Паттерн заякорен на открывающий тег (group 1 от '<' до w:val=, [^<>] не
пересекает границу тега): литеральный w:val="on" в тексте w:t больше не
переписывается. Регрессия — DocxOnOffNormalizerTest#onOffInTextNotTouched
- 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)
- ChartSpec.readAxis: не-конечные c:min/c:max/c:majorUnit отбрасываются (finite)
- ChartRenderer.axisBounds: санитайз данных + пересчёт шага по фактическому
интервалу — (hi-lo)/unit <= MAX_TICKS+1 при любых входах (вечный цикл делений);
warn вместо безмолвного default в switch типов
- DrawingPreRenderer: кап MAX_EXTENT_EMU на wp:extent (OOM-растр), детект
error-флагов до extent-guard, ловушка OutOfMemoryError в renderChart/renderDiagram,
очистка a:graphicData при раннем return в swapForPicture
- DrawMlText.wrapLines: инкрементальная ширина + экспоненциальный поиск границы
реза (O(L log L) вместо кубической деградации); рез теперь и для первого слова
c:wireframe val="1" (§21.2.2.230) рисовался линейной диаграммой «значение ×
категория» (ломаные рядов + вертикали) — неверная геометрия. Word рисует вид
сверху: X — категории, Y — ряды (серия 0 внизу), без заливок и оси значений;
только изолинии на внутренних границах полос высот lo+k·unit цветом полосы
ниже уровня (marching squares, седло — по среднему ячейки, узлы на уровне —
ребро-сегмент/дедупликация пересечений), сетка узлов catAx/serAx, рамка
области, подписи рядов со стороны serAx (axPos="r" — справа).
Фикстура chart-types.docx: +13-я диаграмма «Поверхность без заливки»
(4 ряда × 5 категорий «холмом», catAx/serAx с c:majorGridlines);
chartTypes_allTypesRenderAsImages — 13 растров. Surface2dPainterTest:
wireframe_gridOnly удалён (пинил снятое поведение), +4 рендер-теста
изолиний + 5 юнитов cellSegments. AGENTS.md синхронизирован.
Word пишет всем рядам шаблона Open-High-Low-Close <a:ln><a:noFill/></a:ln> —
ранее StockPainter рисовал ломаную каждого ряда безусловно, из-за чего между
столбцами upDownBars появлялись зигзаг-полоски. Флаг ChartSpec.Series.lineNoFill
теперь учитывается при отрисовке; dropLines и маркеры — по своим флагам.
Регрессия — StockPainterTest#seriesLineNoFill_notDrawn.
ChartSpec читает c:grouping у CTBarChart; CartesianPainter применяет
накопление к BAR/BAR_HORIZONTAL (обе ориентации, barDir=col/bar): один
столбец на категорию, сегмент ряда от cum[si-1] до cum[si], ширина по
c:gapWidth, c:overlap к stacked не применяется. percentStacked поддержан
общими хелперами stackedCumulative/stackedRange.
Регрессии: ChartSpecTest#barGroupingParsed,
CartesianPainterTest#stackedBar_seriesStackCumulatively,
CartesianPainterTest#stackedBarHorizontal_seriesStackCumulatively;
фикстура chart-types.docx дополнена 12-й диаграммой (barDir=bar,
stacked), WordPdfConverterTest#chartTypes_allTypesRenderAsImages — 12 PNG.
- ChartSpec: чтение c:grouping у CTLineChart (line3D осознанно игнорирует)
- CartesianPainter (LINE): кумулятивный диапазон оси и ломаные по stackedCumulative; percentStacked — нормировка к 100
- хелперы isStacked/stackedCumulative/stackedRange переехали из Cartesian3dPainter в ChartRenderer (общие для 2-D и 3-D)
- фикстура chart-types.docx: +10-я диаграмма «График с накоплением»; тест переименован в chartTypes_allTypesRenderAsImages (чинит 14 stale-javadoc-ссылок), assertEquals(10, …)
- юниты ChartSpecTest/ChartRendererTest + пиксельные CartesianPainterTest (инверсия порядка линий stacked vs standard; плоский верх 100% в percentStacked)
Комментарии у поля ChartSpec.firstSliceAng и в PiePainter.paint приписывали
невозможность чтения firstSliceAng для PIE3D отсутствию геттера в JAXB-модели
docx4j 17.3.2. По ECMA-376 элемент §21.2.2.68 определён только для
CT_PieChart/CT_DoughnutChart; CT_Pie3DChart (§21.2.2.140, модель §A.5.1) его
не содержит — JAXB-класс верен стандарту. Поворот 3D-пирога — c:view3D/rotY
(readView3D/paint3d). Поведение не менялось.
docx4j падает на внедрённых OLE-объектах двумя путями: JAXB-парсинг
бинарника под ложным XML-типом в [Content_Types] («Content is not
allowed in prolog» → NPE) и NPE chunkType is null в VML-сериализации
w:object. Новый OleObjectNormalizer (шестой в цепочке, после
GlyphCoverageNormalizer) удаляет OLE-bin-части, rels-ссылки, элементы
w:object и Override удалённых частей; при errorOnOle=true вместо
удаления — DrawingFoundException(OLE) → 422 «Конвертация отменена: в
документе найдены OLE-объекты».
- ядро: Kind.OLE, ConvertOptions.errorOnOle, WordPdfSettings.ERROR_ON_OLE,
фикстура samples/ole-embedded.docx (ручная, оба механизма)
- app: параметр errorOnOle, 422-контракт, тесты errorFlagOle_rejected /
oleObjects_removedByDefault
- SPA: третий переключатель «OLE-объекты»
- прод-автотесты: +2 проверки (21)
- регрессии: OleObjectNormalizerTest ↔ oleObjects_removedAndConverted /
drawingErrors_errorFlagRejectsOle; E2E: notConverted.docx 500 → 200
- pmd-ruleset.xml: ReturnEmptyCollectionRatherThanNull (p1),
AvoidLiteralsInIfCondition (p3), EmptyCatchBlock (p2),
ForLoopCanBeForeach (p2)
- main: split/contentOf/invokeList возвращают List.of() вместо null;
литералы в условиях if вынесены в именованные константы
(9 файлов chart/валидатора); индексный цикл легенды → foreach
- src/test: 8 литералов в условиях if — те же именованные константы
- AGENTS.md: описание ruleset'а и гейта обновлено
mvn clean verify зелёный, 0 нарушений PMD.
На OpenJDK/Linux любое обращение к java.awt.Font требует fontconfig-нативки
(Fontconfig head is null на хосте без libfontconfig). java.awt.Font убран из
всего рантайм-пути: текст chart-движка (DrawMlText) и проверка покрытия глифов
(GlyphCoverageNormalizer) переведены на GlyphFont — чистый Java-парсер TTF
org.apache.pdfbox:fontbox 3.0.8 (compile; commons-logging исключён,
единственный провайдер jcl-over-slf4j). Метрики совпадают с AWT до 4-го знака,
кернинг-дрейф 0.0000 (DejaVu Sans, Carlito). AWT остаётся только как геометрия
(Graphics2D/Path2D), которая fontconfig не требует.
- GlyphFont: of/canDisplay/advance/ascent/descent/leading/draw; TTF читается
напрямую из classpath, не зависит от BundledFonts.init(); битый бандл падает
IllegalStateException, отсутствующее семейство/начертание -> null
- DrawMlText.fontFor: цепочка фолбэка family/variant -> family/regular ->
fallback/variant -> fallback/regular (bold у Noto остаётся своим regular)
- BundledFonts: awtFont/AWT_FONTS удалены (чистый cutover), CLASSPATH_DIR ->
package-private
- ChartRenderer.measureLegend: убран неиспользуемый после cutover параметр g (PMD)
- GlyphFontTest (6 юнитов) без единого java.awt.Font — обязан проходить на хосте
без fontconfig; Containerfile/AGENTS.md: fontconfig рантайму не нужен
Проверено: mvn clean verify локально (153 теста, PMD); приёмочный стенд —
контейнер без libfontconfig.so и /etc/fonts: mvn verify BUILD SUCCESS и
java -jar + конвертация charts-smartart.docx -> PDF 466 КБ с 4 растрами
(деградации нет).
- checkDocxContainer: потоковый проход по zip — декларация wordprocessingml.document
в [Content_Types].xml (голый zip / переименованный .xlsx → 400, а не 500 на docx4j)
+ лимиты MAX_DECOMPRESSED_MB (200) / MAX_ZIP_ENTRIES (8192) — бомба отсекается
до readAllBytes в checkPageCount; пороги константные, не ConvertOptions
- регрессии: validate_plainZipRejected/xlsxRenamedRejected/zipBombRejected/
tooManyEntriesRejected, inputNotDocx_rejectedBeforeRender, plainZipNotDocx_rejected;
junkInsideValidZip_conversionError — на валидном контейнере с мусором (500)
- прод-автест test_plain_zip_not_docx_rejected; AGENTS.md синхронизирован
Ядро: WordPdfSettings.MAX_INPUT_MB=5, ConvertOptions.maxMb,
WordPdfValidator.checkInput(byte[], long maxMb) — единственная точка
пересчёта МБ→байты, сообщение «Файл больше N МБ: X байт > Y байт».
Приложение: свойство wordpdf.max-mb (env WORDPDF_MAX_MB, relaxed binding).
CI/конфиг/автотесты/доки: WORDPDF_MAX_BYTES → WORDPDF_MAX_MB (значение 5).
Литерал слева в equals/equalsIgnoreCase (NPE-safe), удаление неиспользуемых
параметров/локальных/импортов/полей, логгеры log→LOG (конвенция UPPER_SNAKE),
UselessParentheses/UnnecessaryCast/UseShortArrayInitializer, record без явного
static, пустой конструктор ChartSpec удалён. Семантика не меняется.
Word в strict пишет проценты строками (a:shade val="50%",
w14:fillToRect w14:t="130%") и w:start/w:end вместо w:left/w:right —
JAXB-разбор docx4j падает на NumberFormatException (в mc-preprocessor.xslt
ветка % закомментирована, start/end не маппятся). Новый байтовый
StrictOoxmlNormalizer первым в цепочке нормализаторов приводит strict к
transitional-байту; mc-preprocessor доделывает namespaces и pt.
- StrictOoxmlNormalizer: %-атрибуты a:/w14:fillToRect -> тысячные (x1000),
текст wp14:pctWidth/pctHeight, элементы/атрибуты w:start/w:end ->
w:left/w:right (кроме w:lvl/w:start в numbering.xml), значения start/end
у w:jc/w:tab; transitional-документы — no-op (assertSame)
- WordPdfValidator: lightweight-путь читает атрибуты по локальному имени
(attrLocal) — иначе в strict не засчитываются w:br type="page";
pageCountOf при провале JAXB-разбора бросает ConversionException вместо NPE
- тесты: StrictOoxmlNormalizerTest (13), регрессии
strictOoxml_convertsNotRejected (in-memory strict-zip),
pageCount_strictBreaksCountedLightweight; AGENTS.md обновлён
Реальный develop/openxml.docx: 11 страниц как в эталоне Word, диаграммы
и SmartArt рендерятся. mvn clean verify: core 104 + app 20, BUILD SUCCESS.
WordPdfConverter/WordPdfValidator: вход и выход только byte[] (файловые
перегрузки убраны). Дефолты лимитов — в WordPdfSettings (20 МиБ/1000
страниц), переопределяются на вызове через ConvertOptions (лимиты,
renderCharts/renderSmartArt); DrawingPreRenderer пропускает выключенные
рисунки ранним continue.
Знак без глифа в шрифте ранa FOP рисовал .notdef — в эталонном
references/word.docx таких оставалось 28.
- Noto Naskh Arabic и Noto Sans Armenian (SIL OFL, 278 КБ) в бандле:
FontFallback.selectCovering перебирает весь реестр PhysicalFonts и
находит их сам — арабские дополнения и армянские Unicode 16 рисуются
без нашего кода.
- GlyphCoverageNormalizer режет ран по покрытию глифов и пишет семейство
в w:rFonts. Нужен из-за двух дыр docx4j: needsCoverage=false для
«латинской» группы (римские цифры U+2150–U+218F) и кэш fallbackByScript
на всю группу Юникода (армянские U+058D/U+058E получали DejaVu Serif).
- FopFallbackFonts.declare декларирует все бандл-семейства: FOP встраивает
только задекларированные, а font-family в FO может запросить любое.
В эталоне осталось 2 решёток: U+2188 и U+218A есть только в GNU FreeSerif
(GPL-3+ с Font Exception), которого в бандле нет намеренно.
17.x приносит WordLayoutFixups (постобработка DOM XSL-FO: columnBreaks,
lineBoxAttributes, stripHints и др.) и jeuclid-fop, поэтому начинают
работать две вещи, которых не было: формулы m:oMath (на стр. 4 эталона
формула молча исчезала) и w:cols/@w:num (две колонки на стр. 9-11).
Сходимость текста references/word.docx с экспортом Word 0,848 -> 0,981,
средний постраничный пиксельный diff 10,5% -> 7,4%.
Что пришлось починить по пути:
* docx4j навешивает на fo:inline fox:gsub-features, не объявляя префикс
fox. FO становится некорректным XML, WordLayoutFixups не парсит его и
молча отказывается от всех фикс, а оставленный хинт docx4j-baseline
отвергает уже FOP. Отключаем генерацию через
docx4j.convert.out.fo.gsubFeatures=false.
* FOP теперь форк org.docx4j:docx4j-fo-renderer*, и его
META-INF/services/org.apache.fop.fo.ElementMapping лежит ещё и в
docx4j-export-fo: в fat-jar без ServicesResourceTransformer второй файл
перезаписывает первый, FOP не узнаёт namespace fo: и падает на
UnknownXMLObj. Тесты этого не видят — они идут по classpath.
* addPhysicalFont не перезаписывает занятый ключ реестра: системный
DejaVuSerif.ttf занимает «dejavu serif» и наш DejaVuSerif-Regular.ttf
не регистрировался. BundledFonts.init() чистит реестр до регистрации.
* Fop.Renderers.getRenderer() теперь список w:renderer по mime —
FopFallbackFonts ищет application/pdf.
Em-dash (U+2000-U+2EFF) остался на шрифте ранa, если в нём есть глиф —
так же делает Word (в references/word.pdf em-dash нарисован Calibri/Times,
DejaVu нет вообще), поэтому тест проверяет «вшитый шрифт, не Helvetica»,
а не конкретное семейство.
Word записывает поле колонтитула как fldChar begin -> instrText "PAGE"
-> separate -> закэшированный результат -> end. Экспорт docx4j в XSL-FO
инструкцию внутри такого поля не видит и печатает кэш из docx: в
references/word.docx на всех страницах было «2» и «11/11».
FieldNormalizer разворачивает поле в w:fldSimple — его обрабатывает
FldSimpleWriter из docx4j-export-fo (PAGE -> fo:page-number, есть также
NUMPAGES/SECTIONPAGES). Закэшированные ран сохраняются внутри поля: они
дают оформление. 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)» — отсюда нормализация байтов.
Переписываются только инструкции, для которых есть обработчик; поле без
separate/end и вложенные поля пропускаются.
Word задаёт маркеры списков кодами из PUA (U+F0xx), а глиф выбирается по
имени шрифта. Экспорт docx4j в XSL-FO эти шрифты не знает: код уходит в
fallback-семейство, глифа там нет, FOP рисует .notdef — в PDF решётка «#».
SymbolFontNormalizer (шаг перед JAXB, как DocxOnOffNormalizer) меняет код
на Unicode, а имя шрифта — на DejaVu Sans. Таблица кодов — SymbolMapper из
docx4j 17.x, отфильтрована по наличию глифа в DejaVu; совпадение с экспортом
Word сверено по references/word.pdf. Обрабатываются w:lvl (numbering.xml),
w:r и w:sym — ран с w:sym разрезается, т.к. у символа собственный w:font.
В эталонном документе пропали все 19 решёток в маркированных списках
(− • ▪ ❖ ➢ ✓ ♥) и поправились два w:sym.
docx2fo.xslt умеет только a:graphicData/pic:pic — для c:chart и dgm:relIds
там notImplemented, т.е. объект молча исчезал из PDF. Новый internal/chart
рендерит их своим Java2D-движком в PNG 300 dpi и подменяет на pic:pic
(шаг 3.5 в convertToStream: после setFontMapper, до FOSettings).
surface3D: седловая ячейка режется диагональю с большей суммой значений
(верхняя огибающая седла). При фиксированной w00–w11 второй треугольник
становится невидимой щепкой, а видимая грань окрашивается не той полосой.
Конструктор BundledFontMapper каждый раз заново обнаруживает системные
шрифты; на Windows найденный Calibri покрывает U+2000-U+2EFF, и
RunFontSelector оставляет em-dash на Carlito вместо fallback-DejaVu
(красный ruPlain_emDashEmbeddedNotHelvetica). Очистка реестра после
init() и до load() делает вывод одинаковым на любой ОС; шрифты,
встроенные в docx, регистрируются при load() и остаются в реестре.