fix(core): StrictOoxmlNormalizer — guard сосуществования форм + strict-gating

- атрибуты w:start/w:end правятся только внутри открывающего тега и только при
  отсутствии w:left/w:right в нём (transitional CT_Ind допускает обе пары —
  глобальная замена давала дубль атрибута, не well-formed XML; литеральный
  текст в w:t больше не правится)
- элементы w:start/w🔚 глобально только в strict-частях (URI purl.oclc.org);
  в transitional — лишь в w:tcMar/w:tblCellMar без одноимённого left/right
- w:jc val=start/end правится только в strict (JcEnumeration docx4j содержит
  START/END, FOP разрешает по направлению — рерайт ломал RTL); w:tab — всегда
  (STTabJc 17.3.2 без start/end)
This commit is contained in:
Pjandro
2026-10-26 00:02:14 +00:00
parent 169be786a4
commit eec35b7600
3 changed files with 238 additions and 25 deletions
@@ -619,6 +619,21 @@ class WordPdfConverterTest {
assertTrue(text.contains("таблица"), "текст PDF: " + text);
}
/**
* Transitional-документ с обеими формами отступа (Word пишет
* {@code w:ind w:left w:start} одновременно): до guard'а глобальная замена
* {@code w:start→w:left} порождала дубль атрибута — не well-formed XML,
* конвертация падала (500). Регрессия — StrictOoxmlNormalizer.
*/
@Test
void indCoexistForms_convertsNotRejected() throws Exception {
byte[] docx = minimalDocx(
"<w:p><w:pPr><w:ind w:left=\"720\" w:start=\"720\"/></w:pPr>"
+ "<w:r><w:t>СОСУЩЕСТВОВАНИЕ</w:t></w:r></w:p>");
Path pdf = convertPdf(docx, "coexist");
assertTrue(norm(pdfText(pdf)).contains("СОСУЩЕСТВОВАНИЕ"), "текст пропал");
}
/**
* Абзац только из невидимых символов (U+0085/U+2028/U+2029/U+2060/U+FEFF)
* не раздувает PDF: FOP превращает первые три в принудительные переносы
@@ -238,4 +238,83 @@ class StrictOoxmlNormalizerTest {
assertNull(StrictOoxmlNormalizer.rewrite("<w:ind w:val=\"start\"/>"));
assertNull(StrictOoxmlNormalizer.rewrite("<w:lvlText w:val=\"end\"/>"));
}
/**
* Transitional CT_Ind допускает сосуществование w:left+w:start (Word пишет
* обе пары): глобальная замена порождала дубль атрибута — не well-formed
* XML. Регрессия — WordPdfConverterTest#indCoexistForms_convertsNotRejected.
*/
@Test
void indCoexistLeftStartUntouched() {
assertNull(StrictOoxmlNormalizer.rewrite(
"<w:ind w:left=\"720\" w:start=\"720\"/>", true, true));
assertNull(StrictOoxmlNormalizer.rewrite(
"<w:ind w:left=\"720\" w:start=\"720\"/>", true, false));
assertNull(StrictOoxmlNormalizer.rewrite(
"<w:ind w:right=\"360\" w:end=\"360\"/>", true, false));
}
/** Только w:start (без w:left) — рерайт и в transitional (иначе отступ теряется). */
@Test
void indStartOnlyRenamedTransitional() {
String r = StrictOoxmlNormalizer.rewrite("<w:ind w:start=\"720\"/>", true, false);
assertNotNull(r);
assertTrue(r.contains("w:left=\"720\""), r);
}
/** CT_TcMar transitional допускает одновременных start+left детей — блок как есть. */
@Test
void tcMarCoexistKept() {
assertNull(StrictOoxmlNormalizer.rewrite(
"<w:tcMar><w:start w:w=\"100\" w:type=\"dxa\"/>"
+ "<w:left w:w=\"200\" w:type=\"dxa\"/></w:tcMar>", true, false));
}
/** Только start/end в блоке tcMar — рерайт и в transitional. */
@Test
void tcMarStartOnlyRenamedTransitional() {
String r = StrictOoxmlNormalizer.rewrite(
"<w:tblCellMar><w:start w:w=\"100\" w:type=\"dxa\"/>"
+ "<w:end w:w=\"300\" w:type=\"dxa\"/></w:tblCellMar>", true, false);
assertNotNull(r);
assertTrue(r.contains("<w:left w:w=\"100\""), r);
assertTrue(r.contains("<w:right w:w=\"300\""), r);
}
/** Вне tcMar/tblCellMar элементы transitional не переименовываются (JAXB их парсит). */
@Test
void tcBordersElementsKeptTransitional() {
assertNull(StrictOoxmlNormalizer.rewrite(
"<w:tcBorders><w:start w:val=\"single\"/></w:tcBorders>", true, false));
}
/**
* w:jc val="start" в transitional — JcEnumeration docx4j содержит START/END,
* FOP разрешает их по направлению (FO 1.1): рерайт ломал RTL, значение
* остаётся как есть.
*/
@Test
void jcStartKeptTransitional() {
assertNull(StrictOoxmlNormalizer.rewrite("<w:jc w:val=\"start\"/>", true, false));
}
/** А w:tab val="start" правится всегда: STTabJc docx4j 17.3.2 — только left/right. */
@Test
void tabStartRenamedTransitional() {
String r = StrictOoxmlNormalizer.rewrite(
"<w:tab w:val=\"start\" w:pos=\"1\"/>", true, false);
assertNotNull(r);
assertTrue(r.contains("<w:tab w:val=\"left\" w:pos=\"1\"/>"), r);
}
/** Transitional-документ с обеими формами атрибута — исходный массив байтов. */
@Test
void transitionalCoexistReturnsOriginalArray() throws Exception {
byte[] docx = makeDocx(
"[Content_Types].xml", "<Types/>",
"word/document.xml",
"<w:document xmlns:w=\"http://schemas.openxmlformats.org/wordprocessingml/2006/main\">"
+ "<w:p><w:pPr><w:ind w:left=\"1\" w:start=\"1\"/></w:pPr></w:p></w:document>");
assertSame(docx, StrictOoxmlNormalizer.normalize(docx));
}
}