Мост .doc → .docx: конвертация бинарного Word 97-2003 (MS-DOC/MS-CFB/MS-OLEPS/MS-ODRAW)
PR checks / java (pull_request) Successful in 1m17s
PR checks / web (pull_request) Successful in 16m43s

- internal/doc: CfbReader, FibHeader, PieceTable, Grpprl, ChpxIndex, PapxIndex,
  Sections, FontTable, SummaryInfo, Headers, OfficeArt, DocFile, DocxWriter,
  DocToDocx — разбор бинарного .doc и сборка in-memory .docx (прямые свойства,
  колонтитуки с PAGE/NUMPAGES → fldSimple, BLIP-картинки PNG/JPEG/DIB)
- роутинг WordPdfConverter по сигнатуре CFB; валидация страниц .doc по сырым
  байтам (SummaryInfo PageCount + 0x0C + pageBreakBefore) до конвертации
- .docx/.doc: ConvertController, safeBaseName, фронт (DropZone accept)
- фикстуры: 12 .doc (11 эталонов заказчика + doc-formats); doc-пары тестов
- тесты: 13 классов internal/doc (98 @Test) + пары в конвертере/валидаторе/app;
  гейт mvn clean verify зелёный (core BRANCH 0.852, LINE 0.947)
- AGENTS.md: секция «Мост .doc → .docx», обновлены счётчики и каталоги
This commit is contained in:
Pjandro
2026-10-29 23:51:42 +00:00
parent abfa673b85
commit ef3feaa94d
52 changed files with 4739 additions and 84 deletions
@@ -70,7 +70,14 @@ final class ConversionService {
* {@code null} не допускается (контроллер строит всегда).</p>
*/
byte[] convert(byte[] docxBytes, String originalFilename, ConvertOptions options) {
WordPdfValidator.validate(docxBytes, options);
// Бинарный .doc — не zip: .docx-валидация к нему неприменима, размер
// проверяется общим checkInput, страницы — мостом по чистому .doc
// (ядро бросит ValidationException → 400 тем же обработчиком).
if (WordPdfValidator.isBinaryDoc(docxBytes)) {
WordPdfValidator.checkInput(docxBytes, options.maxMb());
} else {
WordPdfValidator.validate(docxBytes, options);
}
Future<byte[]> future;
try {
future = workers.submit(() -> doConvert(docxBytes, originalFilename, options));
@@ -139,7 +146,7 @@ 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) {
@@ -147,8 +154,11 @@ 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")) {
String lower = base.toLowerCase(Locale.ROOT);
if (lower.endsWith(".docx")) {
base = base.substring(0, base.length() - ".docx".length());
} else if (lower.endsWith(".doc")) {
base = base.substring(0, base.length() - ".doc".length());
}
if (base.isBlank()) {
base = "document";
@@ -58,8 +58,9 @@ final class ConvertController {
this.maxPages = maxPages;
}
@Operation(summary = "Конвертировать .docx в PDF",
description = "errorOnCharts/errorOnSmartArt/errorOnOle — факультативно, по умолчанию "
@Operation(summary = "Конвертировать .docx/.doc в PDF",
description = "Принимаются .docx (OOXML) и .doc (Word 97–2003, переносится в .docx "
+ "мостом: текст и прямое форматирование). errorOnCharts/errorOnSmartArt/errorOnOle — факультативно, по умолчанию "
+ "настройки ядра (ошибка не выбрасывается); диаграммы/SmartArt "
+ "конвертируются всегда, OLE-объекты при выключенном флаге тихо удаляются. "
+ "Лимиты входа (размер/страницы) задаёт только конфигурация сервера "
@@ -78,9 +79,11 @@ 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")) {
// расширение проверяется здесь: ядро с байтов его не видит
throw new ValidationException("Поддерживается только .docx (без .doc): " + name);
String lower = name == null ? "" : name.toLowerCase(Locale.ROOT);
if (!lower.endsWith(".docx") && !lower.endsWith(".doc")) {
// расширение проверяется здесь: ядро с байтов его не видит;
// .doc (Word 97–2003) переносится в .docx мостом internal.doc
throw new ValidationException("Поддерживаются только .docx и .doc: " + name);
}
byte[] docxBytes;
try {
@@ -131,6 +131,9 @@ class ConversionServiceTest {
assertEquals("evil", ConversionService.safeBaseName("a/../../evil.docx"));
assertEquals("evil", ConversionService.safeBaseName("C:\\tmp\\evil.docx"));
assertEquals("отчёт", ConversionService.safeBaseName("отчёт.DOCX"));
assertEquals("отчёт", ConversionService.safeBaseName("отчёт.DOC"));
assertEquals("doc", ConversionService.safeBaseName("doc.doc"));
assertEquals("файл", ConversionService.safeBaseName("каталог\\файл.doc"));
}
/**
@@ -280,6 +280,20 @@ class ConvertControllerTest {
org.hamcrest.Matchers.containsString(".docx")));
}
/** Бинарный .doc принимается расширением и конвертируется мостом internal.doc. */
@Test
void docFile_convertsToPdf() throws Exception {
MvcResult result = mockMvc.perform(multipart("/api/v1/convert")
.file(docx("report.doc", bytes("/samples/ru-plain.doc"))))
.andExpect(status().isOk())
.andExpect(content().contentType(MediaType.APPLICATION_PDF))
.andReturn();
byte[] pdf = result.getResponse().getContentAsByteArray();
assertTrue("%PDF".equals(new String(pdf, 0, 4, StandardCharsets.US_ASCII)),
"тело не начинается с %PDF");
assertTrue(norm(pdfText(pdf)).contains("Привет, мир!"), "текст .doc не доехал");
}
@Test
void missingPart_rejected() throws Exception {
mockMvc.perform(multipart("/api/v1/convert"))