2 Commits

Author SHA1 Message Date
Pjandro e7005eb918 fix(core): m-2 докрыт — переполнение maxMb на .doc-пути, правки AGENTS.md
PR checks / web (pull_request) Successful in 9s
PR checks / java (pull_request) Successful in 2m50s
PR checks / macos-sim (pull_request) Successful in 5m8s
- WordPdfValidator.checkInput — multiplyExact и для порога растра maxMb×5_000_000: экстремальный maxMb на бинарном .doc (миновал бюджеты checkDocxContainer) давал сырой ArithmeticException на границе convert вместо ValidationException/400; регрессии checkInput_rasterCoefficientOverflow_rejected, validate_docExtremeMaxMb_rejectedNotArithmetic (фикстура too-many-pages.doc)
- AGENTS.md: убран устаревший маркер дрейфа «порядок в javadoc WordPdfConverter.normalizers устарел» (javadoc приведён к фактическому порядку в этом PR); счётчики 1023/975
2026-11-23 00:12:42 +03:00
Pjandro 7016df5434 fix(core): находки ревью — капа глубины OMML, арифметика лимитов, тесты деградаций, доки
PR checks / web (pull_request) Successful in 9s
PR checks / macos-sim (pull_request) Successful in 1m44s
PR checks / java (pull_request) Successful in 3m31s
- M-2: MathModel — капа вложенности OMML MAX_DEPTH=64 (deeper() в MathCtx) + капа flatten MAX_TEXT_DEPTH; WordPdfConverter.convert — catch StackOverflowError; регрессии MathModelTest#deepNesting_*, WordPdfConverterTest#ommlDeepNesting_flattenedToText
- m-2: WordPdfValidator — multiplyExact для maxBytes/max* бюджетов, переполнение maxMb -> ValidationException (400)
- m-9: ChartSpec.parseDouble — non-finite (NaN/Infinity) -> null, как не-число
- M-1: DrawingPreRendererTest — 7 тестов деградаций run(): битая chart-часть, отказ рендера, wp:anchor, бюджет math-PNG, w:br в m:r, пустая формула, oMathPara jc=center
- m-7: тесты null-options (convert/validate) и краёв JPEG rasterArea
- m-3: удалены мёртвые normalize() у FieldNormalizer/GlyphCoverageNormalizer (конвейер использует rewrite)
- I-4: DocxRewritePipeline/OleObjectNormalizer — try-with-resources на in-memory zip-потоках
- I-5: OfficeArt (DIB) и Styles (STSH) — warn в молчаливых деградациях моста
- m-1/m-4/m-5/m-8/m-10/I-6: нумерация правил 1-11 в javadoc/xslt, Регрессия-ссылки (сироты исправлены), MS-OI29500 §2.1.44, ToggleOperand 0x80/0x81 §2.9.327, карта pieces §2.9.73, счётчики 1021 тест
2026-11-23 00:06:49 +03:00
24 changed files with 560 additions and 133 deletions
+2 -2
View File
@@ -25,7 +25,7 @@
**Слои ядра** (`wordpdf-core/src/main/java/ru/pjandro/wordpdf/`): **Слои ядра** (`wordpdf-core/src/main/java/ru/pjandro/wordpdf/`):
- публичный API: `WordPdfConverter`, `WordPdfValidator`, `ConvertOptions` (record `errorOnCharts/errorOnSmartArt/errorOnOle/maxMb/maxPages` — порядок полей фиксирован), `ConversionException` + `ValidationException` + `Charts/SmartArt/OleFoundException`; `warmup()` — идемпотентный прогрев (никогда не бросает), решает вызывающий; - публичный API: `WordPdfConverter`, `WordPdfValidator`, `ConvertOptions` (record `errorOnCharts/errorOnSmartArt/errorOnOle/maxMb/maxPages` — порядок полей фиксирован), `ConversionException` + `ValidationException` + `Charts/SmartArt/OleFoundException`; `warmup()` — идемпотентный прогрев (никогда не бросает), решает вызывающий;
- `internal/`: контракт нормализатора — `byte[] normalize(byte[])`, нечего менять → **тот же массив** (`assertSame`); правила 1–11 идут одним zip-проходом `DocxRewritePipeline.STEP` в фиксированном порядке Strict→OnOff→Symbol→Field→Invisible→MathFallback→GlyphCoverage→TableIndent→NumberingSuffix→Hidden→Ruby (порядок в javadoc `WordPdfConverter.normalizers` устарел — не доверять), `OleObjectNormalizer` — 12-й, отдельным байтовым проходом (не zip); неизменённые записи копируются raw-сжатыми байтами; наружу только `DocxNormalizer`, `DocxRewritePipeline.STEP`, `OleObjectNormalizer`, `FopFallbackFonts`, `LayoutPostRenderer`, `DependencyGuard`; - `internal/`: контракт нормализатора — `byte[] normalize(byte[])`, нечего менять → **тот же массив** (`assertSame`); правила 1–11 идут одним zip-проходом `DocxRewritePipeline.STEP` в фиксированном порядке Strict→OnOff→Symbol→Field→Invisible→MathFallback→GlyphCoverage→TableIndent→NumberingSuffix→Hidden→Ruby, `OleObjectNormalizer` — 12-й, отдельным байтовым проходом (не zip); неизменённые записи копируются raw-сжатыми байтами; наружу только `DocxNormalizer`, `DocxRewritePipeline.STEP`, `OleObjectNormalizer`, `FopFallbackFonts`, `LayoutPostRenderer`, `DependencyGuard`;
- `internal/doc`: мост `.doc`→`.docx`, 18 top-level классов (17 package-private + `DocToDocx`) + вложенный `DocxBody`, наружу только `DocToDocx.convert/countPages`; любая бита/шифрованный/Word 6-95 входов → `ConversionException`; раскладки — `docs/agent/doc-bridge.md`; - `internal/doc`: мост `.doc`→`.docx`, 18 top-level классов (17 package-private + `DocToDocx`) + вложенный `DocxBody`, наружу только `DocToDocx.convert/countPages`; любая бита/шифрованный/Word 6-95 входов → `ConversionException`; раскладки — `docs/agent/doc-bridge.md`;
- `internal/chart`: Java2D → PNG (`ChartRenderer.DPI = 300`, `MAX_PIXELS` 4096² — `fitDpi` понижает dpi; `MAX_POINTS` 100 000, бюджет chart/math-PNG на документ 128 MiB); формулы OMML — собственный растер `MathModel` (разбор §22.1 в дерево боксов, `SUPPORTED` — единый список конструкций) + `MathRenderer` (без AWT/JEuclid, только бандл через `GlyphFont`); модель **деградации**: битая chart-часть/превышение бюджета → объект удалён + warn; неподдерживаемая/битая формула → **текст** (конкатенация `m:t`) + warn; `wp:extent` вне диапазона/ноль → объект **остаётся** + warn (FOP молча потеряет); `OutOfMemoryError` — не деградация, а `ConversionException` (500); - `internal/chart`: Java2D → PNG (`ChartRenderer.DPI = 300`, `MAX_PIXELS` 4096² — `fitDpi` понижает dpi; `MAX_POINTS` 100 000, бюджет chart/math-PNG на документ 128 MiB); формулы OMML — собственный растер `MathModel` (разбор §22.1 в дерево боксов, `SUPPORTED` — единый список конструкций) + `MathRenderer` (без AWT/JEuclid, только бандл через `GlyphFont`); модель **деградации**: битая chart-часть/превышение бюджета → объект удалён + warn; неподдерживаемая/битая формула → **текст** (конкатенация `m:t`) + warn; `wp:extent` вне диапазона/ноль → объект **остаётся** + warn (FOP молча потеряет); `OutOfMemoryError` — не деградация, а `ConversionException` (500);
- `fonts/GlyphFont`: метрика/глифы через fontbox напрямую, **без** `java.awt.Font` (fontconfig хосту не нужен). - `fonts/GlyphFont`: метрика/глифы через fontbox напрямую, **без** `java.awt.Font` (fontconfig хосту не нужен).
@@ -126,5 +126,5 @@ python3 docs/standards/docx/validate-fixtures.py wordpdf-core/src/test/resources
- Фикстуры — только закоммиченные `samples/*.docx`/`*.doc`, в тестах не генерировать; XSD-невалидная фикстура правится, не код. Синтетика в памяти разрешена: docx — `ZipOutputStream` из литеральных XML, `.doc` — крафт `POIFSFileSystem`. Пересоздание — одноразовые `SampleDocxGenerator`/`ChartTypesDocxGenerator` (POI test-scope, команда — `docs/agent/repo-map.md`); `charts-smartart.docx` и `ole-embedded.docx` сделаны руками — **никогда не перезаписывать** (все 12 `.doc` — эталоны заказчика, не вывод генераторов). - Фикстуры — только закоммиченные `samples/*.docx`/`*.doc`, в тестах не генерировать; XSD-невалидная фикстура правится, не код. Синтетика в памяти разрешена: docx — `ZipOutputStream` из литеральных XML, `.doc` — крафт `POIFSFileSystem`. Пересоздание — одноразовые `SampleDocxGenerator`/`ChartTypesDocxGenerator` (POI test-scope, команда — `docs/agent/repo-map.md`); `charts-smartart.docx` и `ole-embedded.docx` сделаны руками — **никогда не перезаписывать** (все 12 `.doc` — эталоны заказчика, не вывод генераторов).
- Идиома загрузки (ловушка): **core** — classloader без ведущего слэша (`getResourceAsStream("samples/…")`); **app** — class-relative со слэшем (`"/samples/…"`, ресурсы из core test-jar). - Идиома загрузки (ловушка): **core** — classloader без ведущего слэша (`getResourceAsStream("samples/…")`); **app** — class-relative со слэшем (`"/samples/…"`, ресурсы из core test-jar).
- App-тесты: 4 набора свойств = 4 Spring-контекста (`ConvertControllerTest` пинует пустой `wordpdf.api-key=`; `ApiKeyFilterTest`; `ConvertLimitsTest`; `ConversionTimeoutTest`); `ConversionServiceTest`/`ApiExceptionHandlerTest` — без Spring; проверяют только HTTP-код/заголовки/текст ошибки; core-юниты Spring не поднимают. Ловушка: mise инжектирует корневой `.env` в окружение задач — ambient `WORDPDF_API_KEY` взорвёт 401 все MockMvc-тесты, если ключ не запинен свойствами контекста. - App-тесты: 4 набора свойств = 4 Spring-контекста (`ConvertControllerTest` пинует пустой `wordpdf.api-key=`; `ApiKeyFilterTest`; `ConvertLimitsTest`; `ConversionTimeoutTest`); `ConversionServiceTest`/`ApiExceptionHandlerTest` — без Spring; проверяют только HTTP-код/заголовки/текст ошибки; core-юниты Spring не поднимают. Ловушка: mise инжектирует корневой `.env` в окружение задач — ambient `WORDPDF_API_KEY` взорвёт 401 все MockMvc-тесты, если ключ не запинен свойствами контекста.
- Регрессивная конвенция: фикс = нормализатор/рендерер + юнит + конвертер-тест + javadoc-ссылка. Счётчики (2026-11): 63 класса / 1005 тестов (core 57/957, app 6/48); детали — `docs/agent/testing.md`. - Регрессивная конвенция: фикс = нормализатор/рендерер + юнит + конвертер-тест + javadoc-ссылка. Счётчики (2026-11): 63 класса / 1023 теста (core 57/975, app 6/48); детали — `docs/agent/testing.md`.
- Прод-автотесты: pytest 9.1.1 + requests 2.34.2 (timeout `(10,180)` — больше серверных 2m), конфигурация **только env** (`WORDPDF_BASE_URL` обязателен, `WORDPDF_API_KEY` факультативен → `needs_key`-декоратор `skipif` (немаркированный marker — маркеры не регистрируются) даёт SKIP, `WORDPDF_MAX_MB`/`MAX_PAGES` — ожидаемые лимиты стенда 5/100, `WORDPDF_SAMPLES_DIR` — путь к фикстурам); запуск `./mise.sh run prod-tests` либо job `autotests` в CI. - Прод-автотесты: pytest 9.1.1 + requests 2.34.2 (timeout `(10,180)` — больше серверных 2m), конфигурация **только env** (`WORDPDF_BASE_URL` обязателен, `WORDPDF_API_KEY` факультативен → `needs_key`-декоратор `skipif` (немаркированный marker — маркеры не регистрируются) даёт SKIP, `WORDPDF_MAX_MB`/`MAX_PAGES` — ожидаемые лимиты стенда 5/100, `WORDPDF_SAMPLES_DIR` — путь к фикстурам); запуск `./mise.sh run prod-tests` либо job `autotests` в CI.
+2 -2
View File
@@ -6,8 +6,8 @@
|---|---| |---|---|
|`CfbReader`|[MS-CFB] заголовок §2.2 (MUST-поля обязательны: ByteOrder 0xFFFE, mini-сектор сдвиг 0x0006, cutoff 0x1000; секторы 512/4096, mini 64), FAT/DIFAT §2.3–2.5, miniFAT + mini stream из root, directory §2.6; длина любой цепочки ограничена числом секторов файла (бюджет против враждебного FAT), суммарный бюджет аллокаций big-потоков (mini-потоки в бюджет не входят — их данные физически в mini stream); любой брак (цикл, ссылка за файл, обрезанный поток, рассинхрон MUST-полей, битый заголовок) → `ConversionException` (на гейте отказ оборачивает в `ValidationException` `WordPdfValidator`)| |`CfbReader`|[MS-CFB] заголовок §2.2 (MUST-поля обязательны: ByteOrder 0xFFFE, mini-сектор сдвиг 0x0006, cutoff 0x1000; секторы 512/4096, mini 64), FAT/DIFAT §2.3–2.5, miniFAT + mini stream из root, directory §2.6; длина любой цепочки ограничена числом секторов файла (бюджет против враждебного FAT), суммарный бюджет аллокаций big-потоков (mini-потоки в бюджет не входят — их данные физически в mini stream); любой брак (цикл, ссылка за файл, обрезанный поток, рассинхрон MUST-полей, битый заголовок) → `ConversionException` (на гейте отказ оборачивает в `ValidationException` `WordPdfValidator`)|
|`FibHeader`|[MS-DOC §2.5.1] FibBase (`fWhichTblStm` — бит 9 u16@10 → 1Table/0Table), FibRgLw97 (ccpText/ccpFtn/ccpHdd), пары FibRgFcLcb97: fcStshf=1, fcPlcfSed=6, fcPlcfHdd=11, fcPlcfBteChpx=12, fcPlcfBtePapx=13, fcSttbfFfn=15, fcClx=33, fcDggInfo=50, fcPlfLst=73, fcPlfLfo=74; побайтовый порядок чтения — §2.5.1 «How to read the FIB» (примеры §3); csw/cslw сверяются с ожидаемым раскладок, cbRgFcLcb — один из по таблице nFib (§2.5.1): 0x00C1→0x005D, 0x0101→0x0088 (136 пар, Word 2002), 0x010C→0x00A4 (164, Word 2003) — нужные пары на фиксированных индексах| |`FibHeader`|[MS-DOC §2.5.1] FibBase (`fWhichTblStm` — бит 9 u16@10 → 1Table/0Table), FibRgLw97 (ccpText/ccpFtn/ccpHdd), пары FibRgFcLcb97: fcStshf=1, fcPlcfSed=6, fcPlcfHdd=11, fcPlcfBteChpx=12, fcPlcfBtePapx=13, fcSttbfFfn=15, fcClx=33, fcDggInfo=50, fcPlfLst=73, fcPlfLfo=74; побайтовый порядок чтения — §2.5.1 «How to read the FIB» (примеры §3); csw/cslw сверяются с ожидаемым раскладок, cbRgFcLcb — один из по таблице nFib (§2.5.1): 0x00C1→0x005D, 0x0101→0x0088 (136 пар, Word 2002), 0x010C→0x00A4 (164, Word 2003) — нужные пары на фиксированных индексах|
|`PieceTable`|§2.9.135 Clx/Pcdt: куски compressed (FC/2, байт + CP1252-карта 0x80–0x9F) и uncompressed (UTF-16LE); aCP строго возрастают и ≥ 0 (§2.8.35 PlcPcd; дубль/убывание/отрицательный → `ConversionException` — отрицательный aCP[0] читал бы до начала WordDocument-потока); читаемый span куска клампится к cbMac (§2.5.4: байты WordDocument-потока за cbMac MUST игнорироваться); FC за потоком → `ConversionException`| |`PieceTable`|§2.9.135 Clx/Pcdt: куски compressed (FC/2, байт + карта 0x82–0x9F поверх 8-bit Unicode (U+00XX), §2.9.73) и uncompressed (UTF-16LE); aCP строго возрастают и ≥ 0 (§2.8.35 PlcPcd; дубль/убывание/отрицательный → `ConversionException` — отрицательный aCP[0] читал бы до начала WordDocument-потока); читаемый span куска клампится к cbMac (§2.5.4: байты WordDocument-потока за cbMac MUST игнорироваться); FC за потоком → `ConversionException`|
|`Grpprl`|§2.6.2 sprm'ы (операнды по таблице Spra §2.6; ToggleOperand §2.9.327: 0x00 — off, 0x01 — on, 0x80 — **инверсия** текущего значения, `Grpprl.toggle`): CHPX — bold 0x0835, italic 0x0836, strike 0x0837, kul 0x2A3E, hps 0x4A43, hpsBi 0x4A61, ftc0 0x4A4F, ftc1 0x4A50, cv 0x6870 (4-й байт FF → auto), **sprmCHighlight 0x2A0C** (Ico §2.9.119 → `w:highlight`, член ST_HighlightColor §17.18.42 по RGB 1:1), **sprmCShd 0xCA71**/**sprmCShd80 0x4866** (SHDOperand §2.9.249 = cb(1)=10 + Shd §2.9.247: cvFore/cvBack COLORREF + ipat §2.9.121; Shd80 u16 5+5+6 §2.9.248 → `w:shd`, форма Word `w:val="clear"`: fill=cvFore при ipatSolid иначе cvBack; ipatAuto/оба цвета auto → не эмитится — FOP красит только w:fill, проверено экспериментально), **sprmCIstd 0x4A30** (u16 — символьный istd (stk=2) §2.4.6.5 → `Styles.charChain`; при задании символьные свойства **сбрасываются** к результату стиля абзаца, а прямые Prl из preserve-list (§2.6.1: bold/italic/strike/kul/hps/ftc0/ftc1/cv…), стоявшие в массиве **до** sprmCIstd, сохраняются (`Grpprl.CI_STD_PRESERVE`, сборка — `DocxBody.chpxWithCharStyle`)), sprmCFSpec 0x0875, rMarkDel 0x0800/rMarkIns 0x0801 (непринятые правки → `w:del`/`w:ins`), smallCaps 0x083A/caps 0x083B (апкейс текста в мосту), vanish 0x083C (фильтр рана — FO `w:vanish` не читает), hpsPos 0x4845 (со знаком, hps → `w:position`), **sprmCPicLocation 0x6A03** (смещение BLIP в Data); PAPX — **sprmPHugePapx 0x6646**/**sprmPTableProps 0x646B** (указатели на PrcData в Data, разворачивает `PrcData.resolve`; `Grpprl.scan` сам их корректно пропускает по spra=3), jc 0x2461 (4→distribute, 5/7/8/9→both, 6 — игнор) и jc80 0x2403 (3/4/5 — justify-both с разной компрессией, distribute у jc80 нет), dxaLeft/dxaLeft1/dxaRight + 80-варианты 0x840F/0x8411/0x840E и sprmPNest 0x465F/sprmPNest80 0x4610 (XAS со знаком → hanging/firstLine; общий накопитель `Grpprl.Indents`: nest к своему dxaLeft, современное семейство вытесняет 80-е), pageBreakBefore 0x2407 (перед ним keepFollow 0x2406/keep 0x2405 → `w:keepNext`/`w:keepLines`), InTable 0x2416, sprmPFTtp 0x2417, **sprmPShd 0xC64D**/**sprmPShd80 0x442D** (тот же Shd/Shd80 → `w:shd` в pPr до `w:tabs`, CT_PPr §17.3.1.26), istd 0x8463, LSPD 0x6412 (dyaLine i16 + fMult), before/after 0xA413/0xA414, PChgTabs 0xC60D и **sprmPChgTabs 0xC615** (табы стиля; PChgTabsDelClose §2.9.182 — радиус удаления из rgdxaClose, XAS_plusOne), **ilvl 0x260A** (u8; 0x0C — «пропустить, не нумеровать»), **ilfo 0x460B** (i16: 0/0xF801 — списока нет, 1..0x07FE — 1-базированный индекс rgLfo, 0xF802..0xFFFF — отрицание индекса с сохранением отступов); TAP — **sprmTDefTable 0xD608**, sprmTTableBorders 0xD613, sprmTTableBorders80 0xD605, sprmTJc 0x548A / sprmTJc90 0x5400 (u16 0/1/2 → left/center/right, единый маппинг: FOP complex-script не поддерживает, RTL вне контура), sprmTVertAlign 0xD62C (CellRangeVertAlign §2.9.30: cb=3 + itcFirst + itcLim + VerticalAlign 0/1/2 → `w:vAlign`; cb≠3 — операнд игнорируется), **sprmTCellPadding 0xD632**/**sprmTCellPaddingDefault 0xD634** (CSSAOperand §2.9.46: cb(1)=6 + itc(2 ItcFirstLim) + grfbrc (top|left|bottom|right = 1|2|4|8) + ftsWidth + wWidth(2); переносится только ftsDxa, Default-operand действует на весь ряд (§2.63 фиктивные itc 0/1 → [0,∞)) → `w:tcMar`, порядок детей CT_TcMar §17.4.66). **sprmTInsert 0x7621 пропускается по правилу spra=3 (4 байта)** — эмпирика живых образцов (ru-table-image.doc/ru-en-mixed.doc: following-sprm выравнивается ровно при 4; MS-DOC-форма rgttte 2+6·ctc Word'ом не пишется, сетка из sprmTInsert мостом не строится). Спец-длины операндов spra=6: у 0xD608 счётчик cb **двухбайтовый** («остаток+1», §2.9.321 — формула «1+первый байт» врёт при cb>255), у 0xC60D cb=0xFF — обрыв разбора; у 0xC615 cb=0xFF — длина 3 + 4·cTabsDel + 3·cTabsAdd по раскладке §2.9.182 (разбор продолжается)| |`Grpprl`|§2.6.2 sprm'ы (операнды по таблице Spra §2.6; ToggleOperand §2.9.327: 0x00 — off, 0x01 — on, 0x80 — значение текущего стиля, 0x81 — инверсия (§2.9.327), `Grpprl.toggle`): CHPX — bold 0x0835, italic 0x0836, strike 0x0837, kul 0x2A3E, hps 0x4A43, hpsBi 0x4A61, ftc0 0x4A4F, ftc1 0x4A50, cv 0x6870 (4-й байт FF → auto), **sprmCHighlight 0x2A0C** (Ico §2.9.119 → `w:highlight`, член ST_HighlightColor §17.18.42 по RGB 1:1), **sprmCShd 0xCA71**/**sprmCShd80 0x4866** (SHDOperand §2.9.249 = cb(1)=10 + Shd §2.9.247: cvFore/cvBack COLORREF + ipat §2.9.121; Shd80 u16 5+5+6 §2.9.248 → `w:shd`, форма Word `w:val="clear"`: fill=cvFore при ipatSolid иначе cvBack; ipatAuto/оба цвета auto → не эмитится — FOP красит только w:fill, проверено экспериментально), **sprmCIstd 0x4A30** (u16 — символьный istd (stk=2) §2.4.6.5 → `Styles.charChain`; при задании символьные свойства **сбрасываются** к результату стиля абзаца, а прямые Prl из preserve-list (§2.6.1: bold/italic/strike/kul/hps/ftc0/ftc1/cv…), стоявшие в массиве **до** sprmCIstd, сохраняются (`Grpprl.CI_STD_PRESERVE`, сборка — `DocxBody.chpxWithCharStyle`)), sprmCFSpec 0x0875, rMarkDel 0x0800/rMarkIns 0x0801 (непринятые правки → `w:del`/`w:ins`), smallCaps 0x083A/caps 0x083B (апкейс текста в мосту), vanish 0x083C (фильтр рана — FO `w:vanish` не читает), hpsPos 0x4845 (со знаком, hps → `w:position`), **sprmCPicLocation 0x6A03** (смещение BLIP в Data); PAPX — **sprmPHugePapx 0x6646**/**sprmPTableProps 0x646B** (указатели на PrcData в Data, разворачивает `PrcData.resolve`; `Grpprl.scan` сам их корректно пропускает по spra=3), jc 0x2461 (4→distribute, 5/7/8/9→both, 6 — игнор) и jc80 0x2403 (3/4/5 — justify-both с разной компрессией, distribute у jc80 нет), dxaLeft/dxaLeft1/dxaRight + 80-варианты 0x840F/0x8411/0x840E и sprmPNest 0x465F/sprmPNest80 0x4610 (XAS со знаком → hanging/firstLine; общий накопитель `Grpprl.Indents`: nest к своему dxaLeft, современное семейство вытесняет 80-е), pageBreakBefore 0x2407 (перед ним keepFollow 0x2406/keep 0x2405 → `w:keepNext`/`w:keepLines`), InTable 0x2416, sprmPFTtp 0x2417, **sprmPShd 0xC64D**/**sprmPShd80 0x442D** (тот же Shd/Shd80 → `w:shd` в pPr до `w:tabs`, CT_PPr §17.3.1.26), istd 0x8463, LSPD 0x6412 (dyaLine i16 + fMult), before/after 0xA413/0xA414, PChgTabs 0xC60D и **sprmPChgTabs 0xC615** (табы стиля; PChgTabsDelClose §2.9.182 — радиус удаления из rgdxaClose, XAS_plusOne), **ilvl 0x260A** (u8; 0x0C — «пропустить, не нумеровать»), **ilfo 0x460B** (i16: 0/0xF801 — списока нет, 1..0x07FE — 1-базированный индекс rgLfo, 0xF802..0xFFFF — отрицание индекса с сохранением отступов); TAP — **sprmTDefTable 0xD608**, sprmTTableBorders 0xD613, sprmTTableBorders80 0xD605, sprmTJc 0x548A / sprmTJc90 0x5400 (u16 0/1/2 → left/center/right, единый маппинг: FOP complex-script не поддерживает, RTL вне контура), sprmTVertAlign 0xD62C (CellRangeVertAlign §2.9.30: cb=3 + itcFirst + itcLim + VerticalAlign 0/1/2 → `w:vAlign`; cb≠3 — операнд игнорируется), **sprmTCellPadding 0xD632**/**sprmTCellPaddingDefault 0xD634** (CSSAOperand §2.9.46: cb(1)=6 + itc(2 ItcFirstLim) + grfbrc (top|left|bottom|right = 1|2|4|8) + ftsWidth + wWidth(2); переносится только ftsDxa, Default-operand действует на весь ряд (§2.63 фиктивные itc 0/1 → [0,∞)) → `w:tcMar`, порядок детей CT_TcMar §17.4.66). **sprmTInsert 0x7621 пропускается по правилу spra=3 (4 байта)** — эмпирика живых образцов (ru-table-image.doc/ru-en-mixed.doc: following-sprm выравнивается ровно при 4; MS-DOC-форма rgttte 2+6·ctc Word'ом не пишется, сетка из sprmTInsert мостом не строится). Спец-длины операндов spra=6: у 0xD608 счётчик cb **двухбайтовый** («остаток+1», §2.9.321 — формула «1+первый байт» врёт при cb>255), у 0xC60D cb=0xFF — обрыв разбора; у 0xC615 cb=0xFF — длина 3 + 4·cTabsDel + 3·cTabsAdd по раскладке §2.9.182 (разбор продолжается)|
|`ChpxIndex`/`PapxIndex`|§2.4.6: PlcfBte (aFc n+1 + pn 22 бита) → FKP-страницы 512 Б по pn·512 (rgfc (n+1)×4, rgbx n×1/×13, crun/cpara — последний байт, cpara ≤ 0x1D по §2.9.174); Chpx = cb + grpprl, **cb=0 (§2.9.32 Chpx — пустой grpx; ср. rgb[i]=0 в §2.9.33 «there is no Chpx associated»): диапазон без прямых свойств, но валидный — заносится с пустым grpprl**, grpprl за пределами страницы — пропуск; PapxInFkp: cb≠0 → GrpPrlAndIstd 2cb−1, cb=0 → cb′ → 2cb′ (внутри istd(2) + grpprl, grpprl может быть пустым — istd без прямых Prl); bOffset=0 → свойств нет (дефолт), но **граница rgfc[j+1] в индекс заносится** — иначе дефолтный ран проглотил бы последующие CHPX-раны абзаца (регрессии ChpxIndexTest#zeroOffset_defaultPropsBoundaryKept, WordPdfConverterTest#docClassD_landscapeHiddenDelCaps); **istd сохраняется** (`istdFor`, вне диапазона −1) — по нему `DocxBody` применяет цепочку `Styles`| |`ChpxIndex`/`PapxIndex`|§2.4.6: PlcfBte (aFc n+1 + pn 22 бита) → FKP-страницы 512 Б по pn·512 (rgfc (n+1)×4, rgbx n×1/×13, crun/cpara — последний байт, cpara ≤ 0x1D по §2.9.174); Chpx = cb + grpprl, **cb=0 (§2.9.32 Chpx — пустой grpx; ср. rgb[i]=0 в §2.9.33 «there is no Chpx associated»): диапазон без прямых свойств, но валидный — заносится с пустым grpprl**, grpprl за пределами страницы — пропуск; PapxInFkp: cb≠0 → GrpPrlAndIstd 2cb−1, cb=0 → cb′ → 2cb′ (внутри istd(2) + grpprl, grpprl может быть пустым — istd без прямых Prl); bOffset=0 → свойств нет (дефолт), но **граница rgfc[j+1] в индекс заносится** — иначе дефолтный ран проглотил бы последующие CHPX-раны абзаца (регрессии ChpxIndexTest#zeroOffset_defaultPropsBoundaryKept, WordPdfConverterTest#docClassD_landscapeHiddenDelCaps); **istd сохраняется** (`istdFor`, вне диапазона −1) — по нему `DocxBody` применяет цепочку `Styles`|
|`Styles`|§2.9.271 STSH по fcStshf: LPStshi (cbStshi, cstd, cbSTDBaseInFile) → LPStd на чётных границах → Std (stdf: sti/stk/istdBase/cupx + xstzName + LPUpx): stk=1 → UPX[0]=UpxPapx (istd(2)+grpprl), UPX[1]=UpxChpx (§2.9.338/.336); **stk=2 (символьный стиль, StkCharGRLPUPX §2.9.263)** — единственный UPX[0]=UpxChpx целиком, отдельная цепочка `charChain(istd)` (источник ссылки — sprmCIstd, §2.4.6.5); stk=3 (табличный) не читается. Цепочка base-first (предок раньше потомка, last-wins при скане); istdBase 0x0FFF — без предка, цикл — обрыв на MAX_CHAIN=16. Разбор **снисходительный** (образец FontTable): битый/отсутствующий STSH → пустая таблица, конвертация на прямых свойствах, без `ConversionException`| |`Styles`|§2.9.271 STSH по fcStshf: LPStshi (cbStshi, cstd, cbSTDBaseInFile) → LPStd на чётных границах → Std (stdf: sti/stk/istdBase/cupx + xstzName + LPUpx): stk=1 → UPX[0]=UpxPapx (istd(2)+grpprl), UPX[1]=UpxChpx (§2.9.338/.336); **stk=2 (символьный стиль, StkCharGRLPUPX §2.9.263)** — единственный UPX[0]=UpxChpx целиком, отдельная цепочка `charChain(istd)` (источник ссылки — sprmCIstd, §2.4.6.5); stk=3 (табличный) не читается. Цепочка base-first (предок раньше потомка, last-wins при скане); istdBase 0x0FFF — без предка, цикл — обрыв на MAX_CHAIN=16. Разбор **снисходительный** (образец FontTable): битый/отсутствующий STSH → пустая таблица, конвертация на прямых свойствах, без `ConversionException`|
|`Tables`|TAP TTP-абзаца (§2.6.3) → `Grid(colWidths, indent, bordersXml, tblJc, cellVAlign, cellMargins)`: sprmTDefTable (§2.9.321, ncols 1..63, rgdxaCenter XAS со знаком — ширина = center[i+1]−center[i], первый center — сдвиг от поля); границы: sprmTTableBorders (§2.9.302, 6×Brc: cv fAuto, dptLineWidth 1/8pt, brcType §2.9.22) иначе sprmTTableBorders80 (§2.9.303, ico→цвет §2.9.119); BrcMayBeNil/Brc80MayBeNil (байты все 0xFF — NilBrc, §2.9.20/.18) → **границы нет** (не эмитится), brcType=0 не эмитится, 0x1B→inset, ≥0x40 ширина ×8, sz<2 → 2 (§2.9.16); выравнивание: sprmTJc/sprmTJc90 (u16: 1→"center", 2→"right", прочее → null — элемент не эмитится), современный перекрывает 90-вариант (тот же приоритет, что у 0xD613 над 0xD605) → `w:jc` в tblPr (`openTable`; регрессия — WordPdfConverterTest#docFooterTableCentered_shiftedLikeWord); вертикальное выравнивание ячеек: sprmTVertAlign 0xD62C (CellRangeVertAlign §2.9.30) → `cellVAlign[]` по индексам колонок (диапазоны clamped к сетке, top/вне диапазона — не эмитится) → `w:vAlign` в `w:tcPr` после `w:gridSpan` (регрессии — TablesTest#vertAlign_*, DocToDocxFormattingTest#cellVertAlign_*); поля ячеек: sprmTCellPadding/…Default (CSSAOperand §2.9.46, только ftsDxa, wWidth ≤ 31680) → `cellMargins[]` (record `CellMargin(itcFirst, itcLim, sideMask, width)`, Default — весь ряд) → `w:tcMar` в `w:tcPr` до `w:vAlign` (CT_TcMar §17.4.66; регрессии — TablesTest#cellPadding_*, DocToDocxFormattingTest#cellMargins_becomeTcMar, пайплайн — WordPdfConverterTest#tableTcMar_textInsetLikeWord). `null` (нет/битый TDefTable, неположительная ширина) → строка деградирует в плоские абзацы| |`Tables`|TAP TTP-абзаца (§2.6.3) → `Grid(colWidths, indent, bordersXml, tblJc, cellVAlign, cellMargins)`: sprmTDefTable (§2.9.321, ncols 1..63, rgdxaCenter XAS со знаком — ширина = center[i+1]−center[i], первый center — сдвиг от поля); границы: sprmTTableBorders (§2.9.302, 6×Brc: cv fAuto, dptLineWidth 1/8pt, brcType §2.9.22) иначе sprmTTableBorders80 (§2.9.303, ico→цвет §2.9.119); BrcMayBeNil/Brc80MayBeNil (байты все 0xFF — NilBrc, §2.9.20/.18) → **границы нет** (не эмитится), brcType=0 не эмитится, 0x1B→inset, ≥0x40 ширина ×8, sz<2 → 2 (§2.9.16); выравнивание: sprmTJc/sprmTJc90 (u16: 1→"center", 2→"right", прочее → null — элемент не эмитится), современный перекрывает 90-вариант (тот же приоритет, что у 0xD613 над 0xD605) → `w:jc` в tblPr (`openTable`; регрессия — WordPdfConverterTest#docFooterTableCentered_shiftedLikeWord); вертикальное выравнивание ячеек: sprmTVertAlign 0xD62C (CellRangeVertAlign §2.9.30) → `cellVAlign[]` по индексам колонок (диапазоны clamped к сетке, top/вне диапазона — не эмитится) → `w:vAlign` в `w:tcPr` после `w:gridSpan` (регрессии — TablesTest#vertAlign_*, DocToDocxFormattingTest#cellVertAlign_*); поля ячеек: sprmTCellPadding/…Default (CSSAOperand §2.9.46, только ftsDxa, wWidth ≤ 31680) → `cellMargins[]` (record `CellMargin(itcFirst, itcLim, sideMask, width)`, Default — весь ряд) → `w:tcMar` в `w:tcPr` до `w:vAlign` (CT_TcMar §17.4.66; регрессии — TablesTest#cellPadding_*, DocToDocxFormattingTest#cellMargins_becomeTcMar, пайплайн — WordPdfConverterTest#tableTcMar_textInsetLikeWord). `null` (нет/битый TDefTable, неположительная ширина) → строка деградирует в плоские абзацы|
+3 -3
View File
@@ -32,16 +32,16 @@
Контракт: `byte[] normalize(byte[]) throws IOException`; нечего менять → вернуть **тот же массив** (`assertSame` в тестах). Одиннадцать rewrite-нормализаторов цепляются в фиксированном порядке Strict→OnOff→Symbol→Field→Invisible→MathFallback→GlyphCoverage→TableIndent→NumberingSuffix→Hidden→Ruby; константу `STEP` (`public static final DocxNormalizer`) несёт только `DocxRewritePipeline` (собирает рерайты сам), у `OleObjectNormalizer` STEP **нет** — он подключается лямбдой в `WordPdfConverter.normalizers()`, а вместо `normalize(byte[])` у него `normalize(byte[], boolean)`. Правила 1–11 применяет `internal/DocxRewritePipeline` — **один zip-проход**: к каждой записи `word/*.xml` рерайты применяются последовательно (каждое правило работает только содержимым одной части — по-частная цепочка эквивалентна последовательным полным проходам); до прохода из `word/document.xml` извлекается полоса набора (`TableIndentNormalizer.bandOf`, −1 — полосы нет), и `word/headerN.xml`/`footerN.xml` дополнительно прогоняются через `TableIndentNormalizer.rewritePart` с этой полосой, и из `word/styles.xml` читается множество vanish-стилей (`HiddenTextNormalizer.vanishStyles`, цепочка `w:basedOn`) — контекст правила 10; неизменённые записи переносятся raw-копией сжатых байтов (без inflate/deflate); нигде не поменялось → тот же массив. `OleObjectNormalizer` — второй условный проход (меняет части, а не XML). Индивидуальные `normalize()` десяти нормализаторов сохранены (контракт юнит-тестов), но `WordPdfConverter` их не вызывает — его `normalizers(options)` = `DocxRewritePipeline.STEP` + лямбда OLE. Порядок правил значим: Контракт: `byte[] normalize(byte[]) throws IOException`; нечего менять → вернуть **тот же массив** (`assertSame` в тестах). Одиннадцать rewrite-нормализаторов цепляются в фиксированном порядке Strict→OnOff→Symbol→Field→Invisible→MathFallback→GlyphCoverage→TableIndent→NumberingSuffix→Hidden→Ruby; константу `STEP` (`public static final DocxNormalizer`) несёт только `DocxRewritePipeline` (собирает рерайты сам), у `OleObjectNormalizer` STEP **нет** — он подключается лямбдой в `WordPdfConverter.normalizers()`, а вместо `normalize(byte[])` у него `normalize(byte[], boolean)`. Правила 1–11 применяет `internal/DocxRewritePipeline` — **один zip-проход**: к каждой записи `word/*.xml` рерайты применяются последовательно (каждое правило работает только содержимым одной части — по-частная цепочка эквивалентна последовательным полным проходам); до прохода из `word/document.xml` извлекается полоса набора (`TableIndentNormalizer.bandOf`, −1 — полосы нет), и `word/headerN.xml`/`footerN.xml` дополнительно прогоняются через `TableIndentNormalizer.rewritePart` с этой полосой, и из `word/styles.xml` читается множество vanish-стилей (`HiddenTextNormalizer.vanishStyles`, цепочка `w:basedOn`) — контекст правила 10; неизменённые записи переносятся raw-копией сжатых байтов (без inflate/deflate); нигде не поменялось → тот же массив. `OleObjectNormalizer` — второй условный проход (меняет части, а не XML). Индивидуальные `normalize()` десяти нормализаторов сохранены (контракт юнит-тестов), но `WordPdfConverter` их не вызывает — его `normalizers(options)` = `DocxRewritePipeline.STEP` + лямбда OLE. Порядок правил значим:
1. `StrictOoxmlNormalizer` — strict-OOXML → transitional: `a:`-проценты и `w14:fillToRect` → тысячные ×1000, текст `wp14:pctWidth`/`pctHeight`; элементы `w:start`/`w:end` → `w:left`/`w:right` (кроме `w:lvl/w:start` в numbering.xml); значения `w:val="start"/"end"` у `w:jc` и `w:tab` правятся **всегда** (docx4j `Justification.setXslFO` знает только left/center/right/both, для END `fo:text-align` не пишет вовсе — `jc="end"` рендерился по левому краю; Part 1 §17.3.1.13: `jc val="end"` — правовыравнивание в LTR, ST_Jc §17.18.44; RTL вне контура — FOP без complex-script). Strict-ность части определяется наличием `http://purl.oclc.org` (не «transitional-URI в документе» — mixed-документ трактуется по каждой части). **Guard сосуществования форм**: атрибут `w:start`/`w:end` переименовывается только внутри открывающего тега `w:ind` (MS-OI29500 §2.1.174 — псевдонимы left/right; у `w:pgNumType` `w:start` — старт нумерации страниц, легален в transitional, Part 1 §17.13.4 — не трогается) и не переименовывается, если в том же открывающем теге уже есть `w:left`/`w:right` (дубль атрибута ломает well-formedness — регрессии `indCoexistLeftStartUntouched`, `indCoexistForms_convertsNotRejected`, `pgNumTypeStartAttrUntouched`); элементы `w:start`/`w:end` в strict-части переименовываются глобально, в transitional — только внутри `w:tcMar`/`w:tblCellMar` без одноимённого соседа (`maxOccurs=1` на left). Ничего не поменялось → `rewrite` вернул `null` → исходный массив (`StrictOoxmlNormalizerTest#transitionalCoexistReturnsOriginalArray`). 1. `StrictOoxmlNormalizer` — strict-OOXML → transitional: `a:`-проценты и `w14:fillToRect` → тысячные ×1000, текст `wp14:pctWidth`/`pctHeight`; элементы `w:start`/`w:end` → `w:left`/`w:right` (кроме `w:lvl/w:start` в numbering.xml); значения `w:val="start"/"end"` у `w:jc` и `w:tab` правятся **всегда** (docx4j `Justification.setXslFO` знает только left/center/right/both, для END `fo:text-align` не пишет вовсе — `jc="end"` рендерился по левому краю; Part 1 §17.3.1.13: `jc val="end"` — правовыравнивание в LTR, ST_Jc §17.18.44; RTL вне контура — FOP без complex-script). Strict-ность части определяется наличием `http://purl.oclc.org` (не «transitional-URI в документе» — mixed-документ трактуется по каждой части). **Guard сосуществования форм**: атрибут `w:start`/`w:end` переименовывается только внутри открывающего тега `w:ind` (MS-OI29500 §2.1.44 — псевдонимы left/right; у `w:pgNumType` `w:start` — старт нумерации страниц, легален в transitional, Part 1 §17.13.4 — не трогается) и не переименовывается, если в том же открывающем теге уже есть `w:left`/`w:right` (дубль атрибута ломает well-formedness — регрессии `indCoexistLeftStartUntouched`, `indCoexistForms_convertsNotRejected`, `pgNumTypeStartAttrUntouched`); элементы `w:start`/`w:end` в strict-части переименовываются глобально, в transitional — только внутри `w:tcMar`/`w:tblCellMar` без одноимённого соседа (`maxOccurs=1` на left). Ничего не поменялось → `rewrite` вернул `null` → исходный массив (`StrictOoxmlNormalizerTest#transitionalCoexistReturnsOriginalArray`).
2. `DocxOnOffNormalizer` — `w:val="off"/"on"` → `"false"/"true"`; якорь по тегу, правится только атрибут `w:val`, текст между тегами не трогается. 2. `DocxOnOffNormalizer` — `w:val="off"/"on"` → `"false"/"true"`; якорь по тегу, правится только атрибут `w:val`, текст между тегами не трогается.
3. `SymbolFontNormalizer` — PUA U+F000–U+F0FF (Symbol/Wingdings/Webdings) → Unicode + DejaVu Sans; переписывает `<w:sym>`, правит `w:lvl` в numbering.xml; 5 карт по 256 слотов (таблица `SymbolMapper` из docx4j 17.x). 3. `SymbolFontNormalizer` — PUA U+F000–U+F0FF (Symbol/Wingdings/Webdings) → Unicode + DejaVu Sans; переписывает `<w:sym>`, правит `w:lvl` в numbering.xml; 5 карт по 256 слотов (таблица `SymbolMapper` из docx4j 17.x).
4. `FieldNormalizer` — `fldChar` PAGE/NUMPAGES/SECTIONPAGES → `w:fldSimple` (кэш страниц в PDF не попадает); вложенные/битые поля пропускаются. 4. `FieldNormalizer` — `fldChar` PAGE/NUMPAGES/SECTIONPAGES → `w:fldSimple` (кэш страниц в PDF не попадает); вложенные/битые поля пропускаются.
5. `InvisibleCharNormalizer` — вырезает из `w:t` U+0085, U+2028, U+2029, U+200E/200F, U+202A–202E, U+2060, U+FEFF (FOP делает из них переносы/пустые строки, Arimo/Tinos рисуют боксы). U+00A0/U+00AD/U+200B–U+200D **не** трогает. 5. `InvisibleCharNormalizer` — вырезает из `w:t` U+0085, U+2028, U+2029, U+200E/200F, U+202A–202E, U+2060, U+FEFF (FOP делает из них переносы/пустые строки, Arimo/Tinos рисуют боксы). U+00A0/U+00AD/U+200B–U+200D **не** трогает.
6. `MathFallbackNormalizer` — байтовый скан OMML-формул (§22.1) до загрузки пакета: формулы с конструкциями вне `MathModel.SUPPORTED` (или structurally битые) деградируют в текст — `m:oMathPara`/`m:oMath` → обычные раны с конкатенацией `m:t` (как в штатном фолбэке docx4j `XsltFOFunctions.mathText`); поддерживаемые части не трогаются (`rewrite` → `null`, тот же массив) — их рисует собственный `MathRenderer` на шаге 3.5. Позиция **до GlyphCoverage** обязательна: деградировавшие раны с математическими символами (U+1D400+) обязаны пройти резку по покрытию, иначе FOP рисует «#». `m:oMathPara` содержит `m:oMath`, поэтому блок para заменяется первым. Регрессия — WordPdfConverterTest#ommlMathUnsupported_flattenedToText, юниты — MathFallbackNormalizerTest. 6. `MathFallbackNormalizer` — байтовый скан OMML-формул (§22.1) до загрузки пакета: формулы с конструкциями вне `MathModel.SUPPORTED` (или structurally битые) деградируют в текст — `m:oMathPara`/`m:oMath` → обычные раны с конкатенацией `m:t` (как в штатном фолбэке docx4j `XsltFOFunctions.mathText`); поддерживаемые части не трогаются (`rewrite` → `null`, тот же массив) — их рисует собственный `MathRenderer` на шаге 3.5. Позиция **до GlyphCoverage** обязательна: деградировавшие раны с математическими символами (U+1D400+) обязаны пройти резку по покрытию, иначе FOP рисует «#». `m:oMathPara` содержит `m:oMath`, поэтому блок para заменяется первым. Регрессия — WordPdfConverterTest#ommlUnsupported_degradesToText, юниты — MathFallbackNormalizerTest.
7. `GlyphCoverageNormalizer` — режет раны по покрытию глифов и пишет семейство в `w:rFonts`, иначе FOP рисует «#». Покрытие — `GlyphFont` (fontbox, cmap) + BitSet-кэш, **не** docx4j `GlyphCheck` (плодит INFO-лог; `java.awt.Font` требовал fontconfig на хосте). Для serif-ран fallback ищется сначала в `SERIF_FAMILIES` (`dejavu serif`, `tinos`, `caladea`), затем в sans. 7. `GlyphCoverageNormalizer` — режет раны по покрытию глифов и пишет семейство в `w:rFonts`, иначе FOP рисует «#». Покрытие — `GlyphFont` (fontbox, cmap) + BitSet-кэш, **не** docx4j `GlyphCheck` (плодит INFO-лог; `java.awt.Font` требовал fontconfig на хосте). Для serif-ран fallback ищется сначала в `SERIF_FAMILIES` (`dejavu serif`, `tinos`, `caladea`), затем в sans.
8. `TableIndentNormalizer` — свёртка `w:tblPr/w:jc` (center/right) с любым (в т.ч. отсутствующим/нулевым) `w:tblInd` в абсолютный `w:tblInd` с удалением `w:jc` (Word: tblInd — сдвиг от поля после центрирования, MS-OI29500 §2.1.155; docx4j при jc≠left игнорирует tblInd буквально — аудит раскладки ECMA-376, матрица B3, а центрированию пишет абсолютный start-indent **без** вычета cellMar, поверх которого padding-компенсация правила LayoutPostRenderer уводит текст на +padding — свёртка обязательна и при X=0): center → (W−T)/2+X, right → (W−T)+X, W — полоса набора (pgSz − pgMar left/right; у CT_PageMar полей `w:start`/`w:end` нет, полоса берётся из сырого document.xml до правила 1; дефолты 11906/1440 — измеренное поведение docx4j, ECMA дефолтов не фиксирует §17.6.11/.13), T — Σ gridCol; пропускает несколько body-level `sectPr`, `tblInd` с явным `w:type` ≠ dxa (опущенный type — dxa, §17.4.87), `tblPr` с `tblCellSpacing` без `tblInd` (нет корректной позиции вставки по CT_TblPrBase), `tblW pct`, нецелые gridCol. Кроме `rewrite` (document.xml, полоса из собственного sectPr) есть `rewritePart(part, xml, band)` — `word/headerN.xml`/`footerN.xml` с полосой из document.xml (в частях колонтитуков своего sectPr нет) и `bandOf(documentXml)` — экстрактор полосы (−1 — полосы нет). Регрессия — WordPdfConverterTest#tableIndentCentered_shiftedLikeWord, #headerTableIndent_centeredInHeader, #tableCenteredNoIndent_shiftedLikeWord. 8. `TableIndentNormalizer` — свёртка `w:tblPr/w:jc` (center/right) с любым (в т.ч. отсутствующим/нулевым) `w:tblInd` в абсолютный `w:tblInd` с удалением `w:jc` (Word: tblInd — сдвиг от поля после центрирования, MS-OI29500 §2.1.155; docx4j при jc≠left игнорирует tblInd буквально — аудит раскладки ECMA-376, матрица B3, а центрированию пишет абсолютный start-indent **без** вычета cellMar, поверх которого padding-компенсация правила LayoutPostRenderer уводит текст на +padding — свёртка обязательна и при X=0): center → (W−T)/2+X, right → (W−T)+X, W — полоса набора (pgSz − pgMar left/right; у CT_PageMar полей `w:start`/`w:end` нет, полоса берётся из сырого document.xml до правила 1; дефолты 11906/1440 — измеренное поведение docx4j, ECMA дефолтов не фиксирует §17.6.11/.13), T — Σ gridCol; пропускает несколько body-level `sectPr`, `tblInd` с явным `w:type` ≠ dxa (опущенный type — dxa, §17.4.87), `tblPr` с `tblCellSpacing` без `tblInd` (нет корректной позиции вставки по CT_TblPrBase), `tblW pct`, нецелые gridCol. Кроме `rewrite` (document.xml, полоса из собственного sectPr) есть `rewritePart(part, xml, band)` — `word/headerN.xml`/`footerN.xml` с полосой из document.xml (в частях колонтитуков своего sectPr нет) и `bandOf(documentXml)` — экстрактор полосы (−1 — полосы нет). Регрессия — WordPdfConverterTest#tableIndentCentered_shiftedLikeWord, #headerTableIndent_centeredInHeader, #tableCenteredNoIndent_shiftedLikeWord.
9. `NumberingSuffixNormalizer` — `w:suff w:val="space"` → дописанный обычный пробел в конце следующего `w:lvlText` того же уровня (порядок CT_Lvl suff→lvlText, wml.xsd; ST_LevelSuffix Part 1 §17.9.28): docx4j разделитель не эмитит вовсе (дамп n4.fo); уже пробельный lvlText не дублируется; suff=tab — отдельный Class C-остаток (нужна per-item ширина), nothing совпадает с docx4j. Регрессия — WordPdfConverterTest#suffSpace_labelGetsSpace. 9. `NumberingSuffixNormalizer` — `w:suff w:val="space"` → дописанный обычный пробел в конце следующего `w:lvlText` того же уровня (порядок CT_Lvl suff→lvlText, wml.xsd; ST_LevelSuffix Part 1 §17.9.28): docx4j разделитель не эмитит вовсе (дамп n4.fo); уже пробельный lvlText не дублируется; suff=tab — отдельный Class C-остаток (нужна per-item ширина), nothing совпадает с docx4j. Регрессия — WordPdfConverterTest#suffSpace_labelGetsSpace.
10. `HiddenTextNormalizer` — вырезание скрытых ранов (Part 1 §17.3.2.41): truthy `w:vanish` в собственном `w:rPr` ранa (обе OnOff-формы; вал опущен — default true; явный `false/0/off` в ране **перекрывает** vanish-стиль) **или** `w:rStyle` ∈ vanish-стили из `word/styles.xml` (транзитивно по `w:basedOn`, капа цепочки 16, цикл — обрыв); ран с защищённым содержимым (`fldChar`/`instrText`/`footnoteReference`/`endnoteReference`/`drawing`/`pict`/`object`/`txbxContent`) не трогается — удаление спаренных `begin…separate…end` сломало бы поле. Word скрытое не печатает, стилист docx4j `vanish` не читает вовсе → без правила скрытое утекало в PDF. Индивидуальный `normalize()` — свой pass styles.xml. Регрессия — WordPdfConverterTest#hiddenText_notPrinted, #hiddenText_directFalseOverridesVanishStyle, юниты — HiddenTextNormalizerTest. 10. `HiddenTextNormalizer` — вырезание скрытых ранов (Part 1 §17.3.2.41): truthy `w:vanish` в собственном `w:rPr` ранa (обе OnOff-формы; вал опущен — default true; явный `false/0/off` в ране **перекрывает** vanish-стиль) **или** `w:rStyle` ∈ vanish-стили из `word/styles.xml` (транзитивно по `w:basedOn`, капа цепочки 16, цикл — обрыв); ран с защищённым содержимым (`fldChar`/`instrText`/`footnoteReference`/`endnoteReference`/`drawing`/`pict`/`object`/`txbxContent`) не трогается — удаление спаренных `begin…separate…end` сломало бы поле. Word скрытое не печатает, стилист docx4j `vanish` не читает вовсе → без правила скрытое утекало в PDF. Индивидуальный `normalize()` — свой pass styles.xml. Регрессия — WordPdfConverterTest#hiddenText_notPrinted, #hiddenText_directVanishFalseOverridesStyle, юниты — HiddenTextNormalizerTest.
11. `RubyNormalizer` — разбор руби-разметки (Part 1 §17.3.3.24–.28): снимается обёртка `w:ruby` (схемно-валидная транзишнл-разметка `w:r`→`w:ruby`→rubyPr/rt/rubyBase иначе достаёт catch-all-шаблону XSLT, и база теряется молча), `w:rubyBase` разворачивается в обычные раны, `w:rt`/`w:rubyPr`/`w:rubyAlign` вырезаются с содержимым (надстрочница — принятая деградация, ruby-разметки в FOP нет; потеря текста хуже потери аннотации). Чинится **в байтах**, а не в XSLT: схема docx4j 17.3.2 не биндит `w:rubyBase`/`w:rt` в `w:r` — unmarshaller теряет их до стилиста (в отличие от `moveFrom`/`moveTo`/`bdo`/`dir`, которых схема знает — тех ловит AUDIT-FIX-2). Регрессия — WordPdfConverterTest#rubyBase_textPrinted, юниты — RubyNormalizerTest. 11. `RubyNormalizer` — разбор руби-разметки (Part 1 §17.3.3.24–.28): снимается обёртка `w:ruby` (схемно-валидная транзишнл-разметка `w:r`→`w:ruby`→rubyPr/rt/rubyBase иначе достаёт catch-all-шаблону XSLT, и база теряется молча), `w:rubyBase` разворачивается в обычные раны, `w:rt`/`w:rubyPr`/`w:rubyAlign` вырезаются с содержимым (надстрочница — принятая деградация, ruby-разметки в FOP нет; потеря текста хуже потери аннотации). Чинится **в байтах**, а не в XSLT: схема docx4j 17.3.2 не биндит `w:rubyBase`/`w:rt` в `w:r` — unmarshaller теряет их до стилиста (в отличие от `moveFrom`/`moveTo`/`bdo`/`dir`, которых схема знает — тех ловит AUDIT-FIX-2). Регрессия — WordPdfConverterTest#rubyBase_textPrinted, юниты — RubyNormalizerTest.
12. `OleObjectNormalizer` — принимает флаг `errorOnOle`. Два этапа: дешёвый детект по центральному каталогу zip (`ZipFile`; читаются только `[Content_Types].xml` и `word/*.xml` до первого `<w:object`; не-zip/нет центрального каталога → входной массив — прежняя снисходительность), переупаковка — только при находке. Детект OLE-бинарников — по `[Content_Types].xml`: тип `…oleObject` **или** ложный `+xml`-тип у `.bin` (XML в bin не бывает; `printerSettings` не трогается). Удаляются вместе с rels-ссылками (по типу, включая `TargetMode=External`) и Override удалённых частей. Элементы `<w:object>` из `word/*.xml` не выбрасываются, а заменяются статичным представлением — картинкой-плейсхолдером (ECMA-376 §15.2.10): `w:drawing` переиспользуется дословно, `v:imagedata r:id` → inline-DrawingML на ту же image-часть (размер из `style` `v:shape`, иначе `w:dxaOrig`/`w:dyaOrig` ×635), блоки с `w:control` и без плейсхолдера удаляются. OLE-бинарники никогда не читаются. При `errorOnOle=true` вместо вычистки — `OleFoundException`. Лечит оба механизма падения docx4j: JAXB-разбор бинарника под ложным XML-типом («Content is not allowed in prolog» → NPE) и NPE `chunkType is null` в VML-сериализации `w:object`. Многочастный: публичный член только `normalize(byte[], boolean)`, `rewrite`-хука нет. 12. `OleObjectNormalizer` — принимает флаг `errorOnOle`. Два этапа: дешёвый детект по центральному каталогу zip (`ZipFile`; читаются только `[Content_Types].xml` и `word/*.xml` до первого `<w:object`; не-zip/нет центрального каталога → входной массив — прежняя снисходительность), переупаковка — только при находке. Детект OLE-бинарников — по `[Content_Types].xml`: тип `…oleObject` **или** ложный `+xml`-тип у `.bin` (XML в bin не бывает; `printerSettings` не трогается). Удаляются вместе с rels-ссылками (по типу, включая `TargetMode=External`) и Override удалённых частей. Элементы `<w:object>` из `word/*.xml` не выбрасываются, а заменяются статичным представлением — картинкой-плейсхолдером (ECMA-376 §15.2.10): `w:drawing` переиспользуется дословно, `v:imagedata r:id` → inline-DrawingML на ту же image-часть (размер из `style` `v:shape`, иначе `w:dxaOrig`/`w:dyaOrig` ×635), блоки с `w:control` и без плейсхолдера удаляются. OLE-бинарники никогда не читаются. При `errorOnOle=true` вместо вычистки — `OleFoundException`. Лечит оба механизма падения docx4j: JAXB-разбор бинарника под ложным XML-типом («Content is not allowed in prolog» → NPE) и NPE `chunkType is null` в VML-сериализации `w:object`. Многочастный: публичный член только `normalize(byte[], boolean)`, `rewrite`-хука нет.
+2 -2
View File
@@ -2,7 +2,7 @@
### Счётчики (2026-11) ### Счётчики (2026-11)
- 63 тестовых классов / 1004 теста: core 57/956 (`internal/doc/` 17/256, `internal/chart/` 18/301, `WordPdfConverterTest` 87), app 6/48 (ConvertController 26, ApiKeyFilter 8, ConversionService 5, ApiExceptionHandler 5, ConvertLimits 3, ConversionTimeout 1). Обновлять при изменении набора. - 63 тестовых классов / 1023 теста: core 57/975 (`internal/doc/` 17/256, `internal/chart/` 18/311, `WordPdfConverterTest` 89), app 6/48 (ConvertController 26, ApiKeyFilter 8, ConversionService 5, ApiExceptionHandler 5, ConvertLimits 3, ConversionTimeout 1). Обновлять при изменении набора.
### Пиксели, метрики шрифтов, стенд без fontconfig ### Пиксели, метрики шрифтов, стенд без fontconfig
@@ -31,5 +31,5 @@
- `lineRuleAuto_wordSingleLinePitch` — пинит метрический шаг «single» (13.4277pt) от псевдофиксов раскладки; `carlitoAutoBlock_untouched` — блок без явного `w:line` не трогается. - `lineRuleAuto_wordSingleLinePitch` — пинит метрический шаг «single» (13.4277pt) от псевдофиксов раскладки; `carlitoAutoBlock_untouched` — блок без явного `w:line` не трогается.
- `vendoredXsltTracksJarCopy` — дрейф-гейт: вне AUDIT-FIX-регионов вендорный `docx2fo.xslt` обязан быть побайтно равен стилисту из jar'а docx4j-export-fo (при апгрейде docx4j — перевендорить и перенести патчи). - `vendoredXsltTracksJarCopy` — дрейф-гейт: вне AUDIT-FIX-регионов вендорный `docx2fo.xslt` обязан быть побайтно равен стилисту из jar'а docx4j-export-fo (при апгрейде docx4j — перевендорить и перенести патчи).
- Крафт POIFS (закоммиченных фикстур нет, крафт продублирован в `WordPdfConverterTest`): `ListsTest`+`DocToDocxFormattingTest#list*`↔`docLists_numberingAndBulletsRendered` (синтетический .doc со списками → PDF: `1.` `2.` `a)` `b)` `•`, ни одного `#`; фикстур со списками нет — крафт POIFS продублирован в `WordPdfConverterTest`), `PrcDataTest`+`DocToDocxFormattingTest#hugePapxRowMark_closesRowWithGridFromPrcData` (TTP-абзац с grpprl в PrcData Data-потока → `w:tbl`/`w:tr`/сетка из цепочки; фикстуры нет — `docTest.doc` заказчика не коммитим, крафт POIFS продублирован), `SectionsTest`+`HeadersTest`+`DocToDocxFormattingTest#twoSections*/sectionBreakInTable*`↔`docMultiSection_perSectionHeaders` (двухсекционный .doc → PDF: стр. 1 — ШАПКА-1+ПОДВАЛ-1, стр. 2 — ШАПКА-2 + унаследованный ПОДВАЛ-1, ни одной `#`; крафт POIFS продублирован в `WordPdfConverterTest`), `ChpxIndexTest#zeroOffset_defaultPropsBoundaryKept`+`DocToDocxFormattingTest#runFlags_*/keepNextKeepLines_*/sectLandscapePgNumCols_*/sectUnevenCols_*/cellVertAlign_*/drawnObject_*`+`SectionsTest#orientationPgNumColumns_applied/unevenColumns_perIndexWidths/restartWithoutStart_clampsToOne`+`TablesTest#vertAlign_*`↔`WordPdfConverterTest#docClassD_landscapeHiddenDelCaps/#docClassD_pageNumberRestartLowerRoman/#docClassD_twoColumnsBreak/#docClassD_drawnObjectBecomesImage` (закрытие пробелов класса D: vanish-фильтр/правки/caps/position/keep, landscape+pgNumType, колонки+column break, vAlign, 0x08→inline-картинка; фикстур нет — крафт POIFS продублирован в обоих тестовых классах). - Крафт POIFS (закоммиченных фикстур нет, крафт продублирован в `WordPdfConverterTest`): `ListsTest`+`DocToDocxFormattingTest#list*`↔`docLists_numberingAndBulletsRendered` (синтетический .doc со списками → PDF: `1.` `2.` `a)` `b)` `•`, ни одного `#`; фикстур со списками нет — крафт POIFS продублирован в `WordPdfConverterTest`), `PrcDataTest`+`DocToDocxFormattingTest#hugePapxRowMark_closesRowWithGridFromPrcData` (TTP-абзац с grpprl в PrcData Data-потока → `w:tbl`/`w:tr`/сетка из цепочки; фикстуры нет — `docTest.doc` заказчика не коммитим, крафт POIFS продублирован), `SectionsTest`+`HeadersTest`+`DocToDocxFormattingTest#twoSections*/sectionBreakInTable*`↔`docMultiSection_perSectionHeaders` (двухсекционный .doc → PDF: стр. 1 — ШАПКА-1+ПОДВАЛ-1, стр. 2 — ШАПКА-2 + унаследованный ПОДВАЛ-1, ни одной `#`; крафт POIFS продублирован в `WordPdfConverterTest`), `ChpxIndexTest#zeroOffset_defaultPropsBoundaryKept`+`DocToDocxFormattingTest#runFlags_*/keepNextKeepLines_*/sectLandscapePgNumCols_*/sectUnevenCols_*/cellVertAlign_*/drawnObject_*`+`SectionsTest#orientationPgNumColumns_applied/unevenColumns_perIndexWidths/restartWithoutStart_clampsToOne`+`TablesTest#vertAlign_*`↔`WordPdfConverterTest#docClassD_landscapeHiddenDelCaps/#docClassD_pageNumberRestartLowerRoman/#docClassD_twoColumnsBreak/#docClassD_drawnObjectBecomesImage` (закрытие пробелов класса D: vanish-фильтр/правки/caps/position/keep, landscape+pgNumType, колонки+column break, vAlign, 0x08→inline-картинка; фикстур нет — крафт POIFS продублирован в обоих тестовых классах).
- Синтетика через общий хелпер `docx(docXmlns, body, sect, rels, overrides, parts)`: AUDIT-FIX-2↔`movedRevision_textPrinted`/`bdoDir_textPrinted` (фикстур нет — синтетический docx через общий хелпер `docx(docXmlns, body, sect, rels, overrides, parts)`); пиннинг аудита .docx↔`footnote_rendersAtPageBottom`, `endnote_rendersAtDocumentEnd`, `docxHyperlink_uriAnnotation`, `pageRefField_liveNotCached` (кэш 9001/7777 заменён живым номером), `dateField_notStaleCache` (кэш 01.02.2003 заменён текущей датой), `titlePg_firstPageHeader`, `vMergeCell_spansRows`, `sdtContent_rendered`, `drawingTextBox_textPrinted`, `ommlMath_renderedAsPng` (пиксели: +150 тёмных px@150dpi сверх текста, текст формулы не извлекается), `ommlMathUnsupported_flattenedToText`, `highlightAndShading_backgroundDrawn` (жёлтые px >0 против baseline 0), аудит [MS-DOC] моста 2026-11: `GrpprlTest#tInsertOperand_skippedBySpra`/`tInsertOperand_truncated_aborts` (sprmTInsert — 4 байта, хвост TAP не рассинхронизирован), `TablesTest#cellPadding_*` + `DocToDocxFormattingTest#cellMargins_becomeTcMar` ↔ `WordPdfConverterTest#tableTcMar_textInsetLikeWord` (CSSA→w:tcMar, пайплайн красит поля ячейки как tblCellMar — текст на margin+padding), `StylesTest#characterStyle_stk3_chainViaCharChain`/`charChain_nonCharacterStk_empty` + `DocToDocxFormattingTest#charStyle_viaIstd_mergesUnderDirect` (sprmCIstd: символьная chpx-цепочка между стилевой и прямыми, direct wins), `DocToDocxFormattingTest#runHighlightAndShading_inRPr`/`runShadingPattern_degradesToBackFill`/`paraShd_inPPrBeforeJc` ↔ `docHighlightAndShading_yellowPixels` (Ico→ST_HighlightColor; w:shd в форме FOP val="clear"+fill; паттерн→cvBack), `SectionsTest#titlePage_flagFromSepx` + `DocToDocxFormattingTest#titlePage_emittedAfterCols` ↔ `docTitlePage_firstHeaderOnlyFirstPage` (sprmSFTitlePage + first-слоты Plcfhdd → headerReference type="first", первая страница — только first-шапка).. - Синтетика через общий хелпер `docx(docXmlns, body, sect, rels, overrides, parts)`: AUDIT-FIX-2↔`movedRevision_textPrinted`/`bdoDir_textPrinted` (фикстур нет — синтетический docx через общий хелпер `docx(docXmlns, body, sect, rels, overrides, parts)`); пиннинг аудита .docx↔`footnote_rendersAtPageBottom`, `endnote_rendersAtDocumentEnd`, `docxHyperlink_uriAnnotation`, `pageRefField_liveNotCached` (кэш 9001/7777 заменён живым номером), `dateField_notStaleCache` (кэш 01.02.2003 заменён текущей датой), `titlePg_firstPageHeader`, `vMergeCell_spansRows`, `sdtContent_rendered`, `drawingTextBox_textPrinted`, `ommlMath_drawnAsRaster` (пиксели: +150 тёмных px@150dpi сверх текста, текст формулы не извлекается), `ommlUnsupported_degradesToText`, `highlightAndShading_backgroundDrawn` (жёлтые px >0 против baseline 0), аудит [MS-DOC] моста 2026-11: `GrpprlTest#tInsertOperand_skippedBySpra`/`tInsertOperand_truncated_aborts` (sprmTInsert — 4 байта, хвост TAP не рассинхронизирован), `TablesTest#cellPadding_*` + `DocToDocxFormattingTest#cellMargins_becomeTcMar` ↔ `WordPdfConverterTest#tableTcMar_textInsetLikeWord` (CSSA→w:tcMar, пайплайн красит поля ячейки как tblCellMar — текст на margin+padding), `StylesTest#characterStyle_stk2_chainViaCharChain`/`charChain_nonCharacterStk_empty` + `DocToDocxFormattingTest#charStyle_viaIstd_mergesUnderDirect` (sprmCIstd: символьная chpx-цепочка между стилевой и прямыми, direct wins), `DocToDocxFormattingTest#runHighlightAndShading_inRPr`/`runShadingPattern_degradesToBackFill`/`paraShd_inPPrBeforeJc` ↔ `docHighlightAndShading_yellowPixels` (Ico→ST_HighlightColor; w:shd в форме FOP val="clear"+fill; паттерн→cvBack), `SectionsTest#titlePage_flagFromSepx` + `DocToDocxFormattingTest#titlePage_emittedAfterCols` ↔ `docTitlePage_firstHeaderOnlyFirstPage` (sprmSFTitlePage + first-слоты Plcfhdd → headerReference type="first", первая страница — только first-шапка)..
- App-регрессии: `requestLimitParams_areIgnored`, `nonPositiveLimits_failStartup`, `unknownPath_notFound`, `concurrentRequests_bothSucceed`, `corruptNotAZip_rejected`, `plainZipNotDocx_rejected`, `junkInsideValidZip_conversionError` (500 на валидном .docx-контейнере с мусором), `nonDocxFilename_rejected`, `oversizedOverCoreLimit_rejected`, `drawingsAlwaysRendered`, `cyrillicAndPathInFilename_sanitizedResponseName`, `docsOpenWithoutKey`/`forwardedPrefix_healthStaysOpen`/`forwardedPrefix_docsOpenWithoutKey`, `dotSegmentOpenPrefix_rejected`, `errorFlagNotBoolean_rejected`, `methodNotSupportedReturns405`/`badContentTypeReturns415`. - App-регрессии: `requestLimitParams_areIgnored`, `nonPositiveLimits_failStartup`, `unknownPath_notFound`, `concurrentRequests_bothSucceed`, `corruptNotAZip_rejected`, `plainZipNotDocx_rejected`, `junkInsideValidZip_conversionError` (500 на валидном .docx-контейнере с мусором), `nonDocxFilename_rejected`, `oversizedOverCoreLimit_rejected`, `drawingsAlwaysRendered`, `cyrillicAndPathInFilename_sanitizedResponseName`, `docsOpenWithoutKey`/`forwardedPrefix_healthStaysOpen`/`forwardedPrefix_docsOpenWithoutKey`, `dotSegmentOpenPrefix_rejected`, `errorFlagNotBoolean_rejected`, `methodNotSupportedReturns405`/`badContentTypeReturns415`.
@@ -158,7 +158,7 @@ public final class WordPdfConverter {
* lightweight-скан по zip, для .doc — по чистому бинарному документу до * lightweight-скан по zip, для .doc — по чистому бинарному документу до
* конвертации. Повторного скана по нормализованным байтам нет: правила * конвертации. Повторного скана по нормализованным байтам нет: правила
* 1–11 {@code DocxRewritePipeline} число учитываемых разрывов не * 1–11 {@code DocxRewritePipeline} число учитываемых разрывов не
* увеличивают (правило 9 способно только убрать разрыв внутри скрытого * увеличивают (правило 10 способно только убрать разрыв внутри скрытого
* рана — счёт по сырому входу остаётся верхней оценкой лимита), а скан * рана — счёт по сырому входу остаётся верхней оценкой лимита), а скан
* внутри живой JAXB-модели удваивал бы пиковую память. * внутри живой JAXB-модели удваивал бы пиковую память.
* *
@@ -208,6 +208,11 @@ public final class WordPdfConverter {
throw e; throw e;
} catch (Exception e) { } catch (Exception e) {
throw new ConversionException("Не удалось конвертировать документ", e); throw new ConversionException("Не удалось конвертировать документ", e);
} catch (StackOverflowError e) {
// Глубокая вложенность XML: JAXB-разбор рекурсивен и может
// разогнать стек раньше капы MathModel — детерминированный
// отказ вместо Error.
throw new ConversionException("Не удалось конвертировать документ", e);
} }
return bos.toByteArray(); return bos.toByteArray();
} }
@@ -455,21 +460,22 @@ public final class WordPdfConverter {
/** /**
* Конвейер байтовой нормализации docx. Порядок фиксирован: сначала один * Конвейер байтовой нормализации docx. Порядок фиксирован: сначала один
* zip-проход переписывания XML-частей (внутри части порядок рерайтов * zip-проход переписывания XML-частей (внутри части порядок рерайтов
* Strict→OnOff→Symbol→Field→Invisible→GlyphCoverage→TableIndent→ * Strict→OnOff→Symbol→Field→Invisible→MathFallback→GlyphCoverage→TableIndent→
* NumberingSuffix→Hidden→Ruby→MathFallback значим: Strict первым — дальше transitional-байт; * NumberingSuffix→Hidden→Ruby значим: Strict первым — дальше transitional-байт;
* GlyphCoverage — по финальному тексту рана; Hidden — вырезает скрытые * MathFallback — деградирует OMML-формулы в текст m:t, когда JEuclid
* раны по финальному содержимому; Ruby — разворачивает руби-разметку, * недоступен, и следующий GlyphCoverage покрывает этот текст кириллицей
* которую схема docx4j не биндит; MathFallback — деградирует OMML-формулы * бандла; GlyphCoverage — по финальному тексту рана; Hidden — вырезает
* в текст m:t, когда JEuclid недоступен), затем OleObjectNormalizer * скрытые раны по финальному содержимому; Ruby — разворачивает
* (меняет части, а не XML ранов). * руби-разметку, которую схема docx4j не биндит), затем
* OleObjectNormalizer (меняет части, а не XML ранов).
* Регрессии каждого рерайта — в javadoc соответствующего нормализатора. * Регрессии каждого рерайта — в javadoc соответствующего нормализатора.
*/ */
private static List<DocxNormalizer> normalizers(ConvertOptions options) { private static List<DocxNormalizer> normalizers(ConvertOptions options) {
return List.of( return List.of(
// один zip-проход: strict→transitional, on/off, Symbol-PUA, // один zip-проход: strict→transitional, on/off, Symbol-PUA,
// поля PAGE/NUMPAGES, невидимки, покрытие глифов, tblInd при // поля PAGE/NUMPAGES, невидимки, OMML-фолбэк в текст, покрытие
// jc≠left, suff=space, скрытый текст (vanish), снятие обёртки // глифов, tblInd при jc≠left, suff=space, скрытый текст
// w:ruby, OMML-фолбэк в текст — порядок // (vanish), снятие обёртки w:ruby — порядок
// рерайтов внутри части фиксирован (DocxRewritePipeline) // рерайтов внутри части фиксирован (DocxRewritePipeline)
DocxRewritePipeline.STEP, DocxRewritePipeline.STEP,
// OLE-объекты: при выключенном errorOnOle тихо удаляем // OLE-объекты: при выключенном errorOnOle тихо удаляем
@@ -94,7 +94,17 @@ public final class WordPdfValidator {
if (docxBytes == null) { if (docxBytes == null) {
throw new ValidationException("Не указаны байты входного файла"); throw new ValidationException("Не указаны байты входного файла");
} }
long maxBytes = maxMb * 1024 * 1024; long maxBytes;
try {
maxBytes = Math.multiplyExact(maxMb, 1048576L);
// .doc-путь (миновать бюджеты checkDocxContainer не даёт общая
// гейт-проверка): OfficeArt/DocToDocx считают порог растра только
// множителем maxMb×5_000_000 — при maxMb ≳ 1.8·10¹² переполнение
// бросало сырой ArithmeticException на границе convert.
Math.multiplyExact(maxMb, WordPdfConverter.IMAGE_PIXELS_PER_MAX_MB);
} catch (ArithmeticException e) {
throw new ValidationException("Лимит maxMb слишком велик: " + maxMb);
}
if (docxBytes.length > maxBytes) { if (docxBytes.length > maxBytes) {
throw new ValidationException("Файл больше " + maxMb + " МБ: " throw new ValidationException("Файл больше " + maxMb + " МБ: "
+ docxBytes.length + " байт > " + maxBytes + " байт"); + docxBytes.length + " байт > " + maxBytes + " байт");
@@ -283,11 +293,18 @@ public final class WordPdfValidator {
|| (docxBytes[2] & 0xFF) != 0x03 || (docxBytes[3] & 0xFF) != 0x04) { || (docxBytes[2] & 0xFF) != 0x03 || (docxBytes[3] & 0xFF) != 0x04) {
throw new ValidationException("Содержимое не похоже на .docx или .doc (не zip-архив)"); throw new ValidationException("Содержимое не похоже на .docx или .doc (не zip-архив)");
} }
try {
checkDocxContainer(docxBytes, checkDocxContainer(docxBytes,
maxDecompressedBytes(options.maxMb(), options.maxPages()), maxDecompressedBytes(options.maxMb(), options.maxPages()),
maxDecompressedXmlBytes(options.maxMb(), options.maxPages()), maxDecompressedXmlBytes(options.maxMb(), options.maxPages()),
maxZipEntries(options.maxMb(), options.maxPages()), maxZipEntries(options.maxMb(), options.maxPages()),
maxImagePixels(options.maxMb())); maxImagePixels(options.maxMb()));
} catch (ArithmeticException e) {
// Бюджеты считаются multiplyExact от maxMb/maxPages: экстремальный
// лимит — отказ валидации (400), а не сырой ArithmeticException.
throw new ValidationException(
"Лимит maxMb слишком велик: " + options.maxMb());
}
checkPageCount(docxBytes, options.maxPages()); checkPageCount(docxBytes, options.maxPages());
} }
@@ -22,14 +22,14 @@ import org.apache.commons.compress.utils.SeekableInMemoryByteChannel;
* шестым — flatten unsupported-формул даёт обычный текст ранов, который * шестым — flatten unsupported-формул даёт обычный текст ранов, который
* следующий GlyphCoverage покрывает кириллицей бандла; GlyphCoverage * следующий GlyphCoverage покрывает кириллицей бандла; GlyphCoverage
* режет раны по финальному тексту рана (после Symbol/Invisible); Hidden * режет раны по финальному тексту рана (после Symbol/Invisible); Hidden
* девятым — вырезает уже финальные раны (после Symbol/GLYPH-разбиений), * десятым — вырезает уже финальные раны (после Symbol/GLYPH-разбиений),
* а его OnOff-форма vanish читается после правила 2. Каждый * а его OnOff-форма vanish читается после правила 2. Каждый
* рерайт работает только содержимым одной части, поэтому по-частная * рерайт работает только содержимым одной части, поэтому по-частная
* цепочка эквивалентна последовательным полным проходам. Исключения из * цепочка эквивалентна последовательным полным проходам. Исключения из
* «по-частности» — контексты, читаемые один раз до цикла: правило 7 * «по-частности» — контексты, читаемые один раз до цикла: правило 8
* (TableIndent) — у header/footer-частей своей sectPr нет, ширина полосы * (TableIndent) — у header/footer-частей своей sectPr нет, ширина полосы
* передаётся из document.xml (многосекционный документ — полоса * передаётся из document.xml (многосекционный документ — полоса
* неоднозначна, header/footer пропускаются); правило 9 (Hidden) — * неоднозначна, header/footer пропускаются); правило 10 (Hidden) —
* стилевые vanish читаются из word/styles.xml (цепочка w:basedOn). * стилевые vanish читаются из word/styles.xml (цепочка w:basedOn).
* *
* <p>Неизменённые записи (медиа, rels, прочее) переносятся raw-копией * <p>Неизменённые записи (медиа, rels, прочее) переносятся raw-копией
@@ -65,7 +65,7 @@ public final class DocxRewritePipeline {
boolean changed = false; boolean changed = false;
try (ZipFile zf = new ZipFile(new SeekableInMemoryByteChannel(docx)); try (ZipFile zf = new ZipFile(new SeekableInMemoryByteChannel(docx));
ZipArchiveOutputStream zos = new ZipArchiveOutputStream(out)) { ZipArchiveOutputStream zos = new ZipArchiveOutputStream(out)) {
// Ширина полосы набора для правила 7 (таблицы в header/footer- // Ширина полосы набора для правила 8 (таблицы в header/footer-
// частях своей sectPr не содержат): из сырого document.xml — // частях своей sectPr не содержат): из сырого document.xml —
// геометрия инвариантна к рерайтам цепочки (Strict не трогает // геометрия инвариантна к рерайтам цепочки (Strict не трогает
// w:pgSz/@w:w; у strict CT_PageMar start/end нет вовсе — // w:pgSz/@w:w; у strict CT_PageMar start/end нет вовсе —
@@ -75,26 +75,30 @@ public final class DocxRewritePipeline {
int band = -1; int band = -1;
ZipArchiveEntry docEntry = zf.getEntry("word/document.xml"); ZipArchiveEntry docEntry = zf.getEntry("word/document.xml");
if (docEntry != null) { if (docEntry != null) {
try (InputStream in = zf.getInputStream(docEntry)) {
band = TableIndentNormalizer.bandOf( band = TableIndentNormalizer.bandOf(
new String(zf.getInputStream(docEntry).readAllBytes(), new String(in.readAllBytes(), StandardCharsets.UTF_8));
StandardCharsets.UTF_8));
} }
// Стилевые vanish для правила 9 (скрытый текст): часть стилевой }
// Стилевые vanish для правила 10 (скрытый текст): часть стилевой
// цепочки w:basedOn вычисляется один раз до цикла. Записи нет → // цепочки w:basedOn вычисляется один раз до цикла. Записи нет →
// пустое множество, рерайт работает по прямому vanish. // пустое множество, рерайт работает по прямому vanish.
Set<String> hiddenStyles = Set.of(); Set<String> hiddenStyles = Set.of();
ZipArchiveEntry stylesEntry = zf.getEntry("word/styles.xml"); ZipArchiveEntry stylesEntry = zf.getEntry("word/styles.xml");
if (stylesEntry != null) { if (stylesEntry != null) {
try (InputStream in = zf.getInputStream(stylesEntry)) {
hiddenStyles = HiddenTextNormalizer.vanishStyles( hiddenStyles = HiddenTextNormalizer.vanishStyles(
new String(zf.getInputStream(stylesEntry).readAllBytes(), new String(in.readAllBytes(), StandardCharsets.UTF_8));
StandardCharsets.UTF_8)); }
} }
for (ZipArchiveEntry entry : Collections.list(zf.getEntries())) { for (ZipArchiveEntry entry : Collections.list(zf.getEntries())) {
String name = entry.getName(); String name = entry.getName();
byte[] rewritten = null; byte[] rewritten = null;
if (name.startsWith("word/") && name.endsWith(".xml")) { if (name.startsWith("word/") && name.endsWith(".xml")) {
String xml = new String(zf.getInputStream(entry).readAllBytes(), String xml;
StandardCharsets.UTF_8); try (InputStream in = zf.getInputStream(entry)) {
xml = new String(in.readAllBytes(), StandardCharsets.UTF_8);
}
String cur = xml; String cur = xml;
String next = StrictOoxmlNormalizer.rewritePart(name, cur); String next = StrictOoxmlNormalizer.rewritePart(name, cur);
if (next != null) { if (next != null) {
@@ -168,7 +172,9 @@ public final class DocxRewritePipeline {
} else { } else {
// прочие методы/шифрованные — обычный перенос // прочие методы/шифрованные — обычный перенос
zos.putArchiveEntry(new ZipArchiveEntry(name)); zos.putArchiveEntry(new ZipArchiveEntry(name));
zf.getInputStream(entry).transferTo(zos); try (InputStream in = zf.getInputStream(entry)) {
in.transferTo(zos);
}
zos.closeArchiveEntry(); zos.closeArchiveEntry();
} }
} }
@@ -1,13 +1,6 @@
package ru.pjandro.wordpdf.internal; package ru.pjandro.wordpdf.internal;
import java.io.ByteArrayInputStream;
import java.io.ByteArrayOutputStream;
import java.io.IOException;
import java.nio.charset.StandardCharsets;
import java.util.Locale; import java.util.Locale;
import java.util.zip.ZipEntry;
import java.util.zip.ZipInputStream;
import java.util.zip.ZipOutputStream;
/** /**
* Разворачивание «сложных» полей PAGE/NUMPAGES в {@code w:fldSimple} — * Разворачивание «сложных» полей PAGE/NUMPAGES в {@code w:fldSimple} —
@@ -30,6 +23,7 @@ import java.util.zip.ZipOutputStream;
* внутрь {@code w:sdt}: нумерация страниц Word почти всегда лежит в * внутрь {@code w:sdt}: нумерация страниц Word почти всегда лежит в
* контентном контроле («Page Numbers (Top of Page)»), и до поля не добирается. * контентном контроле («Page Numbers (Top of Page)»), и до поля не добирается.
* Отсюда и нормализация байтов, как в {@link DocxOnOffNormalizer}. * Отсюда и нормализация байтов, как в {@link DocxOnOffNormalizer}.
* Регрессия — WordPdfConverterTest#pageNumbers_recomputedNotCached.
* *
* Трогаются только поля, которые действительно есть кому рисовать * Трогаются только поля, которые действительно есть кому рисовать
* ({@link #SUPPORTED}); остальные остаются как были. Вложенные поля не * ({@link #SUPPORTED}); остальные остаются как были. Вложенные поля не
@@ -44,36 +38,6 @@ final class FieldNormalizer {
private FieldNormalizer() { private FieldNormalizer() {
} }
/**
* Переписывает поддерживаемые поля во всех word/*.xml частях docx.
*
* @param docx байты .docx (zip)
* @return те же или переупакованные байты
*/
static byte[] normalize(byte[] docx) throws IOException {
ByteArrayOutputStream out = new ByteArrayOutputStream(docx.length);
boolean changed = false;
try (ZipInputStream zis = new ZipInputStream(new ByteArrayInputStream(docx));
ZipOutputStream zos = new ZipOutputStream(out)) {
ZipEntry entry;
while ((entry = zis.getNextEntry()) != null) {
byte[] data = zis.readAllBytes();
String name = entry.getName();
if (name.startsWith("word/") && name.endsWith(".xml")) {
String fixed = rewrite(new String(data, StandardCharsets.UTF_8));
if (fixed != null) {
changed = true;
data = fixed.getBytes(StandardCharsets.UTF_8);
}
}
zos.putNextEntry(new ZipEntry(name));
zos.write(data);
zos.closeEntry();
}
}
return changed ? out.toByteArray() : docx;
}
/** /**
* @return новая строка либо null, если менять нечего * @return новая строка либо null, если менять нечего
*/ */
@@ -4,18 +4,11 @@ import ru.pjandro.wordpdf.fonts.BundledFontAliases;
import ru.pjandro.wordpdf.fonts.BundledFonts; import ru.pjandro.wordpdf.fonts.BundledFonts;
import ru.pjandro.wordpdf.fonts.GlyphFont; import ru.pjandro.wordpdf.fonts.GlyphFont;
import java.io.ByteArrayInputStream;
import java.io.ByteArrayOutputStream;
import java.io.IOException;
import java.nio.charset.StandardCharsets;
import java.util.ArrayList; import java.util.ArrayList;
import java.util.List; import java.util.List;
import java.util.Map; import java.util.Map;
import java.util.regex.Matcher; import java.util.regex.Matcher;
import java.util.regex.Pattern; import java.util.regex.Pattern;
import java.util.zip.ZipEntry;
import java.util.zip.ZipInputStream;
import java.util.zip.ZipOutputStream;
import java.util.concurrent.ConcurrentHashMap; import java.util.concurrent.ConcurrentHashMap;
/** /**
@@ -81,36 +74,6 @@ final class GlyphCoverageNormalizer {
private GlyphCoverageNormalizer() { private GlyphCoverageNormalizer() {
} }
/**
* Разрезает раны с непокрытыми глифами в XML-частях docx (word/*.xml).
*
* @param docx байты .docx (zip)
* @return те же или переупакованные байты
*/
static byte[] normalize(byte[] docx) throws IOException {
ByteArrayOutputStream out = new ByteArrayOutputStream(docx.length);
boolean changed = false;
try (ZipInputStream zis = new ZipInputStream(new ByteArrayInputStream(docx));
ZipOutputStream zos = new ZipOutputStream(out)) {
ZipEntry entry;
while ((entry = zis.getNextEntry()) != null) {
byte[] data = zis.readAllBytes();
String name = entry.getName();
if (name.startsWith("word/") && name.endsWith(".xml")) {
String fixed = rewrite(new String(data, StandardCharsets.UTF_8));
if (fixed != null) {
changed = true;
data = fixed.getBytes(StandardCharsets.UTF_8);
}
}
zos.putNextEntry(new ZipEntry(name));
zos.write(data);
zos.closeEntry();
}
}
return changed ? out.toByteArray() : docx;
}
/** /**
* Переписывает раны с непокрытыми глифами. * Переписывает раны с непокрытыми глифами.
* *
@@ -16,6 +16,8 @@ import java.util.regex.Pattern;
* содержащий math-элемент вне {@link MathModel#SUPPORTED}, заменяется раном с * содержащий math-элемент вне {@link MathModel#SUPPORTED}, заменяется раном с
* конкатенацией текста {@code m:t} (как штатный фолбэк docx4j * конкатенацией текста {@code m:t} (как штатный фолбэк docx4j
* {@code XsltFOFunctions.mathText}) — формула видна текстом, а не теряется. * {@code XsltFOFunctions.mathText}) — формула видна текстом, а не теряется.
* Регрессия — WordPdfConverterTest#ommlUnsupported_degradesToText,
* юниты — MathFallbackNormalizerTest.
* *
* <p>Зачем скан до загрузки docx4j: собственный растер формул * <p>Зачем скан до загрузки docx4j: собственный растер формул
* ({@code MathModel}/{@code MathRenderer} в {@code DrawingPreRenderer}) * ({@code MathModel}/{@code MathRenderer} в {@code DrawingPreRenderer})
@@ -209,8 +209,10 @@ public final class OleObjectNormalizer {
if (contentTypes == null) { if (contentTypes == null) {
return docx; return docx;
} }
String ctXml = new String(zf.getInputStream(contentTypes).readAllBytes(), String ctXml;
StandardCharsets.UTF_8); try (InputStream in = zf.getInputStream(contentTypes)) {
ctXml = new String(in.readAllBytes(), StandardCharsets.UTF_8);
}
Map<String, String> defaults = defaultTypes(ctXml); Map<String, String> defaults = defaultTypes(ctXml);
Map<String, String> overrides = overrideTypes(ctXml); Map<String, String> overrides = overrideTypes(ctXml);
@@ -250,7 +252,10 @@ public final class OleObjectNormalizer {
if (oleParts.contains(name)) { if (oleParts.contains(name)) {
continue; continue;
} }
byte[] data = zf.getInputStream(entry).readAllBytes(); byte[] data;
try (InputStream in = zf.getInputStream(entry)) {
data = in.readAllBytes();
}
if (name.endsWith(".rels")) { if (name.endsWith(".rels")) {
String fixed = stripRels( String fixed = stripRels(
new String(data, StandardCharsets.UTF_8), name, oleParts); new String(data, StandardCharsets.UTF_8), name, oleParts);
@@ -29,8 +29,8 @@ import java.util.zip.ZipOutputStream;
* CT_R: {@code w:r} → {@code w:ruby} → rubyPr/rt/rubyBase, wml.xsd) иначе * CT_R: {@code w:r} → {@code w:ruby} → rubyPr/rt/rubyBase, wml.xsd) иначе
* достаёт catch-all-шаблону XSLT и база теряется молча. * достаёт catch-all-шаблону XSLT и база теряется молча.
* *
* <p>В конвейере подключается десятым рерайтом в {@link DocxRewritePipeline} * <p>В конвейере подключается одиннадцатым рерайтом в {@link DocxRewritePipeline}
* (после Hidden; порядок 1–8 не перенумеровать); в * (после Hidden; порядок правил фиксирован в {@code DocxRewritePipeline}); в
* {@code WordPdfConverter#normalizers} напрямую не вызывается, как и * {@code WordPdfConverter#normalizers} напрямую не вызывается, как и
* остальные rewrite-нормализаторы. * остальные rewrite-нормализаторы.
* *
@@ -22,8 +22,8 @@ import java.util.zip.ZipOutputStream;
* {@code <w:lvlText w:val="&#xF0A7;"/>} + {@code w:rFonts w:ascii="Wingdings"} * {@code <w:lvlText w:val="&#xF0A7;"/>} + {@code w:rFonts w:ascii="Wingdings"}
* — это «▪», а тот же код в Symbol — «♣». Экспорт docx4j в XSL-FO эти * — это «▪», а тот же код в Symbol — «♣». Экспорт docx4j в XSL-FO эти
* шрифты не знает: код уходит в fallback-семейство, глифа там нет, и FOP * шрифты не знает: код уходит в fallback-семейство, глифа там нет, и FOP
* рисует {@code .notdef} — в PDF решётку «#» (регрессия: * рисует {@code .notdef} — в PDF решётку «#».
* {@code WordPdfConverterTest#symbolFonts_bulletsAreNotHash}). * Регрессия — WordPdfConverterTest#symbolFonts_bulletsAreNotHash.
* *
* Делаем то же, что Word: код из PUA заменяем его Unicode-эквивалентом, * Делаем то же, что Word: код из PUA заменяем его Unicode-эквивалентом,
* а имя шрифта — на fallback-семейство (в нём этих глифов достаточно). * а имя шрифта — на fallback-семейство (в нём этих глифов достаточно).
@@ -1137,7 +1137,11 @@ final class ChartSpec {
return null; return null;
} }
try { try {
return Double.parseDouble(s.trim()); double v = Double.parseDouble(s.trim());
// ST_Double допускает литералы NaN/Infinity; в пиксельных
// формулах пейнтеров они дают молча пустой график — считаем
// точку отсутствующей.
return Double.isFinite(v) ? v : null;
} catch (NumberFormatException e) { } catch (NumberFormatException e) {
return null; return null;
} }
@@ -134,6 +134,22 @@ public final class MathModel {
/** Межстрочный/межколоночный зазор сетки в pt. */ /** Межстрочный/межколоночный зазор сетки в pt. */
static final double GRID_ROW_GAP = 2.0; static final double GRID_ROW_GAP = 2.0;
/**
* Капа вложенности OMML (§22.1 допускает произвольную): враждебный docx
* с тысячами уровней {@code m:d}/{@code m:e} разгонял стек рекурсии
* elements→box→arg до StackOverflowError; 64 с запасом для реальных
* формул Word.
* Регрессия — MathModelTest#deepNesting_unsupportedNotStackOverflow.
*/
private static final int MAX_DEPTH = 64;
/**
* Текстовая деградация best-effort: капа стек-безопасна и сохраняет
* текст формул, отсечённых капой разбора ({@value #MAX_DEPTH});
* глубже — обрезка молча.
*/
private static final int MAX_TEXT_DEPTH = 1024;
private MathModel() { private MathModel() {
} }
@@ -143,10 +159,19 @@ public final class MathModel {
* — текущий кегль (индексы разбираются в {@value #SCRIPT_RATIO} базы; * — текущий кегль (индексы разбираются в {@value #SCRIPT_RATIO} базы;
* явный {@code w:sz} рана переопределяет). * явный {@code w:sz} рана переопределяет).
*/ */
record MathCtx(boolean display, double size) { record MathCtx(boolean display, double size, int depth) {
MathCtx withSize(double newScale) { MathCtx withSize(double newScale) {
return new MathCtx(display, size * newScale); return new MathCtx(display, size * newScale, depth);
}
/** Спуск во вложенный контент; капа глубины — защита от StackOverflowError. */
MathCtx deeper() {
if (depth >= MAX_DEPTH) {
throw new MathUnsupportedException(
"глубина вложенности OMML больше " + MAX_DEPTH);
}
return new MathCtx(display, size, depth + 1);
} }
/** Семейство бандла для имени из документа; дефолт формул Word — Cambria Math. */ /** Семейство бандла для имени из документа; дефолт формул Word — Cambria Math. */
@@ -705,7 +730,8 @@ public final class MathModel {
/** Корень: {@code m:oMath} → строка боксов (kegль по умолчанию). */ /** Корень: {@code m:oMath} → строка боксов (kegль по умолчанию). */
static Box build(CTOMath math, boolean display) { static Box build(CTOMath math, boolean display) {
return elements(math.getEGOMathElements(), new MathCtx(display, DEFAULT_SIZE_PT)); return elements(math.getEGOMathElements(),
new MathCtx(display, DEFAULT_SIZE_PT, 0));
} }
/** Аргумент {@code m:e}/{@code m:num}/… → строка боксов; null → пустой бокс. */ /** Аргумент {@code m:e}/{@code m:num}/… → строка боксов; null → пустой бокс. */
@@ -713,7 +739,7 @@ public final class MathModel {
if (arg == null) { if (arg == null) {
return emptyBox(); return emptyBox();
} }
return elements(arg.getEGOMathElements(), ctx); return elements(arg.getEGOMathElements(), ctx.deeper());
} }
private static RowBox elements(List<Object> content, MathCtx ctx) { private static RowBox elements(List<Object> content, MathCtx ctx) {
@@ -1012,11 +1038,14 @@ public final class MathModel {
*/ */
public static String mathText(CTOMath math) { public static String mathText(CTOMath math) {
StringBuilder sb = new StringBuilder(); StringBuilder sb = new StringBuilder();
appendText(math, sb); appendText(math, sb, 0);
return sb.toString(); return sb.toString();
} }
private static void appendText(Object o, StringBuilder sb) { private static void appendText(Object o, StringBuilder sb, int depth) {
if (depth > MAX_TEXT_DEPTH) {
return;
}
Object v = o instanceof JAXBElement<?> el ? el.getValue() : o; Object v = o instanceof JAXBElement<?> el ? el.getValue() : o;
if (v instanceof CTText t) { if (v instanceof CTText t) {
if (t.getValue() != null) { if (t.getValue() != null) {
@@ -1032,10 +1061,10 @@ public final class MathModel {
Object r = v.getClass().getMethod(getter).invoke(v); Object r = v.getClass().getMethod(getter).invoke(v);
if (r instanceof List<?> list) { if (r instanceof List<?> list) {
for (Object x : list) { for (Object x : list) {
appendText(x, sb); appendText(x, sb, depth + 1);
} }
} else if (r != null && !(r instanceof String)) { } else if (r != null && !(r instanceof String)) {
appendText(r, sb); appendText(r, sb, depth + 1);
} }
} catch (ReflectiveOperationException | RuntimeException e) { } catch (ReflectiveOperationException | RuntimeException e) {
// Геттера нет/не вызывается — снимаем частичный вклад: сбор // Геттера нет/не вызывается — снимаем частичный вклад: сбор
@@ -1051,7 +1051,7 @@ public final class DocToDocx {
* скрытое фильтруется здесь. sprmCFCaps/sprmCFSmallCaps: {@code w:caps}/ * скрытое фильтруется здесь. sprmCFCaps/sprmCFSmallCaps: {@code w:caps}/
* {@code w:smallCaps} конвейер тоже не читает → верхний регистр * {@code w:smallCaps} конвейер тоже не читает → верхний регистр
* (малых капителек в FOP нет — приближение, см. регрессию * (малых капителек в FOP нет — приближение, см. регрессию
* DocToDocxFormattingTest#capsSmallCaps_uppercasedAtBridge). * DocToDocxFormattingTest#runFlags_positionHiddenCapsDelIns).
*/ */
private boolean shown() { private boolean shown() {
return visible() && !runHidden; return visible() && !runHidden;
@@ -211,6 +211,7 @@ final class OfficeArt {
javax.imageio.ImageIO.write(img, "png", bos); javax.imageio.ImageIO.write(img, "png", bos);
return new Picture("png", "image/png", bos.toByteArray(), emu(sizeX), emu(sizeY)); return new Picture("png", "image/png", bos.toByteArray(), emu(sizeX), emu(sizeY));
} catch (java.io.IOException | RuntimeException e) { } catch (java.io.IOException | RuntimeException e) {
LOG.warning("DIB в .doc не декодирован: " + e);
return null; return null;
} }
} }
@@ -43,6 +43,10 @@ final class Styles {
/** Защита от цикла в istdBase. */ /** Защита от цикла в istdBase. */
private static final int MAX_CHAIN = 16; private static final int MAX_CHAIN = 16;
/** Битый STSH логируется (JUL — конвенция {@code internal/}, образец OfficeArt). */
private static final java.util.logging.Logger LOG =
java.util.logging.Logger.getLogger(Styles.class.getName());
/** Один стиль: stk (§2.9.260), предка + собственные grpprl'ы (пустые — нет). */ /** Один стиль: stk (§2.9.260), предка + собственные grpprl'ы (пустые — нет). */
private record Style(int istdBase, int stk, byte[] papx, byte[] chpx) { private record Style(int istdBase, int stk, byte[] papx, byte[] chpx) {
} }
@@ -54,6 +58,7 @@ final class Styles {
try { try {
parsed = readAll(table, fc, lcb); parsed = readAll(table, fc, lcb);
} catch (RuntimeException broken) { } catch (RuntimeException broken) {
LOG.warning("Таблица стилей .doc не разобрана: " + broken);
parsed = new Style[0]; parsed = new Style[0];
} }
styles = parsed; styles = parsed;
@@ -1163,7 +1163,7 @@
bidi-направление — принятая деградация (complex-script в FOP-форке нет). bidi-направление — принятая деградация (complex-script в FOP-форке нет).
Руби (w:rubyBase/w:rt, §17.3.3.27/.24) тут не чинится: схема docx4j Руби (w:rubyBase/w:rt, §17.3.3.27/.24) тут не чинится: схема docx4j
не биндит эти элементы, unmarshaller выбрасывает их до XSLT — разбор не биндит эти элементы, unmarshaller выбрасывает их до XSLT — разбор
делает RubyNormalizer (правило 10) в байтах. делает RubyNormalizer (правило 11) в байтах.
Регрессии — WordPdfConverterTest#movedRevision_textPrinted, #bdoDir_textPrinted. --> Регрессии — WordPdfConverterTest#movedRevision_textPrinted, #bdoDir_textPrinted. -->
<xsl:template match="w:moveFrom"> <xsl:template match="w:moveFrom">
<xsl:apply-templates select="*|text()"/> <xsl:apply-templates select="*|text()"/>
@@ -234,7 +234,7 @@ class WordPdfConverterTest {
/** /**
* Фикстура chart-types.docx (создана вручную, chart-XML литералами — POI * Фикстура chart-types.docx (создана вручную, chart-XML литералами — POI
* эти типы не пишет): все тринадцать — точечная, пузырьковая, * эти типы не пишет): все четырнадцать — точечная, пузырьковая,
* лепестковая, биржевая, кольцевая-доля, три объёмных декартовых, * лепестковая, биржевая, кольцевая-доля, три объёмных декартовых,
* поверхность, wireframe-поверхность (c:wireframe val="1"), * поверхность, wireframe-поверхность (c:wireframe val="1"),
* график с накоплением и линейчатая с накоплением * график с накоплением и линейчатая с накоплением
@@ -684,6 +684,14 @@ class WordPdfConverterTest {
WordPdfConverter.convert(null, "x", opts())); WordPdfConverter.convert(null, "x", opts()));
} }
/** {@code null} options — отказ публичного API, не NPE и не дефолты (m-7 ревью ядра). */
@Test
void convert_nullOptions_rejected() {
assertThrows(ValidationException.class, () ->
WordPdfConverter.convert(new byte[] {'P', 'K', 3, 4}, "x", null),
"null options не отклонён");
}
/** /**
* Лимит на размер входа: больше 5 MiB — отказ до рендера. * Лимит на размер входа: больше 5 MiB — отказ до рендера.
*/ */
@@ -2825,6 +2833,25 @@ class WordPdfConverterTest {
"unsupported-формула не обязана давать растр"); "unsupported-формула не обязана давать растр");
} }
/**
* Сквозная регрессия капы вложенности OMML (M-2 ревью ядра): глубокая
* цепочка {@code m:d}/{@code m:e} проходит байтовый скан (все теги в
* SUPPORTED), упирается в капу MathModel и деградирует в текст — PDF
* содержит {@code x}, падения нет.
*/
@Test
void ommlDeepNesting_flattenedToText() throws IOException {
String deep = "<m:d><m:e>".repeat(100)
+ "<m:r><m:t>x</m:t></m:r>"
+ "</m:e></m:d>".repeat(100);
String body = "<w:p><m:oMath"
+ " xmlns:m=\"http://schemas.openxmlformats.org/officeDocument/2006/math\">"
+ deep + "</m:oMath></w:p>";
Path pdf = convertPdf(minimalDocx(body), "тест");
String t = norm(pdfText(pdf));
assertTrue(t.contains("x"), "текст глубокой формулы потерян: " + t);
}
/** /**
* {@code w:highlight} и run-{@code w:shd} (§17.3.2.16/.29) рисуют фон — * {@code w:highlight} и run-{@code w:shd} (§17.3.2.16/.29) рисуют фон —
* вопреки прежней записи аудита о «фоном не обладающем fo:inline» * вопреки прежней записи аудита о «фоном не обладающем fo:inline»
@@ -661,6 +661,35 @@ class WordPdfValidatorTest {
} }
} }
/**
* Краи JPEG-скана {@code rasterArea}: без FFD8, обрезанный SOF
* (длина сегмента за границей байтов), standalone-маркеры (RSTn — без
* длины) и пропуск сегмента с длиной — площадь не объявлена/мала,
* отказ не ожидается (m-7 ревью ядра, ветки :501/:511/:515-517/:519).
*/
@Test
void validate_rasterJpegEdges_accepted() throws Exception {
byte[][] heads = {
// не FFD8 — скан не начинается
{0x00, 0x01, 0x02, 0x03},
// SOF0 объявлен, данных кадра за границей массива нет
{(byte) 0xFF, (byte) 0xD8, (byte) 0xFF, (byte) 0xC0, 0x00, 0x11, 0x08},
// RST0 (standalone) перед штатным SOF 10×10
{(byte) 0xFF, (byte) 0xD8, (byte) 0xFF, (byte) 0xD0,
(byte) 0xFF, (byte) 0xC0, 0x00, 0x11, 0x08,
0x00, 0x0A, 0x00, 0x0A},
// APP1 (длина 4) пропущен, штатный SOF 10×10 за ним
{(byte) 0xFF, (byte) 0xD8, (byte) 0xFF, (byte) 0xE1, 0x00, 0x04,
0x00, 0x00, (byte) 0xFF, (byte) 0xC0, 0x00, 0x11, 0x08,
0x00, 0x0A, 0x00, 0x0A},
};
for (int i = 0; i < heads.length; i++) {
byte[] zip = zipOf("word/media/e" + i + ".jpg", heads[i]);
assertDoesNotThrow(() -> WordPdfValidator.validate(zip, DEF_OPTS),
"край JPEG-заголовка отклонён: вариант " + i);
}
}
@Test @Test
void validate_tooManyPages() throws Exception { void validate_tooManyPages() throws Exception {
byte[] bytes = docxWithPageBreaks(120); byte[] bytes = docxWithPageBreaks(120);
@@ -677,6 +706,51 @@ class WordPdfValidatorTest {
() -> WordPdfValidator.validate(null, DEF_OPTS)); () -> WordPdfValidator.validate(null, DEF_OPTS));
} }
/** Экстремальный maxMb — отказ валидации, а не переполнение long (m-2 ревью ядра). */
@Test
void checkInput_extremeMaxMb_rejected() {
assertThrows(ValidationException.class,
() -> WordPdfValidator.checkInput(new byte[] {1}, Long.MAX_VALUE),
"переполнение maxMb не отклонено");
}
/**
* m-2 на .doc-пути: порог растра maxMb×5_000_000 переполняется раньше
* байтового лимита — гейт обязан отклонить до DocToDocx.convert.
*/
@Test
void checkInput_rasterCoefficientOverflow_rejected() {
assertThrows(ValidationException.class,
() -> WordPdfValidator.checkInput(new byte[] {1}, 2_000_000_000_000L),
"переполнение порога растра не отклонено");
}
/** Реальный .doc + maxMb=2·10¹² — ValidationException, не сырой ArithmeticException. */
@Test
void validate_docExtremeMaxMb_rejectedNotArithmetic() throws Exception {
assertThrows(ValidationException.class,
() -> WordPdfValidator.validate(sample("too-many-pages.doc"),
new ConvertOptions(false, false, false, 2_000_000_000_000L, 100)),
"переполнение на .doc-пути ушло мимо ValidationException");
}
/** {@code null} options — отказ публичного API (m-7 ревью ядра). */
@Test
void validate_nullOptions_rejected() {
assertThrows(ValidationException.class,
() -> WordPdfValidator.validate(new byte[] {'P', 'K', 3, 4}, null),
"null options не отклонён");
}
/** Бюджеты распаковки при экстремальном maxMb — ValidationException, не ArithmeticException. */
@Test
void validate_extremeMaxMb_rejectedNotArithmetic() {
assertThrows(ValidationException.class,
() -> WordPdfValidator.validate(new byte[] {'P', 'K', 3, 4},
new ConvertOptions(false, false, false, 1_000_000_000_000L, 100)),
"ArithmeticException ушёл мимо ValidationException");
}
/** /**
* Lightweight-путь читает сырые байты до нормализации и обязан видеть * Lightweight-путь читает сырые байты до нормализации и обязан видеть
* разрывы {@code w:br w:type="page"} в strict-namespace'ах * разрывы {@code w:br w:type="page"} в strict-namespace'ах
@@ -851,6 +851,26 @@ class ChartSpecTest {
() -> ChartSpec.parse(spaceWith(chart), new DrawMlColor(null))); () -> ChartSpec.parse(spaceWith(chart), new DrawMlColor(null)));
} }
/**
* ST_Double (§22.4.1.27) допускает литералы NaN/Infinity; в пиксельных
* формулах пейнтеров они дают молча пустой график — non-finite точка
* считается отсутствующей (null), как не-число (m-9 ревью ядра).
*/
@Test
void nonFiniteSeriesValues_dropped() {
CTNumData cache = new CTNumData();
cache.getPt().add(numPt(0, "NaN"));
cache.getPt().add(numPt(1, "Infinity"));
cache.getPt().add(numPt(2, "2"));
CTChart chart = barChartWithVal(numSource(cache));
ChartSpec spec = ChartSpec.parse(spaceWith(chart), new DrawMlColor(null));
List<Double> values = spec.series.get(0).values;
assertEquals(3, values.size());
assertNull(values.get(0), "NaN не отброшен");
assertNull(values.get(1), "Infinity не отброшен");
assertEquals(2.0, values.get(2), "finite-значение задето фильтром");
}
/** c:pt/@idx = 4·10⁹ в категориях (§21.2.2.151) — отказ и в str-ветке. */ /** c:pt/@idx = 4·10⁹ в категориях (§21.2.2.151) — отказ и в str-ветке. */
@Test @Test
void hugeCategoryIndex_rejectedNotOom() { void hugeCategoryIndex_rejectedNotOom() {
@@ -2,6 +2,7 @@ package ru.pjandro.wordpdf.internal.chart;
import org.docx4j.openpackaging.packages.WordprocessingMLPackage; import org.docx4j.openpackaging.packages.WordprocessingMLPackage;
import org.docx4j.openpackaging.parts.Part; import org.docx4j.openpackaging.parts.Part;
import org.docx4j.openpackaging.parts.PartName;
import org.docx4j.openpackaging.parts.relationships.RelationshipsPart; import org.docx4j.openpackaging.parts.relationships.RelationshipsPart;
import org.docx4j.openpackaging.parts.WordprocessingML.BinaryPart; import org.docx4j.openpackaging.parts.WordprocessingML.BinaryPart;
import org.junit.jupiter.api.Test; import org.junit.jupiter.api.Test;
@@ -10,12 +11,17 @@ import javax.imageio.ImageIO;
import java.awt.image.BufferedImage; import java.awt.image.BufferedImage;
import java.io.ByteArrayInputStream; import java.io.ByteArrayInputStream;
import java.io.ByteArrayOutputStream; import java.io.ByteArrayOutputStream;
import java.io.IOException;
import java.io.InputStream; import java.io.InputStream;
import java.nio.charset.StandardCharsets;
import java.util.ArrayList; import java.util.ArrayList;
import java.util.List; import java.util.List;
import java.util.zip.ZipEntry;
import java.util.zip.ZipOutputStream;
import static org.junit.jupiter.api.Assertions.assertArrayEquals; import static org.junit.jupiter.api.Assertions.assertArrayEquals;
import static org.junit.jupiter.api.Assertions.assertEquals; import static org.junit.jupiter.api.Assertions.assertEquals;
import static org.junit.jupiter.api.Assertions.assertFalse;
import static org.junit.jupiter.api.Assertions.assertNotNull; import static org.junit.jupiter.api.Assertions.assertNotNull;
import static org.junit.jupiter.api.Assertions.assertSame; import static org.junit.jupiter.api.Assertions.assertSame;
import static org.junit.jupiter.api.Assertions.assertTrue; import static org.junit.jupiter.api.Assertions.assertTrue;
@@ -25,6 +31,10 @@ import static org.junit.jupiter.api.Assertions.assertTrue;
* часть держит исходные байты PNG (без docx4j-перекодирования), именуется с * часть держит исходные байты PNG (без docx4j-перекодирования), именуется с
* префиксом {@code /word/media/chart-} (маркер ChartImageHandler) и * префиксом {@code /word/media/chart-} (маркер ChartImageHandler) и
* регистрируется с корректным r:id. * регистрируется с корректным r:id.
*
* <p>Ветки OOM, провала PNG-кодирования и создания ImagePart детерминированно
* не воспроизводятся в юните (OOM / сбой IO на in-memory пакете) — покрыты
* только наблюдаемые деградации «объект удалён» и «формула в текст».
*/ */
class DrawingPreRendererTest { class DrawingPreRendererTest {
@@ -125,4 +135,266 @@ class DrawingPreRendererTest {
assertArrayEquals(green, ((BinaryPart) media.get(0)).getBytes()); assertArrayEquals(green, ((BinaryPart) media.get(0)).getBytes());
assertArrayEquals(red, ((BinaryPart) media.get(1)).getBytes()); assertArrayEquals(red, ((BinaryPart) media.get(1)).getBytes());
} }
// ------------------------------------------------------------------
// Деградации run(): «объект удалён» и «формула в текст» (M-1 ревью ядра)
// ------------------------------------------------------------------
private static final String W_NS =
"http://schemas.openxmlformats.org/wordprocessingml/2006/main";
private static final String C_NS =
"http://schemas.openxmlformats.org/drawingml/2006/chart";
private static final String M_NS =
"http://schemas.openxmlformats.org/officeDocument/2006/math";
/** Ряд штатного графика: 11 точек 0..100 (запущен в hostileChartAxis). */
private static final String PTS = pts();
private static String pts() {
StringBuilder sb = new StringBuilder();
for (int i = 0; i <= 10; i++) {
sb.append("<c:pt idx=\"").append(i).append("\"><c:v>")
.append(i * 10).append("</c:v></c:pt>");
}
return sb.toString();
}
/** Заведомо рендерящийся lineChart (тот же каркас, что chartDocx-фикстура). */
private static final String VALID_CHART =
"<?xml version=\"1.0\" encoding=\"UTF-8\" standalone=\"yes\"?>"
+ "<c:chartSpace xmlns:c=\"" + C_NS + "\""
+ " xmlns:a=\"http://schemas.openxmlformats.org/drawingml/2006/main\">"
+ "<c:chart><c:plotArea>"
+ "<c:lineChart><c:grouping val=\"standard\"/>"
+ "<c:ser><c:idx val=\"0\"/><c:order val=\"0\"/>"
+ "<c:val><c:numRef><c:numCache><c:formatCode>General</c:formatCode>"
+ "<c:ptCount val=\"11\"/>" + PTS + "</c:numCache></c:numRef></c:val>"
+ "</c:ser>"
+ "<c:axId val=\"11\"/><c:axId val=\"12\"/>"
+ "</c:lineChart>"
+ "<c:catAx><c:axId val=\"12\"/>"
+ "<c:scaling><c:orientation val=\"minMax\"/></c:scaling>"
+ "<c:delete val=\"0\"/><c:axPos val=\"b\"/><c:crossAx val=\"11\"/></c:catAx>"
+ "<c:valAx><c:axId val=\"11\"/>"
+ "<c:scaling><c:orientation val=\"minMax\"/></c:scaling>"
+ "<c:delete val=\"0\"/><c:axPos val=\"l\"/><c:crossAx val=\"11\"/></c:valAx>"
+ "</c:plotArea></c:chart></c:chartSpace>";
/** c:chart → rId2 (собственные rels документа). */
private static final String GRAPHIC =
"<a:graphic xmlns:a=\"http://schemas.openxmlformats.org/drawingml/2006/main\">"
+ "<a:graphicData uri=\"" + C_NS + "\">"
+ "<c:chart xmlns:c=\"" + C_NS + "\""
+ " xmlns:r=\"http://schemas.openxmlformats.org/officeDocument/2006/relationships\""
+ " r:id=\"rId2\"/>"
+ "</a:graphicData></a:graphic>";
private static final String INLINE =
"<wp:inline distT=\"0\" distB=\"0\" distL=\"0\" distR=\"0\">"
+ "<wp:extent cx=\"914400\" cy=\"914400\"/>"
+ "<wp:docPr id=\"1\" name=\"d1\"/>"
+ GRAPHIC + "</wp:inline>";
private static final String ANCHOR =
"<wp:anchor distT=\"0\" distB=\"0\" distL=\"0\" distR=\"0\" simplePos=\"0\""
+ " relativeHeight=\"0\" behindDoc=\"0\" locked=\"0\""
+ " layoutInCell=\"1\" allowOverlap=\"1\">"
+ "<wp:simplePos x=\"0\" y=\"0\"/>"
+ "<wp:positionH relativeFrom=\"margin\"><wp:align>left</wp:align></wp:positionH>"
+ "<wp:positionV relativeFrom=\"margin\"><wp:align>top</wp:align></wp:positionV>"
+ "<wp:extent cx=\"914400\" cy=\"914400\"/>"
+ "<wp:effectExtent l=\"0\" t=\"0\" r=\"0\" b=\"0\"/>"
+ "<wp:docPr id=\"1\" name=\"d1\"/>"
+ GRAPHIC + "</wp:anchor>";
private static ru.pjandro.wordpdf.ConvertOptions opts() {
return new ru.pjandro.wordpdf.ConvertOptions(false, false, false, 5, 100);
}
private static void putZip(ZipOutputStream zos, String name, String xml)
throws IOException {
zos.putNextEntry(new ZipEntry(name));
zos.write(xml.getBytes(StandardCharsets.UTF_8));
zos.closeEntry();
}
/** Минимальный transitional-docx с указанным телом w:body (3 части). */
private static byte[] minimalDocx(String bodyXml) throws IOException {
ByteArrayOutputStream out = new ByteArrayOutputStream();
try (ZipOutputStream zos = new ZipOutputStream(out)) {
putZip(zos, "[Content_Types].xml",
"<?xml version=\"1.0\" encoding=\"UTF-8\" standalone=\"yes\"?>"
+ "<Types xmlns=\"http://schemas.openxmlformats.org/package/2006/content-types\">"
+ "<Default Extension=\"rels\" ContentType=\"application/vnd.openxmlformats-package.relationships+xml\"/>"
+ "<Default Extension=\"xml\" ContentType=\"application/xml\"/>"
+ "<Override PartName=\"/word/document.xml\" ContentType=\"application/vnd.openxmlformats-officedocument.wordprocessingml.document.main+xml\"/>"
+ "</Types>");
putZip(zos, "_rels/.rels",
"<?xml version=\"1.0\" encoding=\"UTF-8\" standalone=\"yes\"?>"
+ "<Relationships xmlns=\"http://schemas.openxmlformats.org/package/2006/relationships\">"
+ "<Relationship Id=\"rId1\" Type=\"http://schemas.openxmlformats.org/officeDocument/2006/relationships/officeDocument\" Target=\"word/document.xml\"/>"
+ "</Relationships>");
putZip(zos, "word/document.xml",
"<?xml version=\"1.0\" encoding=\"UTF-8\" standalone=\"yes\"?>"
+ "<w:document xmlns:w=\"" + W_NS + "\""
+ " xmlns:wp=\"http://schemas.openxmlformats.org/drawingml/2006/wordprocessingDrawing\">"
+ "<w:body>" + bodyXml
+ "<w:sectPr><w:pgSz w:w=\"11906\" w:h=\"16838\"/></w:sectPr>"
+ "</w:body></w:document>");
}
return out.toByteArray();
}
/** Docx с chart-частью chartXml и drawing-обёрткой drawingXml (5 частей). */
private static byte[] chartDocx(String chartXml, String drawingXml)
throws IOException {
ByteArrayOutputStream out = new ByteArrayOutputStream();
try (ZipOutputStream zos = new ZipOutputStream(out)) {
putZip(zos, "[Content_Types].xml",
"<?xml version=\"1.0\" encoding=\"UTF-8\" standalone=\"yes\"?>"
+ "<Types xmlns=\"http://schemas.openxmlformats.org/package/2006/content-types\">"
+ "<Default Extension=\"rels\" ContentType=\"application/vnd.openxmlformats-package.relationships+xml\"/>"
+ "<Default Extension=\"xml\" ContentType=\"application/xml\"/>"
+ "<Override PartName=\"/word/document.xml\" ContentType=\"application/vnd.openxmlformats-officedocument.wordprocessingml.document.main+xml\"/>"
+ "<Override PartName=\"/word/charts/chart1.xml\" ContentType=\"application/vnd.openxmlformats-officedocument.drawingml.chart+xml\"/>"
+ "</Types>");
putZip(zos, "_rels/.rels",
"<?xml version=\"1.0\" encoding=\"UTF-8\" standalone=\"yes\"?>"
+ "<Relationships xmlns=\"http://schemas.openxmlformats.org/package/2006/relationships\">"
+ "<Relationship Id=\"rId1\" Type=\"http://schemas.openxmlformats.org/officeDocument/2006/relationships/officeDocument\" Target=\"word/document.xml\"/>"
+ "</Relationships>");
putZip(zos, "word/document.xml",
"<?xml version=\"1.0\" encoding=\"UTF-8\" standalone=\"yes\"?>"
+ "<w:document xmlns:w=\"" + W_NS + "\""
+ " xmlns:wp=\"http://schemas.openxmlformats.org/drawingml/2006/wordprocessingDrawing\">"
+ "<w:body>"
+ "<w:p><w:r><w:t>ГРАФИКМАРКЕР</w:t></w:r></w:p>"
+ "<w:p><w:r><w:drawing>" + drawingXml + "</w:drawing></w:r></w:p>"
+ "<w:sectPr><w:pgSz w:w=\"11906\" w:h=\"16838\"/></w:sectPr>"
+ "</w:body></w:document>");
putZip(zos, "word/_rels/document.xml.rels",
"<?xml version=\"1.0\" encoding=\"UTF-8\" standalone=\"yes\"?>"
+ "<Relationships xmlns=\"http://schemas.openxmlformats.org/package/2006/relationships\">"
+ "<Relationship Id=\"rId2\" Type=\"http://schemas.openxmlformats.org/officeDocument/2006/relationships/chart\" Target=\"charts/chart1.xml\"/>"
+ "</Relationships>");
putZip(zos, "word/charts/chart1.xml", chartXml);
}
return out.toByteArray();
}
private static WordprocessingMLPackage load(byte[] docx) throws Exception {
return WordprocessingMLPackage.load(new ByteArrayInputStream(docx));
}
/**
* Битая ссылка на chart-часть (r:id ведёт в никуда): «объект удалён» —
* graphic очищен, pic:pic не подставлен, media пуст; конвертация не падает.
*/
@Test
void chartPartMissing_objectRemoved() throws Exception {
WordprocessingMLPackage pkg = load(chartDocx(VALID_CHART, INLINE));
pkg.getParts().remove(new PartName("/word/charts/chart1.xml"));
DrawingPreRenderer.run(pkg, opts(), Long.MAX_VALUE);
assertTrue(chartMedia(pkg).isEmpty(),
"битая chart-ссылка не должна порождать media-части");
String xml = pkg.getMainDocumentPart().getXML();
assertFalse(xml.contains("blip"),
"битая ссылка на chart-часть не удалила объект: " + xml);
}
/**
* Отказ парсинга chart (ptCount за MAX_POINTS) — деградация «объект
* удалён + warn», не падение конвертации.
*/
@Test
void chartRenderFails_objectRemoved() throws Exception {
String hostile = VALID_CHART.replace("<c:ptCount val=\"11\"/>",
"<c:ptCount val=\"200000\"/>");
WordprocessingMLPackage pkg = load(chartDocx(hostile, INLINE));
DrawingPreRenderer.run(pkg, opts(), Long.MAX_VALUE);
assertTrue(chartMedia(pkg).isEmpty(),
"рухнувший рендер не должен порождать media-части");
assertFalse(pkg.getMainDocumentPart().getXML().contains("blip"),
"рухнувший рендер не удалил объект");
}
/** wp:anchor (фреймовая привязка) обрабатывается так же, как wp:inline. */
@Test
void anchorChart_rendered() throws Exception {
WordprocessingMLPackage pkg = load(chartDocx(VALID_CHART, ANCHOR));
DrawingPreRenderer.run(pkg, opts(), Long.MAX_VALUE);
assertEquals(1, chartMedia(pkg).size(), "anchor-диаграмма не отрендерена");
}
/**
* Исчерпание бюджета math-PNG: формула деградирует в текст (ран
* {@code >x<}), растра нет, {@code m:oMath} из дерева снят.
*/
@Test
void mathBudget_exhausted_degradesToText() throws Exception {
WordprocessingMLPackage pkg = load(minimalDocx(
"<w:p><m:oMath xmlns:m=\"" + M_NS + "\">"
+ "<m:r><m:t>x</m:t></m:r></m:oMath></w:p>"));
DrawingPreRenderer.run(pkg, opts(), 1);
String xml = pkg.getMainDocumentPart().getXML();
assertTrue(xml.contains(">x<"), "формула не деградировала в текст: " + xml);
assertFalse(xml.contains("blip"), "деградация оставила растр");
assertFalse(xml.contains("oMath"), "m:oMath не снят с дерева");
}
/**
* {@code w:br} внутри {@code m:r}: байтовый скан MathFallbackNormalizer
* его не видит (не m:-префикс), MathModel бросает unsupported — ран
* деградирует в конкатенацию {@code m:t}.
*/
@Test
void mathWithBr_degradesToText() throws Exception {
WordprocessingMLPackage pkg = load(minimalDocx(
"<w:p><m:oMath xmlns:m=\"" + M_NS + "\" xmlns:w=\"" + W_NS + "\">"
+ "<m:r><w:br/><m:t>x</m:t></m:r></m:oMath></w:p>"));
DrawingPreRenderer.run(pkg, opts(), Long.MAX_VALUE);
String xml = pkg.getMainDocumentPart().getXML();
assertTrue(xml.contains(">x<"), "формула с w:br не деградировала в текст: " + xml);
assertFalse(xml.contains("blip"), "неподдержанная формула дала растр");
}
/** Пустая формула: растр пустой/текст пуст — {@code m:oMath} удалён без замен. */
@Test
void emptyMath_removed() throws Exception {
WordprocessingMLPackage pkg = load(minimalDocx(
"<w:p><m:oMath xmlns:m=\"" + M_NS + "\"/></w:p>"));
DrawingPreRenderer.run(pkg, opts(), Long.MAX_VALUE);
assertFalse(pkg.getMainDocumentPart().getXML().contains("oMath"),
"пустая формула не удалена из дерева");
}
/**
* {@code m:oMathPara} внутри {@code w:p}: формула рендерится display,
* содержащему абзацу выставляется {@code jc=center}.
*/
@Test
void mathParaInParagraph_centered() throws Exception {
WordprocessingMLPackage pkg = load(minimalDocx(
"<w:p><m:oMathPara xmlns:m=\"" + M_NS + "\"><m:oMath>"
+ "<m:r><m:t>x</m:t></m:r></m:oMath></m:oMathPara></w:p>"));
DrawingPreRenderer.run(pkg, opts(), Long.MAX_VALUE);
String xml = pkg.getMainDocumentPart().getXML();
assertTrue(xml.contains("<w:jc w:val=\"center\""),
"абзацу формулы-блока не выставлен jc=center: " + xml);
assertEquals(1, chartMedia(pkg).size(), "формула oMathPara не отрендерена");
}
} }
@@ -453,6 +453,38 @@ class MathModelTest {
assertEquals("СЕТЬ", MathModel.mathText(math)); assertEquals("СЕТЬ", MathModel.mathText(math));
} }
/** Строка-ядра для кап глубины: 100 уровней {@code m:d}/{@code m:e}. */
private static final String DEEP = "<m:d><m:e>".repeat(100)
+ "<m:r><m:t>x</m:t></m:r>"
+ "</m:e></m:d>".repeat(100);
private static CTOMath deepMath() throws IOException {
return firstMath(mathDocx("<w:p><m:oMath xmlns:m=\"" + M_NS + "\">"
+ DEEP + "</m:oMath></w:p>"));
}
/**
* Капа вложенности: враждебная цепочка {@code m:d}/{@code m:e} обязана
* отсечься {@code MathUnsupportedException} на 64-м уровне (конвейер
* деградирует формулу в текст), а не разогнать стек рекурсии до
* StackOverflowError. Регрессия — M-2 ревью ядра.
*/
@Test
void deepNesting_unsupportedNotStackOverflow() throws IOException {
CTOMath math = deepMath();
assertThrows(MathUnsupportedException.class,
() -> MathModel.build(math, false),
"глубокая вложенность не отсечена капой");
}
/** Текстовая деградация глубокой формулы достижима: капа flatten выше капы разбора. */
@Test
void deepNesting_mathTextKeptNotThrows() throws IOException {
CTOMath math = deepMath();
assertEquals("x", MathModel.mathText(math),
"текст глубокой формулы потерян при обрезке");
}
// ------------------------------------------------------------------ // ------------------------------------------------------------------
// Каркас // Каркас
// ------------------------------------------------------------------ // ------------------------------------------------------------------