} в .doc нет, превью встраиваемых объектов
+ * приходят картинками через {@link PicturesManager}.
+ */
+public final class DocToPdfRenderer {
+
+ private DocToPdfRenderer() {
+ }
+
+ private static final String FO_NS = "http://www.w3.org/1999/XSL/Format";
+
+ /** Маркеры полей Word в тексте HWPF-ранов. */
+ private static final char FIELD_BEGIN = '\u0013';
+ private static final char FIELD_SEPARATOR = '\u0014';
+ private static final char FIELD_END = '\u0015';
+ /** Маркер конца секции в историях колонтитулов. */
+ private static final char SECTION_END = '\u000c';
+ /** Конец абзаца / конец ячейки таблицы в тексте HWPF. */
+ private static final char PARA_END = '\r';
+ private static final char CELL_END = '\u0007';
+
+ /** Зазор между текстом колонтитула и областью контента. */
+ private static final double REGION_GAP_IN = 0.15;
+
+
+ /**
+ * Полный путь .doc -> PDF в поток. Все ошибки — {@link ConversionException}.
+ *
+ * @param docBytes байты OLE2 (.doc)
+ * @param title заголовок PDF (метаданные); {@code null}/пустая — не задаётся
+ * @param options настройки вызова (для .doc флаги рисования — no-op)
+ * @param out приёмник байтов PDF
+ */
+ public static void render(byte[] docBytes, String title, ConvertOptions options,
+ OutputStream out) throws ConversionException {
+ Path workDir = null;
+ try {
+ // init() идемпотентен; restrictToBundled() не нужен — FOP-конфиг
+ // строится явно (auto-detect="false"), системные шрифты в него не попадают.
+ BundledFonts.init();
+ workDir = Files.createTempDirectory("wordpdf-doc-");
+ Path picsDir = Files.createDirectory(workDir.resolve("pics"));
+
+ Document foDoc;
+ try (POIFSFileSystem fs = new POIFSFileSystem(new ByteArrayInputStream(docBytes));
+ HWPFDocument hwpf = new HWPFDocument(fs)) {
+
+ DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
+ dbf.setNamespaceAware(true);
+ Document dom = dbf.newDocumentBuilder().newDocument();
+ WordToFoConverter converter = new WordToFoConverter(dom);
+ converter.setFontReplacer(DocToPdfRenderer::replaceFont);
+ converter.setPicturesManager(new TempPictures(picsDir));
+ converter.processDocument(hwpf);
+ foDoc = converter.getDocument();
+ applyDefaultFont(foDoc);
+
+ injectHeadersAndFooters(foDoc, hwpf);
+ }
+
+ renderFo(foDoc, title, workDir, out);
+ } catch (ConversionException e) {
+ throw e;
+ } catch (Exception e) {
+ throw new ConversionException("Не удалось конвертировать документ .doc", e);
+ } finally {
+ if (workDir != null) {
+ deleteRecursively(workDir);
+ }
+ }
+ }
+
+ // ==================== Шрифты ====================
+
+ /**
+ * Замена шрифта ранa на бандл-аналог: имя из name-таблицы TTF
+ * regular-варианта (тот же механизм triplet-имён, что в
+ * {@link FopFallbackFonts}) — FO запрашивает именно его.
+ */
+ private static FontReplacer.Triplet replaceFont(FontReplacer.Triplet t) {
+ String family = BundledFontMapper.bundledFamily(
+ t.fontName == null ? "" : t.fontName);
+ var regular = BundledFonts.regular(family);
+ if (regular != null) {
+ t.fontName = regular.getName();
+ }
+ return t;
+ }
+
+ /** Картинки во временный каталог; FO ссылается на них file:-URI. */
+ private static final class TempPictures implements PicturesManager {
+ private final Path dir;
+
+ TempPictures(Path dir) {
+ this.dir = dir;
+ }
+
+ @Override
+ public String savePicture(byte[] content, PictureType pictureType,
+ String suggestedName, float widthInches, float heightInches) {
+ try {
+ if (content == null || content.length == 0) {
+ // пустой объект (напр. превью удалённого рисунка) — FOP
+ // падает на нём с EOFException, ссылка не нужна
+ return null;
+ }
+ String name = suggestedName == null ? "" :
+ suggestedName.replaceAll("[^A-Za-z0-9._-]", "_");
+ if (name.isEmpty()) {
+ String ext = pictureType == null
+ ? PictureType.UNKNOWN.getExtension()
+ : pictureType.getExtension();
+ name = "pic-" + java.util.Arrays.hashCode(content) + "." + ext;
+ }
+ Path file = dir.resolve(name);
+ Files.write(file, content);
+ return file.toUri().toString();
+ } catch (IOException e) {
+ // деградация вместо падения: картинка без ссылки просто исчезнет
+ return null;
+ }
+ }
+ }
+
+ // ==================== Колонтитулы ====================
+
+ /**
+ * POI не пишет колонтитулы в FO. Достаём их из {@link HeaderStories},
+ * разбиваем на чанки по секциям (маркер конца секции {@code \u000c}) и
+ * вставляем в FO-DOM: {@code fo:region-before}/{@code fo:region-after}
+ * в мастер + {@code fo:static-content} в page-sequence.
+ */
+ private static void injectHeadersAndFooters(Document foDoc, HWPFDocument hwpf) {
+ NodeList sequences = foDoc.getElementsByTagNameNS(FO_NS, "page-sequence");
+ if (sequences.getLength() == 0) {
+ return;
+ }
+ HeaderStories hs = new HeaderStories(hwpf);
+ // Императивный список: javac 21 не выводит T для List.of/Arrays.asList
+ // из вложенных дженерик-аргументов (varargs inference).
+ List>> stories = new ArrayList<>();
+ stories.add(chunkBySection(hs.getOddHeaderSubrange(), sequences.getLength()));
+ stories.add(chunkBySection(hs.getEvenHeaderSubrange(), sequences.getLength()));
+ stories.add(chunkBySection(hs.getFirstHeaderSubrange(), sequences.getLength()));
+ stories.add(chunkBySection(hs.getOddFooterSubrange(), sequences.getLength()));
+ stories.add(chunkBySection(hs.getEvenFooterSubrange(), sequences.getLength()));
+ stories.add(chunkBySection(hs.getFirstFooterSubrange(), sequences.getLength()));
+
+ // NUMPAGES/SECTIONPAGES -> citation-last по ПОСЛЕДНЕМУ мастеру
+ // документа: нумерация FOP между page-sequence непрерывна.
+ String lastMaster = ((Element) sequences.item(sequences.getLength() - 1))
+ .getAttribute("master-reference");
+ for (int i = 0; i < sequences.getLength(); i++) {
+ Element seq = (Element) sequences.item(i);
+ String masterName = seq.getAttribute("master-reference");
+ Element master = findMaster(foDoc, masterName);
+ if (master == null) {
+ continue;
+ }
+ String[] margins = parseMarginShorthand(master);
+ if (margins == null) {
+ continue;
+ }
+
+ // Форк FOP (docx4j-fo-renderer) вырезал PageMaster.setupRegions:
+ // viewport region-body = page-area минус СОБСТВЕННЫЕ margin'ы
+ // body, extent'ы region-before/after body не вычитаются. Поэтому
+ // margin'ы region-body (шортхэнд POI = Word-поля) сохраняются —
+ // единственная защита от наезда текста на колонтитулы; extent'ы
+ // регионов только размещают сами колонтитулы.
+ // Порядок детей simple-page-master: body -> before -> after
+ // (требование валидации форка).
+ if (hasText(stories.get(0).get(i))) {
+ appendRegion(master, "region-before", margins[0], "after");
+ insertStaticContent(seq, "xsl-region-before",
+ blocks(foDoc, stories.get(0).get(i), lastMaster), "margin-bottom");
+ }
+ if (hasText(stories.get(3).get(i))) {
+ appendRegion(master, "region-after", margins[2], "before");
+ insertStaticContent(seq, "xsl-region-after",
+ blocks(foDoc, stories.get(3).get(i), lastMaster), "margin-top");
+ }
+
+ // first/even — эвристика: непустая история => вариант существует.
+ boolean hasFirst = hasText(stories.get(2).get(i)) || hasText(stories.get(5).get(i));
+ boolean hasEven = hasText(stories.get(1).get(i)) || hasText(stories.get(4).get(i));
+ if (!hasFirst && !hasEven) {
+ continue;
+ }
+ List variants = new ArrayList<>();
+ if (hasFirst) {
+ Element clone = (Element) master.cloneNode(true);
+ String name = masterName + "-first";
+ clone.setAttribute("master-name", name);
+ renameRegionFlows(clone, "-first");
+ foDoc.getDocumentElement().insertBefore(clone, master.getNextSibling());
+ if (hasText(stories.get(2).get(i))) {
+ insertStaticContent(seq, "xsl-region-before-first",
+ blocks(foDoc, stories.get(2).get(i), lastMaster), "margin-bottom");
+ }
+ if (hasText(stories.get(5).get(i))) {
+ insertStaticContent(seq, "xsl-region-after-first",
+ blocks(foDoc, stories.get(5).get(i), lastMaster), "margin-top");
+ }
+ variants.add(clone);
+ }
+ if (hasEven) {
+ Element clone = (Element) master.cloneNode(true);
+ String name = masterName + "-even";
+ clone.setAttribute("master-name", name);
+ renameRegionFlows(clone, "-even");
+ foDoc.getDocumentElement().insertBefore(clone, master.getNextSibling());
+ if (hasText(stories.get(1).get(i))) {
+ insertStaticContent(seq, "xsl-region-before-even",
+ blocks(foDoc, stories.get(1).get(i), lastMaster), "margin-bottom");
+ }
+ if (hasText(stories.get(4).get(i))) {
+ insertStaticContent(seq, "xsl-region-after-even",
+ blocks(foDoc, stories.get(4).get(i), lastMaster), "margin-top");
+ }
+ variants.add(clone);
+ }
+ wrapInPageSequenceMaster(foDoc, master, variants);
+ }
+ }
+
+ /**
+ * История колонтитулов — конкатенация одноимённых историй всех секций;
+ * конец секции помечен {@code \u000c} в последнем параграфе. Чанков не
+ * столько, сколько секций — деградация: один чанк раздаётся всем.
+ */
+ private static List> chunkBySection(Range story, int sectionCount) {
+ List> chunks = new ArrayList<>();
+ if (story != null && story.numParagraphs() > 0) {
+ List current = new ArrayList<>();
+ for (int i = 0; i < story.numParagraphs(); i++) {
+ Paragraph p;
+ String text;
+ try {
+ p = story.getParagraph(i);
+ text = p.text();
+ } catch (RuntimeException e) {
+ continue;
+ }
+ current.add(p);
+ if (text != null && text.indexOf(SECTION_END) >= 0) {
+ chunks.add(current);
+ current = new ArrayList<>();
+ }
+ }
+ if (!current.isEmpty()) {
+ chunks.add(current);
+ }
+ }
+ if (chunks.isEmpty()) {
+ for (int i = 0; i < sectionCount; i++) {
+ chunks.add(null);
+ }
+ } else if (chunks.size() != sectionCount) {
+ List first = chunks.get(0);
+ chunks = new ArrayList<>();
+ for (int i = 0; i < sectionCount; i++) {
+ chunks.add(first);
+ }
+ }
+ return chunks;
+ }
+
+ private static Element findMaster(Document foDoc, String masterName) {
+ NodeList masters = foDoc.getElementsByTagNameNS(FO_NS, "simple-page-master");
+ for (int i = 0; i < masters.getLength(); i++) {
+ Element m = (Element) masters.item(i);
+ if (masterName.equals(m.getAttribute("master-name"))) {
+ return m;
+ }
+ }
+ return null;
+ }
+
+ /** {@code margin="T R B L"} region-body мастера (шортхэнд POI). */
+ private static String[] parseMarginShorthand(Element master) {
+ Element body = child(master, "region-body");
+ if (body == null) {
+ return null;
+ }
+ String margin = body.getAttribute("margin");
+ if (margin == null) {
+ return null;
+ }
+ String[] parts = margin.trim().split("\\s+");
+ return parts.length == 4 ? parts : null;
+ }
+
+ /**
+ * Регион колонтитула: extent = поле страницы, текст прижат к body
+ * (низ заголовка / верх футера); зазор — маргинами блоков.
+ */
+ private static Element appendRegion(Element master, String kind, String extent,
+ String displayAlign) {
+ Element region = master.getOwnerDocument().createElementNS(FO_NS, "fo:" + kind);
+ region.setAttribute("extent", extent);
+ region.setAttribute("display-align", displayAlign);
+ master.appendChild(region);
+ return region;
+ }
+
+ /** В master-клоне варианта колонтитулы берутся из своего потока. */
+ private static void renameRegionFlows(Element clone, String suffix) {
+ for (String kind : new String[]{"region-before", "region-after"}) {
+ Element region = child(clone, kind);
+ if (region != null) {
+ region.setAttribute("flow-name", "xsl-" + kind + suffix);
+ }
+ }
+ }
+
+ /**
+ * Мастер с first/even-вариантами оборачивается в
+ * {@code fo:page-sequence-master} (на месте); {@code master-reference}
+ * page-sequence не меняется — он указывает на имя обёртки.
+ */
+ private static void wrapInPageSequenceMaster(Document foDoc, Element master,
+ List variants) {
+ String masterName = master.getAttribute("master-name");
+ Element psm = foDoc.createElementNS(FO_NS, "fo:page-sequence-master");
+ psm.setAttribute("master-name", masterName);
+ Element alternatives = foDoc.createElementNS(FO_NS,
+ "fo:repeatable-page-master-alternatives");
+ psm.appendChild(alternatives);
+ for (Element variant : variants) {
+ String position = variant.getAttribute("master-name").endsWith("-first")
+ ? "first" : "even";
+ alternatives.appendChild(conditionalRef(foDoc, position,
+ variant.getAttribute("master-name")));
+ }
+ alternatives.appendChild(conditionalRef(foDoc, "rest", masterName));
+ master.getParentNode().replaceChild(psm, master);
+ }
+
+ private static Element conditionalRef(Document foDoc, String position, String masterRef) {
+ Element ref = foDoc.createElementNS(FO_NS, "fo:conditional-page-master-reference");
+ ref.setAttribute("master-reference", masterRef);
+ ref.setAttribute("page-position", position);
+ return ref;
+ }
+
+ /**
+ * static-content вставляется в page-sequence перед fo:flow; каждый блок
+ * получает зазор {@code gapAttribute} к области контента (в самих
+ * регионах padding запрещён XSL 1.1 — FOP валидирует).
+ */
+ private static void insertStaticContent(Element sequence, String flowName,
+ List content, String gapAttribute) {
+ if (content.isEmpty()) {
+ return;
+ }
+ Document doc = sequence.getOwnerDocument();
+ Element staticContent = doc.createElementNS(FO_NS, "fo:static-content");
+ staticContent.setAttribute("flow-name", flowName);
+ for (Element block : content) {
+ block.setAttribute(gapAttribute, REGION_GAP_IN + "in");
+ staticContent.appendChild(block);
+ }
+ Element flow = child(sequence, "flow");
+ if (flow == null) {
+ sequence.appendChild(staticContent);
+ } else {
+ sequence.insertBefore(staticContent, flow);
+ }
+ }
+
+ // ==================== История -> блоки FO ====================
+
+ /** Параграфы чанка истории как {@code fo:block}-и; пустой чанк — пустой список. */
+ private static List blocks(Document foDoc, List chunk,
+ String lastMasterName) {
+ List result = new ArrayList<>();
+ if (chunk == null) {
+ return result;
+ }
+ for (Paragraph p : chunk) {
+ Element block = paragraphBlock(foDoc, p, lastMasterName);
+ if (block != null && blockHasVisibleContent(block)) {
+ result.add(block);
+ }
+ }
+ return result;
+ }
+
+ /**
+ * Параграф истории как {@code fo:block}: выравнивание, табуляции, раны с
+ * форматированием и поля (PAGE/NUMPAGES/SECTIONPAGES) из управляющих
+ * символов текста ранов ({@code \u0013}\u2026{@code \u0014}\u2026{@code \u0015}).
+ */
+ private static Element paragraphBlock(Document doc, Paragraph p,
+ String lastMasterName) {
+ Element block = doc.createElementNS(FO_NS, "fo:block");
+ block.setAttribute("text-align", switch (p.getJustification()) {
+ case 1 -> "center";
+ case 2 -> "end";
+ case 3 -> "justify";
+ default -> "start";
+ });
+ // Наследуемый шрифт блока: fo:page-number — пустой элемент, без
+ // font-family блока FOP рисует его базовым Helvetica.
+ var blockFont = firstRunFont(p);
+ block.setAttribute("font-family", blockFont != null
+ ? blockFont.getName()
+ : BundledFonts.regular(BundledFonts.FALLBACK_FAMILY).getName());
+ // state-machine полей: 0 — обычный текст, 1 — инструкция, 2 — кэш-результат
+ StringBuilder instr = new StringBuilder();
+ StringBuilder cached = new StringBuilder();
+ StringBuilder plain = new StringBuilder();
+ int column = 0;
+ int mode = 0;
+ for (int j = 0; j < p.numCharacterRuns(); j++) {
+ CharacterRun cr;
+ String text;
+ try {
+ cr = p.getCharacterRun(j);
+ text = cr.text();
+ } catch (RuntimeException e) {
+ continue;
+ }
+ if (text == null) {
+ continue;
+ }
+ for (int k = 0; k < text.length(); k++) {
+ char c = text.charAt(k);
+ if (c == FIELD_BEGIN) {
+ mode = 1;
+ instr.setLength(0);
+ cached.setLength(0);
+ } else if (c == FIELD_SEPARATOR && mode == 1) {
+ mode = 2;
+ } else if (c == FIELD_END && (mode == 1 || mode == 2)) {
+ emitField(doc, block, instr.toString(), cached.toString(), lastMasterName);
+ mode = 0;
+ } else if (mode == 1) {
+ instr.append(c);
+ } else if (mode == 2) {
+ cached.append(c);
+ } else if (c == '\t') {
+ column = appendTab(doc, block, plain, column, cr);
+ } else {
+ plain.append(c);
+ }
+ }
+ }
+ if (mode != 0) {
+ // незакрытое поле: выводим накопленное как обычный текст
+ plain.append(instr).append(cached);
+ }
+ flushText(doc, block, plain.toString(), null);
+ return block;
+ }
+
+ /** Распознанные поля — живые FO-элементы; прочие — кэш-текст как есть. */
+ private static void emitField(Document doc, Element block, String instruction,
+ String cachedResult, String lastMasterName) {
+ String code = instruction.trim().toUpperCase(Locale.ROOT);
+ if (code.startsWith("PAGE")) {
+ Element pn = doc.createElementNS(FO_NS, "fo:page-number");
+ block.appendChild(pn);
+ } else if ((code.startsWith("NUMPAGES") || code.startsWith("SECTIONPAGES"))
+ && lastMasterName != null) {
+ // нумерация FOP между page-sequence непрерывна — citation-last
+ // по последнему мастеру = общее число страниц
+ Element pn = doc.createElementNS(FO_NS, "fo:page-number-citation-last");
+ pn.setAttribute("ref-name", lastMasterName);
+ block.appendChild(pn);
+ } else {
+ flushText(doc, block, cachedResult, null);
+ }
+ }
+
+ /**
+ * {@code \t}: FOP-форк не поддерживает свойство {@code tabs}, поэтому
+ * таб — пробелы до следующей дефолтной Word-остановки (1,25 см).
+ * Возвращает новую «колонку» (символы до курсора).
+ */
+ private static int appendTab(Document doc, Element block, StringBuilder plain,
+ int column, CharacterRun cr) {
+ flushText(doc, block, plain.toString(), null);
+ plain.setLength(0);
+ double charIn = charWidthIn(cr);
+ double step = 1.25 / 2.54;
+ double x = (column + 1) * charIn;
+ double target = (Math.floor(x / step) + 1) * step;
+ int spaces = (int) Math.max(1, Math.ceil((target - x) / charIn));
+ flushText(doc, block, " ".repeat(spaces), cr);
+ return column + 1 + spaces;
+ }
+
+ /** Приблизительная ширина символа (полширины кегля) в дюймах. */
+ private static double charWidthIn(CharacterRun cr) {
+ double pt = 10.0;
+ try {
+ if (cr != null && cr.getFontSize() > 0) {
+ pt = cr.getFontSize() / 2.0;
+ }
+ } catch (RuntimeException e) {
+ // наследование из стиля — остаётся дефолт
+ }
+ return Math.max(0.03, pt * 0.5 / 72.0);
+ }
+
+ private static void flushText(Document doc, Element block, String text,
+ CharacterRun cr) {
+ String cleaned = cleanText(text);
+ if (cleaned.isEmpty()) {
+ return;
+ }
+ if (cr == null) {
+ block.appendChild(doc.createTextNode(cleaned));
+ return;
+ }
+ Element inline = doc.createElementNS(FO_NS, "fo:inline");
+ var font = runFont(cr);
+ if (font != null) {
+ inline.setAttribute("font-family", font.getName());
+ }
+ int halfPoints = cr.getFontSize();
+ inline.setAttribute("font-size", (halfPoints > 0 ? halfPoints / 2.0 : 10.0) + "pt");
+ if (cr.isBold()) {
+ inline.setAttribute("font-weight", "bold");
+ }
+ if (cr.isItalic()) {
+ inline.setAttribute("font-style", "italic");
+ }
+ if (cr.getUnderlineCode() != 0) {
+ inline.setAttribute("text-decoration", "underline");
+ }
+ inline.appendChild(doc.createTextNode(cleaned));
+ block.appendChild(inline);
+ }
+
+ /** Шрифт рана -> бандл-аналог (тот же маппинг, что у основного текста). */
+ private static org.docx4j.fonts.PhysicalFont runFont(CharacterRun cr) {
+ String name;
+ try {
+ name = cr.getFontName();
+ } catch (RuntimeException e) {
+ return null;
+ }
+ String family = BundledFontMapper.bundledFamily(name == null ? "" : name);
+ return BundledFonts.regular(family);
+ }
+
+ /** Шрифт первого читаемого рана параграфа (для наследуемого font-family блока). */
+ private static org.docx4j.fonts.PhysicalFont firstRunFont(Paragraph p) {
+ try {
+ for (int j = 0; j < p.numCharacterRuns(); j++) {
+ var font = runFont(p.getCharacterRun(j));
+ if (font != null) {
+ return font;
+ }
+ }
+ } catch (RuntimeException e) {
+ // повреждённый параграф — на fallback вызывающего
+ }
+ return null;
+ }
+
+ /**
+ * POI пишет маркеры списков {@code fo:inline} без font-family — FOP
+ * рисует их базовым Helvetica. Проставляем фолбэк-семейство всем
+ * инлайнам без семейства.
+ */
+ private static void applyDefaultFont(Document foDoc) {
+ String fallback = BundledFonts.regular(BundledFonts.FALLBACK_FAMILY).getName();
+ NodeList inlines = foDoc.getElementsByTagNameNS(FO_NS, "inline");
+ for (int i = 0; i < inlines.getLength(); i++) {
+ Element inline = (Element) inlines.item(i);
+ if (inline.getAttribute("font-family").isEmpty()) {
+ inline.setAttribute("font-family", fallback);
+ }
+ }
+ }
+
+
+ // ==================== FOP ====================
+
+ private static void renderFo(Document foDoc, String title, Path baseDir,
+ OutputStream out) throws Exception {
+ byte[] config = fopConfig().getBytes(StandardCharsets.UTF_8);
+ FopFactory fopFactory = FopFactory.newInstance(baseDir.toUri(),
+ new ByteArrayInputStream(config));
+ FOUserAgent ua = fopFactory.newFOUserAgent();
+ if (title != null && !title.isBlank()) {
+ ua.setTitle(title);
+ }
+ Fop fop = fopFactory.newFop(MimeConstants.MIME_PDF, ua, out);
+ javax.xml.transform.Transformer transformer =
+ javax.xml.transform.TransformerFactory.newInstance().newTransformer();
+ transformer.transform(new DOMSource(foDoc), new SAXResult(fop.getDefaultHandler()));
+ }
+
+ /**
+ * FOP-конфиг: только шрифты бандла (auto-detect="false" — системные в
+ * рендер не попадают). Triplet-имена — из name-таблиц regular-вариантов,
+ * как в {@link FopFallbackFonts}; {@code simulate-style="false"} — стили
+ * настоящие TTF, а не синтез FOP.
+ */
+ private static String fopConfig() {
+ StringBuilder sb = new StringBuilder(
+ ""
+ + "");
+ for (String family : BundledFonts.families()) {
+ var regular = BundledFonts.regular(family);
+ if (regular == null) {
+ continue;
+ }
+ String tripletName = regular.getName();
+ appendFont(sb, regular, "regular", tripletName, "normal", "normal");
+ appendFont(sb, BundledFonts.bold(family), "bold", tripletName, "normal", "bold");
+ appendFont(sb, BundledFonts.italic(family), "italic", tripletName, "italic", "normal");
+ appendFont(sb, BundledFonts.boldItalic(family), "boldItalic",
+ tripletName, "italic", "bold");
+ }
+ sb.append("");
+ return sb.toString();
+ }
+
+ private static void appendFont(StringBuilder sb, org.docx4j.fonts.PhysicalFont pf,
+ String embedMode, String tripletName,
+ String style, String weight) {
+ if (pf == null) {
+ return;
+ }
+ sb.append("");
+ }
+
+ // ==================== Утилиты DOM ====================
+
+ private static Element child(Element parent, String localName) {
+ NodeList children = parent.getChildNodes();
+ for (int i = 0; i < children.getLength(); i++) {
+ Node n = children.item(i);
+ if (n instanceof Element e && FO_NS.equals(e.getNamespaceURI())
+ && localName.equals(e.getLocalName())) {
+ return e;
+ }
+ }
+ return null;
+ }
+
+ private static boolean blockHasVisibleContent(Element block) {
+ if (block.getTextContent() != null && !block.getTextContent().isBlank()) {
+ return true;
+ }
+ return block.getElementsByTagNameNS(FO_NS, "page-number").getLength() > 0
+ || block.getElementsByTagNameNS(FO_NS, "page-number-citation-last").getLength() > 0
+ || block.getElementsByTagNameNS(FO_NS, "leader").getLength() > 0;
+ }
+
+ /** Есть ли в чанке хоть один параграф с видимым содержимым. */
+ private static boolean hasText(List chunk) {
+ if (chunk == null) {
+ return false;
+ }
+ for (Paragraph p : chunk) {
+ try {
+ for (int j = 0; j < p.numCharacterRuns(); j++) {
+ String t = p.getCharacterRun(j).text();
+ if (t != null && !cleanText(t).isEmpty()) {
+ return true;
+ }
+ }
+ } catch (RuntimeException e) {
+ // повреждённый ран — не содержимое
+ }
+ }
+ return false;
+ }
+
+ private static String cleanText(String t) {
+ StringBuilder sb = new StringBuilder(t.length());
+ for (int i = 0; i < t.length(); i++) {
+ char c = t.charAt(i);
+ if (c != PARA_END && c != CELL_END && c != SECTION_END) {
+ sb.append(c);
+ }
+ }
+ return sb.toString();
+ }
+
+ private static void deleteRecursively(Path dir) {
+ try (Stream walk = Files.walk(dir)) {
+ walk.sorted(Comparator.reverseOrder()).forEach(p -> {
+ try {
+ Files.deleteIfExists(p);
+ } catch (IOException ignored) {
+ // temp-файлы: нечего делать при отказе удаления
+ }
+ });
+ } catch (IOException ignored) {
+ }
+ }
+}
diff --git a/wordpdf-core/src/test/java/ru/pjandro/wordpdf/DocToPdfTest.java b/wordpdf-core/src/test/java/ru/pjandro/wordpdf/DocToPdfTest.java
new file mode 100644
index 0000000..0fb6407
--- /dev/null
+++ b/wordpdf-core/src/test/java/ru/pjandro/wordpdf/DocToPdfTest.java
@@ -0,0 +1,234 @@
+package ru.pjandro.wordpdf;
+
+import org.apache.pdfbox.Loader;
+import org.apache.pdfbox.cos.COSName;
+import org.apache.pdfbox.pdmodel.PDDocument;
+import org.apache.pdfbox.pdmodel.PDPage;
+import org.apache.pdfbox.pdmodel.PDResources;
+import org.apache.pdfbox.pdmodel.font.PDFont;
+import org.apache.pdfbox.pdmodel.graphics.PDXObject;
+import org.apache.pdfbox.pdmodel.graphics.image.PDImageXObject;
+import org.apache.pdfbox.text.PDFTextStripper;
+import org.apache.pdfbox.text.TextPosition;
+import org.junit.jupiter.api.Test;
+
+import java.io.IOException;
+import java.io.InputStream;
+import java.nio.file.Files;
+import java.nio.file.Path;
+import java.util.ArrayList;
+import java.util.IdentityHashMap;
+import java.util.List;
+import java.util.Set;
+import java.util.TreeSet;
+
+import static org.junit.jupiter.api.Assertions.*;
+
+/**
+ * Конвертация бинарного .doc (Word 97-2003, OLE2) через ветку
+ * {@code internal.DocToPdfRenderer} (POI HWPF -> XSL-FO -> FOP).
+ * Фикстура — закоммиченный samples/legacy-doc.doc (создан Word'ом,
+ * POI .doc не пишет — не перезагенерировать).
+ *
+ *
Ассерты только на фактическое содержимое фикстуры и на раны,
+ * ушедшие в Tinos (аналог Times New Roman): текст ран, ушедших в
+ * DejaVu-fallback, PDFBox на машинах с установленным DejaVu «чинит»
+ * по системному шрифту и извлекает «#» — такие строки не ассертятся
+ * (экзотические глифы фикстуры — принятая деградация .doc-ветки:
+ * аналога GlyphCoverageNormalizer здесь нет).
+ */
+class DocToPdfTest {
+
+ private static byte[] sampleBytes(String name) throws IOException {
+ try (InputStream in = DocToPdfTest.class.getClassLoader()
+ .getResourceAsStream("samples/" + name)) {
+ assertNotNull(in, "Нет тестового документа: samples/" + name);
+ return in.readAllBytes();
+ }
+ }
+
+ private static Path convertPdf(byte[] docBytes, String title) throws IOException {
+ Path out = Files.createTempFile("converted-doc-", ".pdf");
+ Files.write(out, WordPdfConverter.convert(docBytes, title));
+ return out;
+ }
+
+ private static String norm(String s) {
+ return s.replaceAll("\\s+", "");
+ }
+
+ private static String pdfPageText(Path pdf, int page) throws IOException {
+ try (PDDocument doc = Loader.loadPDF(pdf.toFile())) {
+ PDFTextStripper stripper = new PDFTextStripper();
+ stripper.setStartPage(page);
+ stripper.setEndPage(page);
+ return stripper.getText(doc);
+ }
+ }
+
+ /** Строка страницы: базовая линия y (от верха страницы, PDFBox YDirAdj) и текст. */
+ private record Line(float y, String text) {
+ }
+
+ /** Непустые строки страницы с базовыми линиями (порядок по позиции). */
+ private static List pageLines(Path pdf, int page) throws IOException {
+ List lines = new ArrayList<>();
+ try (PDDocument doc = Loader.loadPDF(pdf.toFile())) {
+ PDFTextStripper stripper = new PDFTextStripper() {
+ @Override
+ protected void writeString(String text, List textPositions)
+ throws IOException {
+ super.writeString(text, textPositions);
+ if (!textPositions.isEmpty() && !norm(text).isEmpty()) {
+ lines.add(new Line(textPositions.get(0).getYDirAdj(), text));
+ }
+ }
+ };
+ stripper.setStartPage(page);
+ stripper.setEndPage(page);
+ stripper.setSortByPosition(true);
+ stripper.getText(doc);
+ }
+ return lines;
+ }
+
+ /** y базовой линии первой строки, содержащей needle (после norm); null если нет. */
+ private static Float lineY(Path pdf, int page, String needle) throws IOException {
+ String n = norm(needle);
+ for (Line l : pageLines(pdf, page)) {
+ if (norm(l.text()).contains(n)) {
+ return l.y();
+ }
+ }
+ return null;
+ }
+
+ /** Максимум y по всем непустым строкам страницы (самая нижняя базовая линия). */
+ private static float maxLineY(Path pdf, int page) throws IOException {
+ float max = Float.MIN_VALUE;
+ for (Line l : pageLines(pdf, page)) {
+ max = Math.max(max, l.y());
+ }
+ return max;
+ }
+
+ /** BaseFont-имена вшитых шрифтов PDF (например "EAAAAA+Tinos-Bold"). */
+ private static Set embeddedFontNames(Path pdf) throws IOException {
+ Set names = new TreeSet<>();
+ try (PDDocument doc = Loader.loadPDF(pdf.toFile())) {
+ for (PDPage page : doc.getPages()) {
+ PDResources res = page.getResources();
+ for (COSName name : res.getFontNames()) {
+ PDFont font = res.getFont(name);
+ if (font != null) {
+ names.add(font.getName());
+ }
+ }
+ }
+ }
+ return names;
+ }
+
+ /** Число уникальных Image XObject в PDF (наследованные ресурсы — один объект). */
+ private static int imageCount(Path pdf) throws IOException {
+ Set seen = java.util.Collections.newSetFromMap(new IdentityHashMap<>());
+ try (PDDocument doc = Loader.loadPDF(pdf.toFile())) {
+ for (PDPage page : doc.getPages()) {
+ PDResources res = page.getResources();
+ for (COSName name : res.getXObjectNames()) {
+ PDXObject xo = res.getXObject(name);
+ if (xo instanceof PDImageXObject) {
+ seen.add(xo);
+ }
+ }
+ }
+ }
+ return seen.size();
+ }
+
+ /**
+ * .doc конвертируется в PDF: текст кириллический, таблицы и картинки
+ * на месте, шрифт — встроенный Tinos (аналог Times New Roman),
+ * базовый Helvetica не используется.
+ * Регрессия — WordPdfConverter#isOle2 + internal.DocToPdfRenderer,
+ * фикстура samples/legacy-doc.doc.
+ */
+ @Test
+ void legacyDoc_convertsToPdf() throws Exception {
+ Path pdf = convertPdf(sampleBytes("legacy-doc.doc"), "testDoc");
+ String text;
+ int pages;
+ try (PDDocument doc = Loader.loadPDF(pdf.toFile())) {
+ pages = doc.getNumberOfPages();
+ text = norm(new PDFTextStripper().getText(doc));
+ }
+ assertTrue(pages >= 10, "страниц меньше ожидаемого: " + pages);
+ assertTrue(text.contains("Предметдоговора"), "нет заголовка раздела");
+ assertTrue(text.contains("Договорарендыпомещения"), "нет заголовка");
+ for (String font : embeddedFontNames(pdf)) {
+ assertFalse(font.contains("Helvetica"), "базовый шрифт в PDF: " + font);
+ }
+ assertTrue(embeddedFontNames(pdf).stream().anyMatch(n -> n.contains("Tinos")),
+ "нет Tinos (аналога Times New Roman): " + embeddedFontNames(pdf));
+ assertTrue(imageCount(pdf) >= 1, "картинок нет");
+ }
+
+ /**
+ * Колонтитулы, которых POI в FO не пишет, дописываются в FO-DOM:
+ * текст odd-footer («Нижний колонтитул») и номер страницы из PAGE-поля
+ * на каждой странице.
+ * Регрессия — DocToPdfRenderer#injectHeadersAndFooters,
+ * фикстура samples/legacy-doc.doc.
+ */
+ @Test
+ void legacyDoc_footersCarryPageNumbers() throws Exception {
+ Path pdf = convertPdf(sampleBytes("legacy-doc.doc"), "testDoc");
+ String page1 = norm(pdfPageText(pdf, 1));
+ String page5 = norm(pdfPageText(pdf, 5));
+ assertTrue(page5.contains("Нижнийколонтитул"), "нет текста футера на стр. 5");
+ assertTrue(page1.startsWith("1"), "нет номера страницы на стр. 1: "
+ + page1.substring(0, Math.min(20, page1.length())));
+ assertTrue(page5.contains("5"), "нет номера страницы на стр. 5");
+ }
+
+ /**
+ * Текст body не наезжает на области колонтитулов: заголовок первой
+ * строки лежит ниже header-региона (extent = верхнее поле 0.7875in =
+ * 56.7pt), под строкой футера ничего нет. Форк FOP не вычитает
+ * extent'ы регионов из body-области (area.Page = page-area минус
+ * собственные margin'ы region-body), поэтому разводка body и
+ * колонтитулов — только margin'ами region-body; их обнуление
+ * растягивает body на всю страницу, и текст лезет в колонтитулы.
+ * Регрессия — DocToPdfRenderer#injectHeadersAndFooters,
+ * фикстура samples/legacy-doc.doc.
+ */
+ @Test
+ void legacyDoc_bodyClearsHeaderFooterRegions() throws Exception {
+ Path pdf = convertPdf(sampleBytes("legacy-doc.doc"), "testDoc");
+ Float titleY = lineY(pdf, 1, "Договор аренды");
+ assertNotNull(titleY, "нет заголовка на стр. 1");
+ assertTrue(titleY > 50f, "заголовок внутри header-региона: y=" + titleY);
+ Float footerY = lineY(pdf, 1, "Нижний колонтитул");
+ assertNotNull(footerY, "нет футера на стр. 1");
+ float lowest = maxLineY(pdf, 1);
+ assertTrue(lowest <= footerY + 1f,
+ "строка ниже футера: y=" + lowest + " > y футера " + footerY);
+ }
+
+ /**
+ * OLE2-магик + мусор: и валидатор, и конвертер обязаны отвергнуть
+ * документ (не молча отдать пустой PDF).
+ * Регрессия — DocToPdfRenderer#render, WordPdfValidator#checkDocPageCountLightweight.
+ */
+ @Test
+ void ole2Junk_rejected() {
+ byte[] junk = new byte[1024];
+ byte[] magic = {(byte) 0xD0, (byte) 0xCF, 0x11, (byte) 0xE0,
+ (byte) 0xA1, (byte) 0xB1, 0x1A, (byte) 0xE1};
+ System.arraycopy(magic, 0, junk, 0, magic.length);
+ assertThrows(ConversionException.class,
+ () -> WordPdfValidator.checkDocPageCountLightweight(junk));
+ assertThrows(ConversionException.class,
+ () -> WordPdfConverter.convert(junk, "junk"));
+ }
+}
diff --git a/wordpdf-core/src/test/java/ru/pjandro/wordpdf/WordPdfValidatorTest.java b/wordpdf-core/src/test/java/ru/pjandro/wordpdf/WordPdfValidatorTest.java
index a009bbb..9e2a31f 100644
--- a/wordpdf-core/src/test/java/ru/pjandro/wordpdf/WordPdfValidatorTest.java
+++ b/wordpdf-core/src/test/java/ru/pjandro/wordpdf/WordPdfValidatorTest.java
@@ -359,4 +359,49 @@ class WordPdfValidatorTest {
() -> WordPdfValidator.checkPageCountLightweight(docx, 3));
assertTrue(ex.getMessage().contains("не менее 4"), ex.getMessage());
}
+
+ /** Фикстура бинарного .doc (закоммичена, создана Word'ом — POI .doc не пишет). */
+ private static byte[] legacyDocBytes() throws Exception {
+ try (var in = WordPdfValidatorTest.class.getClassLoader()
+ .getResourceAsStream("samples/legacy-doc.doc")) {
+ assertNotNull(in, "Нет тестового документа: samples/legacy-doc.doc");
+ return in.readAllBytes();
+ }
+ }
+
+ /**
+ * Число страниц .doc — кэш SummaryInformation (для фикстуры 11):
+ * лимит 10 должен отвергать, 20 — пропускать.
+ * Регрессия — WordPdfValidator#checkDocPageCountLightweight,
+ * фикстура samples/legacy-doc.doc.
+ */
+ @Test
+ void checkDocPageCountLightweight_overLimitRejected() throws Exception {
+ ConversionException ex = assertThrows(ConversionException.class,
+ () -> WordPdfValidator.checkDocPageCountLightweight(legacyDocBytes(), 10));
+ assertTrue(ex.getMessage().contains("не менее 11"), ex.getMessage());
+ }
+
+ @Test
+ void checkDocPageCountLightweight_underLimitPasses() throws Exception {
+ byte[] doc = legacyDocBytes();
+ assertDoesNotThrow(() -> WordPdfValidator.checkDocPageCountLightweight(doc, 20));
+ assertDoesNotThrow(() -> WordPdfValidator.checkDocPageCountLightweight(doc));
+ }
+
+ @Test
+ void checkDocPageCountLightweight_junkRejected() {
+ byte[] junk = new byte[1024];
+ byte[] magic = {(byte) 0xD0, (byte) 0xCF, 0x11, (byte) 0xE0,
+ (byte) 0xA1, (byte) 0xB1, 0x1A, (byte) 0xE1};
+ System.arraycopy(magic, 0, junk, 0, magic.length);
+ assertThrows(ConversionException.class,
+ () -> WordPdfValidator.checkDocPageCountLightweight(junk));
+ }
+
+ @Test
+ void checkDocPageCountLightweight_bytesNull() {
+ assertThrows(ConversionException.class,
+ () -> WordPdfValidator.checkDocPageCountLightweight((byte[]) null));
+ }
}
diff --git a/wordpdf-core/src/test/resources/samples/legacy-doc.doc b/wordpdf-core/src/test/resources/samples/legacy-doc.doc
new file mode 100644
index 0000000..7da8855
Binary files /dev/null and b/wordpdf-core/src/test/resources/samples/legacy-doc.doc differ
diff --git a/wordpdf-web/src/api.ts b/wordpdf-web/src/api.ts
index f4097ce..b02d8d4 100644
--- a/wordpdf-web/src/api.ts
+++ b/wordpdf-web/src/api.ts
@@ -66,7 +66,7 @@ export async function convertDocx(
// флаг i обязателен; фолбэк — имя исходника с заменой расширения
const cd = resp.headers.get('Content-Disposition') ?? ''
const m = /filename\*=utf-8''([^;]+)/i.exec(cd)
- const filename = m ? decodeURIComponent(m[1]) : file.name.replace(/\.docx$/i, '') + '.pdf'
+ const filename = m ? decodeURIComponent(m[1]) : file.name.replace(/\.docx?$/i, '') + '.pdf'
const blob = await resp.blob()
return { blob, filename }
}
diff --git a/wordpdf-web/src/components/App.tsx b/wordpdf-web/src/components/App.tsx
index 688061e..e33ae9e 100644
--- a/wordpdf-web/src/components/App.tsx
+++ b/wordpdf-web/src/components/App.tsx
@@ -140,7 +140,7 @@ export default function App() {
Word → PDF
- docx → PDF на docx4j + Apache FOP. Лимиты (файл ≤ 20 МБ,
+ docx/doc → PDF на docx4j + Apache FOP. Лимиты (файл ≤ 20 МБ,
≤ 1000 страниц) задаёт сервер; переопределение из формы убрано.
diff --git a/wordpdf-web/src/components/DropZone.tsx b/wordpdf-web/src/components/DropZone.tsx
index de29522..8bef2a2 100644
--- a/wordpdf-web/src/components/DropZone.tsx
+++ b/wordpdf-web/src/components/DropZone.tsx
@@ -8,7 +8,7 @@ interface Props {
}
/**
- * Зона drag&drop + клик для выбора .docx. Скрытый input[type=file] —
+ * Зона drag&drop + клик для выбора .docx/.doc. Скрытый input[type=file] —
* единственный источник выбора; drop берёт первый файл.
*/
export default function DropZone({ file, disabled, onSelect }: Props) {
@@ -53,7 +53,7 @@ export default function DropZone({ file, disabled, onSelect }: Props) {
- Перетащите .docx сюда или нажмите для выбора
+ Перетащите .docx или .doc сюда или нажмите для выбора
{file && (
{file.name} · {(file.size / 1024).toFixed(0)} КБ
@@ -62,7 +62,7 @@ export default function DropZone({ file, disabled, onSelect }: Props) {
{