fix: устранение расхождений кода со спецификациями и синхронизация доков #109

Merged
pjandro merged 4 commits from fix/spec-doc-drift into main 2026-11-16 03:25:20 +03:00
68 changed files with 1569 additions and 535 deletions
+1 -2
View File
@@ -43,7 +43,6 @@
- FOP — форк `org.docx4j:docx4j-fo-renderer*` 2.11-docx4j.6 (транзитив от `docx4j-export-fo`, в pom не пинится); расхождения с upstream-доками FOP нормальны; `lineRule=auto` не «чинить».
- Chart-media префикс `/word/media/chart-*` — пакетный контракт с `ChartImageHandler` (отключение пересжатия); переименование молча вернёт мыльный ресемпл.
- Стоп-лист «не чинить» (до любой попытки починить расхождение с Word — `docs/agent/render-limitations.md`): `jc="distribute"`, `suff="tab"`/`lvlJc`, кернинг, `framePr`, `REF`/`SEQ`/`TOC`-кэш, руби-надстрочница, `ptab`, U+2188/U+218A (GPL-шрифты не добавляем).
- Комментарии в `WordPdfConverter`/`DocxOnOffNormalizer` говорят «docx4j 11.x» — устаревшее число, фактически 17.3.2 (поведение описано верно).
## Key Directories
@@ -77,7 +76,7 @@ python3 docs/standards/docx/validate-fixtures.py wordpdf-core/src/test/resources
```
- «Запусти тестовый сервер» (термин пользователя) = dev-стенд выше, **не** `java -jar`; гейт готовности — контейнеры healthy + корень SPA 200; `--force-recreate` обязателен.
- `mvn test` PMD/JaCoCo **не** запускает (оба на `verify`); `mvn -pl wordpdf-app` без `-am` падает (зависимость от core test-jar).
- `mvn test` PMD и проверки JaCoCo **не** запускает (оба на `verify`; сам агент JaCoCo подключается и на `test` — execution `prepare-agent` на `initialize`); `mvn -pl wordpdf-app` без `-am` падает (зависимость от core test-jar).
- Деплой — push в `main` → Gitea Actions (детали — `docs/agent/ci-cd.md`); **перед деплоем/перезапуском прочитать `/home/pjandro/prod/java-word-pdf/DEPLOY.md`** (вне репо); ручных скриптов нет.
## Code Conventions & Common Patterns
+11 -11
View File
@@ -4,21 +4,21 @@
|Класс|Спецификация|
|---|---|
|`CfbReader`|[MS-CFB] заголовок (секторы 512/4096, mini 64), FAT/DIFAT (лимиты секторов + защита от циклов), miniFAT + mini stream из root, directory; любой брак (цикл, ссылка за файл, обрезанный поток, битый заголовок) → `ConversionException` (на гейте отказ оборачивает в `ValidationException` `WordPdfValidator`)|
|`FibHeader`|[MS-DOC §2.4.1/§2.6.1] 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|
|`PieceTable`|§2.9.135 Clx/Pcdt: куски compressed (FC/2, байт + CP1252-карта 0x80–0x9F) и uncompressed (UTF-16LE); FC за потоком → `ConversionException`|
|`Grpprl`|§2.6.2 sprm'ы: 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 §2.9.171 → `w:highlight`, член ST_HighlightColor §17.18.42 по RGB 1:1), **sprmCShd 0xCA71**/**sprmCShd80 0x4866** (SHDOperand §2.9.177 = cb(1)=10 + cvFore/cvBack COLORREF + ipat §2.9.178; Shd80 u16 5+5+6 §2.9.176 → `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** (ссылка на символьный стиль §2.4.6.5 → `Styles.charChain`), 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 §2.9.209: 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); Chpx = cb + grpprl; 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; **stk=3 (STCF — символьные стили Word 97+)** — единственный UPX[0]=UpxChpx целиком, отдельная цепочка `charChain(istd)` (источник ссылки — sprmCIstd, §2.4.6.5); stk=2 (легаси STDC) 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 §2.9.39) иначе sprmTTableBorders80 (§2.9.303, ico→цвет §2.9.171); brcType=0 не эмитится, ≥0x40 ширина ×8, sz<2 → 2; 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 §2.9.209, 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|
|`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|
|`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`|
|`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)|
|`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`|
|`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|
|`Lists`|§2.9.200/.201 PlfLst/PlfLfo → `word/numbering.xml`: PlfLst — cLst SHORT (2 Б) при `fc`, rgLstf с `fc+2` (§2.9.201, Figure 56); LSTF (28 Б, fSimpleList→1 LVL иначе 9, массив LVL приложен за `fc+lcb`) + LVL (LVLF 28 Б: iStartAt/nfc/jc/ixchFollow/cbGrpprl'ы; Xst: плейсхолдеры 0x00–0x08 → `%{n+1}`, литеральный `%` → `%%`) → `w:abstractNum` (MSONFC [MS-OSHARED §2.2.1.3] → ST_NumberFormat §17.18.59, общий `numFmt` с `DocxBody.appendPgNumType`, экзотика CJK → decimal — нет глифов в бандле; ixchFollow 1/2 → `w:suff` space/nothing, 0=tab не эмитится; grpprlPapx уровня → `w:ind`, grpprlChpx → `w:rPr` rFonts/b/sz); LFO (lsid→первый LSTF) + LFOLVL (fStartAt → `w:startOverride`, fFormatting → полный `w:lvl`) → `w:num` (numId = 1-базированный ilfo). Снисходительно (образец `Styles`): битая таблица/обрыв LVL → пустой/неполный результат; `hasNum` — numId разрешается в валидный abstractNum, иначе абзацы деградируют в плоские|
|`Sections`|PlcfSed (§2.8.26): aCP n+1 + Sed n (12 Б) + Sepx (cb + секционные sprm) → `list()` — список record'ов `Section` (CP-диапазон, геометрия секции, `continuous` из sprmSBkc, `landscape` из sprmSBOrientation 0x301D (§2.9.236: 1/2), нумерация страниц — `pgNumStart` (0 = не задан; sprmSFPgnRestart 0x3011 + sprmSPgnStart97 0x501C, restart без start клампится к 1) и `nfcPgn` (sprmSNfcPgn 0x300E, MSONFC), колонки — sprmSCcolumns 0x500B (число − 1, кап 44), sprmSFEvenlySpaced 0x3005 (Bool8, дефолт true), sprmSDxaColumns 0x900C; при неравных колонках per-column ширины/зазоры из sprmSDxaColWidth 0xF203/sprmSDxaColSpacing 0xF204 (SDxaColWidthOperand/SDxaColSpacingOperand §2.9.241/.242: iCol+dxa)); `titlePage` из sprmSFTitlePage 0x300A (Bool8)); невозрастающие aCP → `ConversionException`; финальный aCP реальные файлы пишут за ccpText (PLC покрывает весь текстовый поток) — конец последней секции клампится к ccpText; `pageWidth()`/`header()`/`footer()` — геометрия последней секции (полоса набора для правила 7), `continuousSectionEnds()` — вычитание из подсчёта страниц (последняя секция не считается)|
|`FontTable`|SttbfFfn (§2.9.147): индекс ftc → имя семейства в `w:rFonts`|
|`Sections`|PlcfSed (§2.8.26): aCP n+1 + Sed n (12 Б) + Sepx (cb + секционные sprm) → `list()` — список record'ов `Section` (CP-диапазон, геометрия секции, `continuous` — sprmSBkc ∈ bkcContinuous/bkcNewColumn (§2.9.235) описывает разрыв, **ЗАКАНЧИВАЮЩИЙ эту** секцию (OOXML `w:type` — разрыв перед секцией §17.6.22, `DocxBody.sectPrXml` берёт значение секции i−1), `landscape` из sprmSBOrientation 0x301D (§2.9.236: 1/2), нумерация страниц — `pgNumStart` (0 = не задан; sprmSFPgnRestart 0x3011 + sprmSPgnStart97 0x501C, restart без start клампится к 1), `nfcPgn` (sprmSNfcPgn 0x300E, MSONFC) и gutter-поле (sprmSDzaGutter → `w:gutter` в pgMar), поля XAS_nonNeg (§2.6.3), верх/низ/header/footer — **YAS знаковый** (§2.9.355: минус — минимальное поле, Word пишет yаPage положительно), колонки — sprmSCcolumns 0x500B (число − 1, кап 44), sprmSFEvenlySpaced 0x3005 (Bool8, дефолт true), sprmSDxaColumns 0x900C; при неравных колонках per-column ширины/зазоры из sprmSDxaColWidth 0xF203/sprmSDxaColSpacing 0xF204 (SDxaColWidthOperand/SDxaColSpacingOperand §2.9.241/.242: iCol+dxa)); `titlePage` из sprmSFTitlePage 0x300A (Bool8)); свойств в Sepx нет (или Sepx битый) — дефолты Word 97: Letter 12240×15840, поля 1440, колонтитуки 720 (§2.6.4 «By default» sprmSXaPage/sprmSYaPage); невозрастающие aCP → `ConversionException` (§2.8.26 «MUST NOT contain duplicate CPs»); финальный aCP реальные файлы пишут за ccpText (PLC покрывает весь текстовый поток) — конец последней секции клампится к ccpText; `pageWidth()`/`header()`/`footer()` — геометрия последней секции (полоса набора для правила 7), `continuousSectionEnds()` — вычитание из подсчёта страниц (последняя секция не считается; отсутствие sprmSBkc не вычитается — дефолт bkcNewPage)|
|`FontTable`|SttbfFfn (§2.9.286): индекс ftc → имя семейства в `w:rFonts`|
|`SummaryInfo`|[MS-OLEPS §2.2] PropertySet-поток `\x01SummaryInformation`; **offset'ы заголовка относительны начала PropertySet-потока** (`abs = Offset0 + offset`); PIDSI_PAGECOUNT=0x0E|
|`Headers`|Plcfhdd (§2.4.1): 6 разделителей + по 6 историй на секцию (even/odd/first × hdr/ftr); odd hdr/ftr **каждой** секции → своя часть `headerN.xml`/`footerN.xml` (нумерация независимая по типу) и `headerReference`/`footerReference` type="default" в её sectPr; **first hdr/ftr (слоты 4/5 §2.8.22)** — только когда у секции Sepx задал sprmSFTitlePage → `type="first"` (нумерация общая с first-частями; регрессия — DocToDocxFormattingTest#titlePage_emittedAfterCols, WordPdfConverterTest#docTitlePage_firstHeaderOnlyFirstPage); пустая история [x,x) → части нет, docx4j наследует колонтитук предыдущей секции; guard-¶ отрезается; PAGE/NUMPAGES/SECTIONPAGES → `w:fldSimple` (та же семантика, что `FieldNormalizer` в docx-пути)|
|`OfficeArt`|[MS-ODRAW] PICF @ fcDggInfo/lcbDggInfo (Table-поток), delay-поток = WordDocument; DggContainer → BStoreContainer(0xF004)/BStoreContainerDelay(0xF007)/инлайн → FBSE → BLIP: 0xF01A EMF / 0xF01B WMF / 0xF01C PICT / 0xF01D JPEG (=0xF02A) / 0xF01E PNG / 0xF01F DIB; PNG/JPEG дословно, DIB → ImageIO → PNG, EMF/WMF/PICT → пропуск + warn (EMF-рендера в Java2D нет)|
|`OfficeArt`|[MS-ODRAW] PICF @ fcDggInfo/lcbDggInfo (Table-поток), delay-поток = WordDocument; DggContainer → BStoreContainer(0xF004)/BStoreContainerDelay(0xF007)/инлайн → FBSE → BLIP: 0xF01A EMF / 0xF01B WMF / 0xF01C PICT / 0xF01D JPEG (=0xF02A, [MS-ODRAW] Appendix A примечание <5> к §2.2.23) / 0xF01E PNG / 0xF01F DIB / 0xF029 TIFF (§2.2.30); **recInstance со вторым UID** (Appendix A <5>: 0x217 PICT 1 UID, 0x3D5 EMF, 0x46B JPEG RGB, 0x543 PICT, 0x6E1 PNG, 0x6E3 JPEG CMYK, 0x6E5 TIFF, 0x7A9 DIB — два UID) — второй UID идёт после первого в заголовке FBSE, сдвиг данных на 16 байт; PNG/JPEG/TIFF дословно, DIB → ImageIO → PNG, EMF/WMF/PICT → пропуск + warn (EMF-рендера в Java2D нет)|
|`PrcData`|§2.9.210 PrcData в Data-потоке (`[cbGrpprl:2][grpprl]`, капа cb 0x3FA2, поля `next` нет): `resolve(data, grpprl)` разворачивает grpprl абзаца, чьи свойства Word вынес за FKP-страницу PAPX, — одиночный Prl `sprmPHugePapx` (0x6646; в grpprl GrpPrlAndIstd — единственный Prl при istd=0, §2.6.2) и `sprmPTableProps` (0x646B — цепочка продолжается в указанном PrcData). Оба указателя разворачиваются на своей позиции **без обрыва** текущего массива, не-спец-спрмы сохраняются (union): spec §2.6.2 велит хвост за PTableProps игнорировать, но Word пишет в нём легаси-зеркало (в `samples/ru-table-image.doc` — единственный `sprmTDefTable`, Appendix A <9>), а `sprmTInsert` из PrcData конвертер не читает — замещение ломало бы сетку; спец-спрмов нет → **тот же массив** (по ссылке); любой брак (ptr за Data, cb вне [1, 0x3FA2], цикл A→B→A — бюджет 32 PrcData) → останов без исключения, снисходительно (образец `Styles`/`Lists`). Подключается единственной точкой — `DocxBody.buildRange` (покрывает тело, колонтитуки, TTP-ветку и обычные huge-PAPX абзацы). Регрессия — `DocToDocxFormattingTest#hugePapxRowMark_closesRowWithGridFromPrcData` |
|`DocToDocx`|Оркестратор + вложенный `DocxBody`: текст → раны (CHPX+стилевой chpx-цепочка +chpx-цепочка символьного стиля по **sprmCIstd** (`Styles.charChain` — между стилевой цепочкой и прямыми, §2.4.6.5) → rPr (в т.ч. `w:highlight`/`w:shd`), прямой PAPX — после `PrcData.resolve` — +стилевая papx-цепочка (отступы через `Grpprl.Indents`, 80-варианты включительно; `sprmPChgTabsPapx`/`sprmPChgTabs` → `w:tabs`, у стилевого варианта радиус удаления из `rgdxaClose`) + sprmPIlfo/sprmPIlvl → pPr + `w:numPr` (между pageBreakBefore и tabs, CT_PPr §17.3.1.26; ilfo=0 перекрывает стилевой, ilvl=0x0C и неразрешённый numId → без numPr), base→derived→direct last-wins; флаги рана: vanish — мост фильтрует вывод рана (`w:vanish` в FO мёртв), caps/smallCaps — `Character.toUpperCase` в мосту (`w:caps`/`w:smallCaps` конвейер не читает, FOP без font-variant), rMarkIns/rMarkDel — ран оборачивается в `w:ins`/`w:del`+`w:delText` (шаблоны docx2fo рисуют правки — вид «Show Markup»), hpsPos → `w:position` (вендорный AUDIT-FIX → baseline-shift)), ¶ → `<w:p>`; TAB/0x0B → `w:tab`/`w:br`, 0x0E → `w:br type="column"` (конец колонки при sprmSCcolumns), 0x0C в ране → `w:br type="page"`, 0x0C в конце абзаца — **разрыв секции**: `sectPr` соответствующей `Sections.Section` (матчинг по конечному CP) в pPr этого абзаца, внутри таблицы деградирует в `w:br type="page"`; body-level `sectPr` — последняя секция; `w:type continuous` из sprmSBkc; `w:pgSz w:orient="landscape"` со сменой w/h местами, `w:pgNumType` (`w:start` при restart, `w:fmt` только для числовых nfc — общий маппинг `Lists.numFmt`), `w:cols` (evenly → `w:num`+`w:space`, иначе per-column `w:col`; неравные/неполные ширины → деградация в одноколонную), `w:titlePg` из `Section.titlePage` (после w:cols, CT_SectPrBase §17.2.3) — `DocxBody.sectPrXml`/`appendPgNumType`/`appendCols`; pPr: `w:shd` из sprmPShd/…80 перед `w:tabs` (CT_PPr §17.3.1.26), `w:keepNext`/`w:keepLines` перед `w:pageBreakBefore` (CT_PPr §17.3.1.26); 0x1E → U+2011, 0x1F → U+00AD, 0x02/0x03/0x04 (сноски) → пропуск; U+0001/U+0008 со sprmCPicLocation → DrawingML `pic` (общий путь с картинками и OLE-fallback; 0x08 — якорь плавающей картинки §2.9.267, переносится inline-приближением: PlcfSpa не читается, позиция/обтекание теряются); field-символы в основном тексте: инструкция скрыта, кэшированный результат после разделителя видим; **табличный автомат**: абзац с 0x07 без TTP закрывает ячейку, 0x07+sprmPFTtp — конец строки (`Tables.parse` по TAP → `w:tbl`/`w:tr`/`w:tc`, сам маркер не эмитится), sprmPFInTable открывает ячейку; без корректного TDefTable строка деградирует в плоские абзацы (прежнее поведение); сетка первой строки действует на всю таблицу как `tblGrid`, ширины/объединение ячеек каждой строки — из её собственного TDefTable (горизонтальное слияние → `w:gridSpan`)|
|`DocToDocx`|Оркестратор + вложенный `DocxBody`: текст → раны (CHPX+стилевой chpx-цепочка +символьный стиль по **sprmCIstd** (`DocxBody.chpxWithCharStyle`: сброс прямых к результату стиля абзаца с сохранением preserve-list до sprmCIstd + цепочка `Styles.charChain` (stk=2) + Prl после sprmCIstd, §2.6.1/§2.4.6.5) → rPr (в т.ч. `w:highlight`/`w:shd`), прямой PAPX — после `PrcData.resolve` — +стилевая papx-цепочка (отступы через `Grpprl.Indents`, 80-варианты включительно; `sprmPChgTabsPapx`/`sprmPChgTabs` → `w:tabs`, у стилевого варианта радиус удаления из `rgdxaClose`) + sprmPIlfo/sprmPIlvl → pPr + `w:numPr` (между pageBreakBefore и tabs, CT_PPr §17.3.1.26; ilfo=0 перекрывает стилевой, ilvl=0x0C и неразрешённый numId → без numPr), base→derived→direct last-wins; флаги рана: vanish — мост фильтрует вывод рана (`w:vanish` в FO мёртв), caps/smallCaps — `Character.toUpperCase` в мосту (`w:caps`/`w:smallCaps` конвейер не читает, FOP без font-variant), rMarkIns/rMarkDel — ран оборачивается в `w:ins`/`w:del`+`w:delText` (шаблоны docx2fo рисуют правки — вид «Show Markup»), hpsPos → `w:position` (вендорный AUDIT-FIX → baseline-shift)), ¶ → `<w:p>`; TAB/0x0B → `w:tab`/`w:br`, 0x0E → `w:br type="column"` (конец колонки при sprmSCcolumns), 0x0C в ране → `w:br type="page"`, 0x0C в конце абзаца — **разрыв секции**: `sectPr` соответствующей `Sections.Section` (матчинг по конечному CP) в pPr этого абзаца, внутри таблицы деградирует в `w:br type="page"`; body-level `sectPr` — последняя секция; `w:type continuous` — из sprmSBkc **предыдущей** секции (§17.6.22 — w:type описывает разрыв перед секцией); `w:pgSz w:orient="landscape"` со сменой w/h местами, `w:pgNumType` (`w:start` при restart, `w:fmt` только для числовых nfc — общий маппинг `Lists.numFmt`), `w:pgMar` с `w:gutter` из sprmSDzaGutter, `w:cols` (evenly → `w:num`+`w:space`, иначе per-column `w:col`; неравные/неполные ширины → деградация в одноколонную), `w:titlePg` из `Section.titlePage` (после w:cols, CT_SectPrBase §17.6.18) — `DocxBody.sectPrXml`/`appendPgNumType`/`appendCols`; pPr: `w:shd` из sprmPShd/…80 перед `w:tabs` (CT_PPr §17.3.1.26), `w:keepNext`/`w:keepLines` перед `w:pageBreakBefore` (CT_PPr §17.3.1.26); 0x1E → U+2011, 0x1F → U+00AD, 0x02/0x03/0x04 (сноски) → пропуск; U+0001/U+0008 со sprmCPicLocation → DrawingML `pic` (общий путь с картинками и OLE-fallback; 0x08 — якорь плавающей картинки §2.9.267, переносится inline-приближением: PlcfSpa не читается, позиция/обтекание теряются); field-символы в основном тексте: инструкция скрыта, кэшированный результат после разделителя видим; **табличный автомат**: абзац с 0x07 без TTP закрывает ячейку, 0x07+sprmPFTtp — конец строки (`Tables.parse` по TAP → `w:tbl`/`w:tr`/`w:tc`, сам маркер не эмитится), sprmPFInTable открывает ячейку; без корректного TDefTable строка деградирует в плоские абзацы (прежнее поведение); сетка первой строки действует на всю таблицу как `tblGrid`, ширины/объединение ячеек каждой строки — из её собственного TDefTable (горизонтальное слияние → `w:gridSpan`)|
|`DocxWriter`|Мульти-частный zip: `[Content_Types].xml` (hdr/ftr/numbering/png/jpg), `_rels/.rels`, `word/document.xml` (посекционные sectPr + headerReference; tblPr таблиц: tblW → jc (из sprmTJc) → tblInd → tblBorders), `word/_rels/document.xml.rels`, `word/numbering.xml`, `word/headerN.xml`/`footerN.xml` (по одной на непустую историю секции), `word/media/imageN.(png|jpg)`; корневые namespaces w/r/wp/a/pic|
## Остаток моста
+11 -10
View File
@@ -6,7 +6,7 @@
|---|---|---|
| 0 | `DependencyGuard.check()` | API-проба `ZipArchiveInputStream.getNextEntry()` — совместимость commons-compress ≥ 1.25.0; иначе `ConversionException` с инструкцией вместо мутного `NoSuchMethodError` внутри docx4j |
| 1 | `new BundledFontMapper()` → `BundledFonts.init()` → `restrictToBundled()` | Конструктор маппера (static `BestMatchingMapper`) регистрирует в `PhysicalFonts` только symbol-шрифты из `docx4j-export-fo-fonts-symbol` (сканы системы и jar'ов отключены в static-блоке `WordPdfConverter` гейт-свойствами — всё найденное всё равно выбрасывает `restrictToBundled()`); `init()` вызывает `dropNonBundled()` **до** регистрации бандла, `restrictToBundled()` оставляет реестр = бандл + встроенные в docx. Порядок `init()` после конструктора — инвариант: `addPhysicalFont` не перезаписывает занятый ключ (иначе системный Calibri ломает em-dash-fallback) |
|2|`DocxRewritePipeline.STEP` → `OleObjectNormalizer` → `WordprocessingMLPackage.load`|Один zip-проход переписывания XML-частей (правила 1–10 — раздел «Нормализаторы: контракт и правила 1–11» в этом файле) + условная OLE-вычистка (правило 11)|
|2|`DocxRewritePipeline.STEP` → `OleObjectNormalizer` → `WordprocessingMLPackage.load`|Один zip-проход переписывания XML-частей (правила 1–11 — раздел «Нормализаторы: контракт и правила 1–12» в этом файле) + условная OLE-вычистка (правило 12)|
| 3 | `pkg.setFontMapper(mapper)` | Привязка шрифтов документа к физическим TTF |
| 3.5 | `DrawingPreRenderer.run(pkg, options)` | `c:chart`/`dgm:relIds` → PNG 300 dpi → `pic:pic` (docx2fo.xslt их не умеет) |
| 4 | `new FOSettings(pkg)` + `FopFallbackFonts.declare(foSettings)` | В FOP-конфиг добавляются **все** бандл-семейства: FOP встраивает только задекларированные |
@@ -22,24 +22,25 @@
### Валидация входа и подсчёт страниц
Вход валидируется **до** `convertToStream`: `WordPdfValidator.validate(bytes, options)` (размер → подпись: zip `PK\x03\x04` или CFB `D0 CF 11 E0` → контейнер → страницы). Для `.doc` страницы считаются **по сырым байтам .doc, до конвертации**: `checkPageCountDoc` = `max(SummaryInfo PageCount, 1 + явные разрывы)`; явные — 0x0C в основном тексте + `sprmPFPageBreakBefore` из PAPX. Тот же метод — вход приложения. Скан выполняется ровно один раз по сырому входу, до аллокаций docx4j: правила 1–10 число учитываемых разрывов не увеличивают (правило 9 способно только убрать разрыв внутри скрытого рана — счёт по сырому входу остаётся верхней оценкой лимита).
Вход валидируется **до** `convertToStream`: `WordPdfValidator.validate(bytes, options)` (размер → подпись: zip `PK\x03\x04` или CFB `D0 CF 11 E0` → контейнер → страницы). Для `.doc` страницы считаются **по сырым байтам .doc, до конвертации**: `checkPageCountDoc` = `max(SummaryInfo PageCount, 1 + разрывы 0x0C − непрерывные межсекционные (sprmSBkc 0/1) + sprmPFPageBreakBefore)` (код — `DocFile.countPages`). Тот же метод — вход приложения. Скан выполняется ровно один раз по сырому входу, до аллокаций docx4j: правила 1–11 число учитываемых разрывов не увеличивают (правило 9 способно только убрать разрыв внутри скрытого рана — счёт по сырому входу остаётся верхней оценкой лимита).
- Страницы в валидаторе = `max(кэш docProps/app.xml, явные разрывы, lastRenderedPageBreak+1)`; explicit = межсекционные `w:sectPr` в body + `w:br type="page"` + `pageBreakBefore` (включая таблицы и `w:sdt`). Единственный путь — lightweight (StAX по zip, secure-ридер без DTD/external entities; `WordPdfValidator` не зависит от docx4j): атрибуты — по локальному имени (`attrLocal`, не по transitional-URI: иначе в strict-документе `w:br type="page"` не засчитываются); `sectPr` внутри `pPr` не считает, последнюю body-direct секцию не считает, `continuous`-секции не считает, в колонтитуках — только `w:br type="page"`, `pageBreakBefore` — только внутри `pPr` вне `sectPr` (truthy `val`: `null|true|1|on`). На не-zip молчит — подпись проверяет вызывающий. `checkPageCount` — один стриминговый проход `ZipInputStream` без буферизации частей (хелпер `noClose` глушит `close()` сканеров): потребление O(одной части) вместо O(суммы XML-частей).
### Нормализаторы: контракт и правила 1–11 (детали)
### Нормализаторы: контракт и правила 1–12 (детали)
Контракт: `byte[] normalize(byte[]) throws IOException`; нечего менять → вернуть **тот же массив** (`assertSame` в тестах). Десять rewrite-нормализаторов цепляются в фиксированном порядке Strict→OnOff→Symbol→Field→Invisible→GlyphCoverage→TableIndent→NumberingSuffix→Hidden→Ruby; константу `STEP` (`public static final DocxNormalizer`) выставляют девять из десяти (нет только у `RubyNormalizer` — он цепочный, подключается внутри пайплайна), у `OleObjectNormalizer` STEP **нет** — он подключается лямбдой в `WordPdfConverter.normalizers()`. Правила 1–10 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 9; 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→GlyphCoverage→TableIndent→NumberingSuffix→Hidden→Ruby→MathFallback; 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 9; 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 §2.1.174a — псевдонимы left/right; у `w:pgNumType` `w:start` — старт нумерации страниц, легален в transitional, Part 1 §17.13.7 — 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 §2.1.174 — 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`).
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).
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.
6. `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. `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 — Part 1 §17.4.50, 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 в transitional и `w:start`/`w:end` в strict; дефолты 11906/1440 — измеренное поведение docx4j, не ECMA-1800), T — Σ gridCol; пропускает несколько body-level `sectPr`, не-dxa `tblInd`, `tblPr` с `tblCellSpacing` без `tblInd` (нет корректной позиции вставки по CT_TblPrBase), `tblW pct`, нецелые gridCol. Кроме `rewrite`/`STEP` (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. `NumberingSuffixNormalizer` — `w:suff w:val="space"` → дописанный обычный пробел в конце следующего `w:lvlText` того же уровня (порядок CT_Lvl suff→lvlText, wml.xsd; Part 1 §17.3.1.28): 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. `HiddenTextNormalizer` — вырезание скрытых ранов (Part 1 §17.3.2.30): truthy `w:vanish` в собственном `w:rPr` ранa (обе OnOff-формы; вал опущен — default true) **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, юниты — HiddenTextNormalizerTest.
10. `RubyNormalizer` — разбор руби-разметки (Part 1 §17.3.3.18/.19/.20/.21): `w:rubyBase`/`w:rubyBaseText` разворачиваются 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. `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.
7. `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. `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. `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. `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. `MathFallbackNormalizer` — деградация OMML-формул (§22.1) в текст на хостах без fontconfig: `m:oMathPara`/`m:oMath` → обычные раны с конкатенацией `m:t` (как в штатном фолбэке docx4j `XsltFOFunctions.mathText`). JEuclid (`jeuclid-fop`) при первой формуле обращается к AWT-менеджеру шрифтов, которому на Linux нужен fontconfig; без него — `InternalError: Fontconfig head is null` (контейнерный рантайм проекта без fontconfig — Containerfile). На хосте с fontconfig рерайт не срабатывает (`rewrite` → `null`, тот же массив). `m:oMathPara` содержит `m:oMath`, поэтому блок para заменяется первым. Регрессия — WordPdfConverterTest#ommlMath_drawnAsVectors.
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.
`mc-preprocessor.xslt` docx4j (в jar `docx4j-core`) перебивает strict-namespace'ы в transitional и конвертит `pt` в twips/half-points, но ветку перевода процентов в тысячные для namespace'ных атрибутов содержит с закомментированным `<xsl:value-of select="$cleanValue * 1000"/>` (для атрибутов без namespace — она активна), а `w:start`/`w:end` в `w:left`/`w:right` не маппит вовсе. Поэтому собственный рерайт URI ломать нельзя — он сломал бы pt-конверсию preprocessor'а (FOP получил бы «10pt»).
+2 -2
View File
@@ -4,6 +4,6 @@
- Известный остаток эталона: U+2188/U+218A — глифов нет в OFL-шрифтах бандла, остаются `.notdef` (GNU FreeSerif GPL — не добавляем намеренно).
- Аудит раскладки по ECMA-376 Part 1 (2026-10) — известные нечинимые ограничения FOP/docx4j (Java-слой): `w:jc="distribute"` рендерится как left — межсимвольного распределения в FOP нет (ST_Jc §17.18.44: distribute — межсимвольный разнос, justify только межсловный), последняя строка блока не растягивается, свойства `text-align-last` в форке нет (в docx4j-fo-renderer отсутствуют классы TextAlign*); `w:suff="tab"` и `w:lvlJc` игнорируются (numbering-лейбл всегда через hanging-tab; suff=space чинит правило 8, suff=nothing совпадает с docx4j — разделителя нет); абзац без `w:line` рендерится natural-высотой FOP 15.44pt@11pt, явный `lineRule="auto"` — 13.4277pt, два «single» в конвертере (13.4277 — канонический single по метрикам Carlito/Calibri 2500/2048 em; обе величины считаются по метрикам шрифта); кернинг не применяется ни для одного бандл-семейства (замер: advance A→V = A→A — Carlito 6.369pt, DejaVu Sans 7.524pt@11pt): 22 TTF — GPOS-only, а legacy `kern`-таблица DejaVu Sans/Serif ключована glyph id, не совпадающими с cmap (2568/2727 пар без Unicode-маппинга, пары A→V нет) — латинский путь FOP (`TextLayoutManager`→`Font.hasKerning`) читает только legacy `kern` и такие пары отбрасывает; свойства `kerning` в форке нет, порог `w:kern` через FO не выражается. Word кернит только при явно заданном `w:kern` в иерархии стилей и при sz ≥ val (Part 1 §17.3.2.19; при отсутствии `w:kern` Office не кернит — MS-OI29500 §21.1.2.3.9a) — по умолчанию совпадает с нами, расходится только для документов с явно заданным `w:kern`. Починено веткой layout-class-c: левый padding ячейки (`LayoutPostRenderer`, шаг 4.25), `w:tblInd` при `w:jc`≠left (правило 7), `w:suff="space"` (правило 8).
- Аудит раскладки по ECMA-376 Part 1 (2026-10) — известные нечинимые ограничения FOP/docx4j (Java-слой): `w:jc="distribute"` рендерится как left — межсимвольного распределения в FOP нет (ST_Jc §17.18.44: distribute — межсимвольный разнос, justify только межсловный), последняя строка блока не растягивается, свойства `text-align-last` в форке нет (в docx4j-fo-renderer отсутствуют классы TextAlign*); `w:suff="tab"` и `w:lvlJc` игнорируются (numbering-лейбл всегда через hanging-tab; suff=space чинит правило 8, suff=nothing совпадает с docx4j — разделителя нет); абзац без `w:line` рендерится natural-высотой FOP 15.44pt@11pt, явный `lineRule="auto"` — 13.4277pt, два «single» в конвертере (13.4277 — канонический single по метрикам Carlito/Calibri 2500/2048 em; обе величины считаются по метрикам шрифта); кернинг не применяется ни для одного бандл-семейства (замер: advance A→V = A→A — Carlito 6.369pt, DejaVu Sans 7.524pt@11pt): 22 TTF — GPOS-only, а legacy `kern`-таблица DejaVu Sans/Serif ключована glyph id, не совпадающими с cmap (2568/2727 пар без Unicode-маппинга, пары A→V нет) — латинский путь FOP (`TextLayoutManager`→`Font.hasKerning`) читает только legacy `kern` и такие пары отбрасывает; свойства `kerning` в форке нет, порог `w:kern` через FO не выражается. Word кернит только при явно заданном `w:kern` в иерархии стилей и при sz ≥ val (Part 1 §17.3.2.19: кернинг применяется, только когда элемент задан; при отсутствии `w:kern` не кернит; MS-OI29500 §2.1.83 уточняет лишь диапазон `w:val`) — по умолчанию совпадает с нами, расходится только для документов с явно заданным `w:kern`. Починено веткой layout-class-c: левый padding ячейки (`LayoutPostRenderer`, шаг 4.25), `w:tblInd` при `w:jc`≠left (правило 7), `w:suff="space"` (правило 8).
- Аудит .docx-путей по ECMA-376 (2026-11) — запинено синтетикой (без фикстур): сноски/концевые сноски с номерами (§17.11), внешние гиперссылки с `/URI`-аннотацией (§17.12.23), `PAGEREF` (complex и вложенный в результат `TOC`) и `DATE` подменяют кэш живым значением, `titlePg` → first/default колонтитуки (§17.13.1.35), `vMerge` restart/continue (§17.4.70), block-level `w:sdt` (§17.5.2), `wps:txbx`-текст (§17.3.3.23), OMML-формулы рисуются вектором jeuclid-fop (§22.1 — текст из PDF не извлекается, пинь пикселями), фон `w:highlight`/`w:shd` рисуется (§17.3.2.16/.29). Скрытый текст `w:vanish` не печатается (правило 9); текст руби-базы и `w:moveFrom`/`w:moveTo`/`w:bdo`/`w:dir` не теряется (правило 10 + AUDIT-FIX-2). Остаток (не чиним): `w:framePr` игнорируется — текст печатается в общем потоке, геометрия фрейма теряется (ни XSLT, ни `createBlockForPPr` не читают); `REF`/`SEQ`/литеральные записи `TOC` печатают устаревший кэш из docx (движка пересчёта нет; инстринции полей не печатаются); надстрочница руби не выводится (правило 10 печатает только базу — ruby-разметки в FOP нет); `w:ptab` без `@w:alignment`, `bar`, `list` теряются catch-all'ом; `w:bdo`/`w:dir` печатаются LTR (bidi вне контура).
- Аудит .docx-путей по ECMA-376 (2026-11) — запинено синтетикой (без фикстур): сноски/концевые сноски с номерами (§17.11), внешние гиперссылки с `/URI`-аннотацией (§17.12.23), `PAGEREF` (complex и вложенный в результат `TOC`) и `DATE` подменяют кэш живым значением, `titlePg` → first/default колонтитуки (§17.10.6), `vMerge` restart/continue (§17.4.70), block-level `w:sdt` (§17.5.2), `wps:txbx`-текст (§17.3.3.23), OMML-формулы: на хосте с fontconfig рисуются вектором jeuclid-fop (§22.1 — текст из PDF не извлекается, пинь пикселями), без fontconfig — деградация в текст `m:t` (правило 11; контейнерный рантайм без fontconfig), фон `w:highlight`/`w:shd` рисуется (§17.3.2.16/.29). Скрытый текст `w:vanish` не печатается (правило 9); текст руби-базы и `w:moveFrom`/`w:moveTo`/`w:bdo`/`w:dir` не теряется (правило 10 + AUDIT-FIX-2). Остаток (не чиним): `w:framePr` игнорируется — текст печатается в общем потоке, геометрия фрейма теряется (ни XSLT, ни `createBlockForPPr` не читают); `REF`/`SEQ`/литеральные записи `TOC` печатают устаревший кэш из docx (движка пересчёта нет; инстринции полей не печатаются); надстрочница руби не выводится (правило 10 печатает только базу — ruby-разметки в FOP нет); `w:ptab` без `@w:alignment`, `bar`, `list` теряются catch-all'ом; `w:bdo`/`w:dir` печатаются LTR (bidi вне контура).
+3 -3
View File
@@ -6,7 +6,7 @@
|---|---|
| `wordpdf-core/src/main/java/ru/pjandro/wordpdf/` | Публичный API: `WordPdfConverter` (`convert(byte[],String,ConvertOptions)`), `WordPdfValidator` (`checkInput`/`validate` наружу; `checkPageCount`/`checkPageCountDoc`/`isBinaryDoc` — package-private, всё без зависимости от docx4j), `ConversionException`, `ValidationException` (наследник — «вход некорректен»), `ChartsFoundException`/`SmartArtFoundException`/`OleFoundException` (по error-флагам), `ConvertOptions` (record; дефолтов в ядре нет). Пороги защиты — производные от лимитов входа: `WordPdfValidator.maxDecompressedBytes`/`maxDecompressedXmlBytes` (`max(MIN_*×MiB, maxMb×10/4MiB + maxPages×64/32KiB)`, крышек нет), `maxZipEntries` (`max(2048, maxMb×512 + maxPages×32)`), `maxImagePixels` (`maxMb×5_000_000`); коэффициенты и полы — package-private литералы `WordPdfConverter` (`DECOMPRESS_*`, `MIN_DECOMPRESSED_*`, `IMAGE_PIXELS_PER_MAX_MB`, `ZIP_ENTRIES_*`, javac их инлайнит — валидатор не инициализирует конвертер) |
| `…/wordpdf/fonts/` | `BundledFonts` (реестр/выгрузка TTF), `BundledFontMapper` (алиасы, self-map, `DISPLAY_NAMES`, `bundledFamily`), `GlyphFont` (глиф-движок fontbox) |
| `…/wordpdf/internal/` | 11 нормализаторов + `DocxRewritePipeline` (один zip-проход правил 1–10, raw-копия неизменённых записей) + `LayoutPostRenderer` (кастомный `FORenderer`, post-FO padding-компенсация таблиц, шаг 4.25) + интерфейс `DocxNormalizer` + `FopFallbackFonts` + `DependencyGuard` (проверка commons-compress, шаг 0). Классы package-private; `public` — `DocxNormalizer`, `DocxRewritePipeline` (наружу только `STEP`, `normalize` package-private), `OleObjectNormalizer`, `FopFallbackFonts` (`declare`), `LayoutPostRenderer` (`register`), `DependencyGuard` (`check`), остальные нормализаторы полностью package-private; `OleObjectNormalizer` — многочастный, публичный `normalize(byte[], boolean)`, бросает `OleFoundException` |
| `…/wordpdf/internal/` | 12 нормализаторов + `DocxRewritePipeline` (один zip-проход правил 1–11, raw-копия неизменённых записей) + `LayoutPostRenderer` (кастомный `FORenderer`, post-FO padding-компенсация таблиц, шаг 4.25) + интерфейс `DocxNormalizer` + `FopFallbackFonts` + `DependencyGuard` (проверка commons-compress, шаг 0). Классы package-private; `public` — `DocxNormalizer`, `DocxRewritePipeline` (наружу только `STEP`, `normalize` package-private), `OleObjectNormalizer`, `FopFallbackFonts` (`declare`), `LayoutPostRenderer` (`register`), `DependencyGuard` (`check`), остальные нормализаторы полностью package-private; `OleObjectNormalizer` — многочастный, публичный `normalize(byte[], boolean)`, бросает `OleFoundException` |
| `…/wordpdf/internal/doc/` | Мост `.doc` → `.docx`: 18 классов (детали — `docs/agent/doc-bridge.md`) — `CfbReader`, `FibHeader`, `PieceTable`, `Grpprl`, `ChpxIndex`, `PapxIndex`, `Styles`, `Tables`, `Lists`, `Sections`, `FontTable`, `SummaryInfo`, `Headers`, `OfficeArt`, `PrcData`, `DocFile`, `DocxWriter`, `DocToDocx` (публичные `convert`/`countPages`; вложенный `DocxBody` — рендер текста и табличного автомата в XML) |
| `…/wordpdf/internal/chart/` |18 классов Java2D-рендера диаграмм/SmartArt в PNG (public: `DrawingPreRenderer.run` и `ChartImageHandler` — второй инстанцируется из `WordPdfConverter`)|
| `wordpdf-core/src/main/resources/fonts/` | 30 TTF + 3 лицензии — бинарные фикстуры, часть jar |
@@ -107,9 +107,9 @@ unzip -p ~/.m2/repository/org/docx4j/docx4j-export-fo/<версия>/docx4j-expo
PMD: `failurePriority` в плагине не задан — на практике `verify` валит нарушение любой приоритетности; закрытый список правил — единственный источник `pmd-ruleset.xml` (в AGENTS.md не дублируется). Четыре правила `*MustUseBraces` деприкейтед в 6.55.0 — предупреждения «Discontinue using…» в логе verify ожидаемы.
- Нормализаторы — единый контракт `internal/DocxNormalizer` + константа `STEP`; цепочка `WordPdfConverter.normalizers()` = `DocxRewritePipeline.STEP` (правила 1–10 одним zip-проходом) + лямбда `OleObjectNormalizer`; нечего менять → **тот же массив**; package-private хук `static String rewrite(String xml)` для юнит-тестов (возвращает `null` при отсутствии изменений; есть у 10 из 11 — у многочастного `OleObjectNormalizer` нет); у `StrictOoxmlNormalizer` есть также `rewritePart(entryName, xml)`, у `TableIndentNormalizer` — `rewritePart(name, xml, band)` (per-part-логика, хуки пайплайна); правятся только части `word/*.xml`.
- Нормализаторы — единый контракт `internal/DocxNormalizer`; константа `STEP` только у `DocxRewritePipeline` (сам собирает цепочку); цепочка `WordPdfConverter.normalizers()` = `DocxRewritePipeline.STEP` (правила 1–11 одним zip-проходом) + лямбда `OleObjectNormalizer`; нечего менять → **тот же массив**; package-private хук `static String rewrite(String xml)` для юнит-тестов (возвращает `null` при отсутствии изменений; есть у 11 из 12 — у многочастного `OleObjectNormalizer` нет); у `StrictOoxmlNormalizer` есть также `rewritePart(entryName, xml)`, у `TableIndentNormalizer` — `rewritePart(name, xml, band)` (per-part-логика, хуки пайплайна); правятся только части `word/*.xml`.
- Классы в `internal` — `public` (иначе родительский пакет не вызвал бы), но публичные члены наружу только `normalize`/`STEP`/`declare`/`DrawingPreRenderer.run`/`DependencyGuard.check` (`rewrite`, карты — package-private); в `wordpdf-app` всё package-private кроме `WordPdfApplication`.
- Классы в `internal` — package-private; `public` только контракт наружу: `DocxNormalizer`, `DocxRewritePipeline`(+`STEP`), `OleObjectNormalizer`, `FopFallbackFonts`(+`declare`), `LayoutPostRenderer`(+`register`), `DependencyGuard`(+`check`) и `DrawingPreRenderer`(+`run`); `rewrite`-хуки и карты — package-private; в `wordpdf-app` всё package-private кроме `WordPdfApplication`.
- Гейт JaCoCo `0.8.15`: `jacoco:check` (правило BUNDLE, LINE COVEREDRATIO `0.90` — обоих модулей; в `wordpdf-core/pom.xml` execution `check` переопределён и добавляет BRANCH COVEREDRATIO `0.85` — только для core) на `verify`; агент подключается в surefire через `argLine` = `@{argLine} -Djava.awt.headless=true` (свойство `argLine` в корневом pom по умолчанию пусто и перезаписывается `prepare-agent` — `mvn test -Djacoco.skip=true` без агента работоспособно); `report` и `check` оба на `verify`, report раньше — при провале порога отчёт уже на диске; отчёты `target/site/jacoco/` (html+xml, xml нужен CI-сводке). Плотность покрытия держат тесты, а не заглушки: промахи в основном недостижимые IOException/catch-ветки (`GlyphFont`, `BundledFonts`) и защитные ветви сканеров нормализаторов/валидатора.
- Счётчики тестов и описание блока аудита .docx 2026-11 — `docs/agent/testing.md`. JUnit 6 (`org.junit.jupiter:junit-jupiter`), surefire 3.6.0 с `-Djava.awt.headless=true`; только `Assertions` (Mockito/AssertJ не использовать; в app-тестах допустим inline-Hamcrest `org.hamcrest.Matchers.containsString` в `andExpect`), тестовые классы package-private, зеркалят main-пакеты; только `@Test` + два `@BeforeAll` (warm-up шрифтов в `GlyphCoverageNormalizerTest` и `BundledFonts.init()` в `BundledFontsTest`) + `@AfterEach drainWorker` в `ConversionTimeoutTest` (дренировать отменённый FOP-рендер до следующего класса — гонка глобального `PhysicalFonts`).
@@ -157,7 +157,7 @@ public final class WordPdfConverter {
* считаются ровно раз по сырому входу, до аллокаций docx4j: для .docx —
* lightweight-скан по zip, для .doc — по чистому бинарному документу до
* конвертации. Повторного скана по нормализованным байтам нет: правила
* 1–10 {@code DocxRewritePipeline} число учитываемых разрывов не
* 1–11 {@code DocxRewritePipeline} число учитываемых разрывов не
* увеличивают (правило 9 способно только убрать разрыв внутри скрытого
* рана — счёт по сырому входу остаётся верхней оценкой лимита), а скан
* внутри живой JAXB-модели удваивал бы пиковую память.
@@ -401,7 +401,8 @@ public final class WordPdfConverter {
LayoutPostRenderer.register(foSettings);
// 4.5 Вендорный xslt/docx2fo.xslt = копия из docx4j-export-fo +
// AUDIT-FIX-патч (w:rPr position) — стилист jar'а не
// AUDIT-FIX-патчи (w:rPr/w:position→baseline-shift;
// AUDIT-FIX-2: moveFrom/moveTo/bdo/dir) — стилист jar'а не
// используется.
foSettings.setCustomXsltTemplates(VendoredXslt.TEMPLATES);
@@ -430,13 +431,13 @@ public final class WordPdfConverter {
}
resetSharedImageCaches();
BundledFonts.restrictToBundled();
// Примечание: в docx4j 11.x OpcPackage.close() отсутствует —
// Примечание: в docx4j 17.x OpcPackage.close() отсутствует —
// пакет загружается в память и ничего не закрывает.
}
}
/**
* Нормализация входных байтов (цепочка {@link #normalizers}: правила 1–10
* Нормализация входных байтов (цепочка {@link #normalizers}: правила 1–11
* одним zip-проходом {@code DocxRewritePipeline} + условная OLE-вычистка)
* и {@code WordprocessingMLPackage.load} полученного transitional-байта.
* Нормализация переиспользует слот {@code bytes}: каждая замена массива
@@ -455,10 +456,11 @@ public final class WordPdfConverter {
* Конвейер байтовой нормализации docx. Порядок фиксирован: сначала один
* zip-проход переписывания XML-частей (внутри части порядок рерайтов
* Strict→OnOff→Symbol→Field→Invisible→GlyphCoverage→TableIndent→
* NumberingSuffix→Hidden→Ruby значим: Strict первым — дальше transitional-байт;
* NumberingSuffix→Hidden→Ruby→MathFallback значим: Strict первым — дальше transitional-байт;
* GlyphCoverage — по финальному тексту рана; Hidden — вырезает скрытые
* раны по финальному содержимому; Ruby — разворачивает руби-разметку,
* которую схема docx4j не биндит), затем OleObjectNormalizer
* которую схема docx4j не биндит; MathFallback — деградирует OMML-формулы
* в текст m:t, когда JEuclid недоступен), затем OleObjectNormalizer
* (меняет части, а не XML ранов).
* Регрессии каждого рерайта — в javadoc соответствующего нормализатора.
*/
@@ -466,7 +468,8 @@ public final class WordPdfConverter {
return List.of(
// один zip-проход: strict→transitional, on/off, Symbol-PUA,
// поля PAGE/NUMPAGES, невидимки, покрытие глифов, tblInd при
// jc≠left, suff=space, скрытый текст (vanish) — порядок
// jc≠left, suff=space, скрытый текст (vanish), снятие обёртки
// w:ruby, OMML-фолбэк в текст — порядок
// рерайтов внутри части фиксирован (DocxRewritePipeline)
DocxRewritePipeline.STEP,
// OLE-объекты: при выключенном errorOnOle тихо удаляем
@@ -476,7 +479,8 @@ public final class WordPdfConverter {
}
/**
* Вендорный docx2fo.xslt (копия из docx4j-export-fo + AUDIT-FIX-патч).
* Вендорный docx2fo.xslt (копия из docx4j-export-fo + AUDIT-FIX-патчи:
* w:rPr/w:position→baseline-shift; AUDIT-FIX-2: moveFrom/moveTo/bdo/dir).
* {@code AbstractXsltExporterDelegate.getTemplates} кастит значение
* {@code setCustomXsltTemplates} в {@code Templates} — компилируем заранее;
* {@code Templates} неизменяем и потокобезопасен, один экземпляр на процесс.
@@ -13,7 +13,7 @@ import java.util.regex.Pattern;
/**
* Нормализация ST_OnOff-значений в docx перед загрузкой docx4j.
*
* docx4j 11.x теряет атрибуты {@code w:val="off"} / {@code w:val="on"}
* docx4j 17.x теряет атрибуты {@code w:val="off"} / {@code w:val="on"}
* при JAXB-разборе (тип поля {@code Boolean} не принимает "on"/"off",
* поле остаётся null и {@code BooleanDefaultTrue.isVal()} считается
* true). Из-за этого явные {@code <w:b w:val="off"/>} и
@@ -22,6 +22,11 @@ import java.util.regex.Pattern;
* docx4j разбирает корректно, поэтому заменяем "off"->"false",
* "on"->"true" в XML-частях word/*.xml.
*
* <p>Исключение — {@code w:scrollbar} (свойство фрейма, §17.15.2.37): его
* {@code w:val} — ST_FrameScrollbar (none/left/right/leftAndRight,
* §17.18.32), единственный не-ST_OnOff носитель on/off в WML; переписывать
* его нельзя — вывод станет невалидным.
*
* Если совпадений нет, возвращает исходный массив без переупаковки zip.
*/
final class DocxOnOffNormalizer {
@@ -33,15 +38,12 @@ final class DocxOnOffNormalizer {
* {@code w:t} не правится. Регрессия — DocxOnOffNormalizerTest#onOffInTextNotTouched.
*/
private static final Pattern ON_OFF = Pattern.compile(
"(<[A-Za-z][A-Za-z0-9:]*(?:\\s[^<>]*)?)w:val=([\"'])(on|off)\\2",
"(<(?!w:scrollbar\\b)[A-Za-z][A-Za-z0-9:]*(?:\\s[^<>]*)?)w:val=([\"'])(on|off)\\2",
Pattern.CASE_INSENSITIVE);
private DocxOnOffNormalizer() {
}
/** Шаг конвейера WordPdfConverter#normalizers: этот нормализатор как DocxNormalizer. */
static final DocxNormalizer STEP = DocxOnOffNormalizer::normalize;
/**
* Заменяет в XML-частях docx (word/*.xml) w:val="off"/"on"
* на "false"/"true".
@@ -20,7 +20,7 @@ import org.apache.commons.compress.utils.SeekableInMemoryByteChannel;
* Порядок значим: Strict первым — дальше части в transitional-виде
* (TableIndent читает transitional-атрибуты {@code w:}); GlyphCoverage
* режет раны по финальному тексту рана (после Symbol/Invisible); Hidden
* последним — вырезает уже финальные раны (после Symbol/GLYPH-разбиений),
* девятым — вырезает уже финальные раны (после Symbol/GLYPH-разбиений),
* а его OnOff-форма vanish читается после правила 2. Каждый
* рерайт работает только содержимым одной части, поэтому по-частная
* цепочка эквивалентна последовательным полным проходам. Исключения из
@@ -66,7 +66,8 @@ public final class DocxRewritePipeline {
// Ширина полосы набора для правила 7 (таблицы в header/footer-
// частях своей sectPr не содержат): из сырого document.xml —
// геометрия инвариантна к рерайтам цепочки (Strict не трогает
// w:pgSz/@w:w, а pgMar-чередование left|start покрывает strict).
// w:pgSz/@w:w; у strict CT_PageMar start/end нет вовсе —
// только left/right).
// Записи нет/несколько секций → −1, header/footer консервативно
// пропускаются (та же неоднозначность полосы, что для body).
int band = -1;
@@ -44,9 +44,6 @@ final class FieldNormalizer {
private FieldNormalizer() {
}
/** Шаг конвейера WordPdfConverter#normalizers: этот нормализатор как DocxNormalizer. */
static final DocxNormalizer STEP = FieldNormalizer::normalize;
/**
* Переписывает поддерживаемые поля во всех word/*.xml частях docx.
*
@@ -81,9 +81,6 @@ final class GlyphCoverageNormalizer {
private GlyphCoverageNormalizer() {
}
/** Шаг конвейера WordPdfConverter#normalizers: этот нормализатор как DocxNormalizer. */
static final DocxNormalizer STEP = GlyphCoverageNormalizer::normalize;
/**
* Разрезает раны с непокрытыми глифами в XML-частях docx (word/*.xml).
*
@@ -24,7 +24,7 @@ import org.apache.commons.compress.archivers.zip.ZipFile;
import org.apache.commons.compress.utils.SeekableInMemoryByteChannel;
/**
* Вырезание скрытых ранов ({@code w:rPr/w:vanish}, Part 1 §17.3.2.30) из
* Вырезание скрытых ранов ({@code w:rPr/w:vanish}, Part 1 §17.3.2.41) из
* XML-частей — до загрузки docx4j.
*
* <p>Word по умолчанию не выводит скрытый текст ни на экран, ни на печать,
@@ -39,8 +39,13 @@ import org.apache.commons.compress.utils.SeekableInMemoryByteChannel;
* правило 2 к моменту запуска уже привело on/off к true/false, но обе формы
* принимаются) либо {@code w:rStyle} ссылается на стиль с vanish — по
* цепочке {@code w:basedOn} (капа 16, цикл — обрыв; тот же приём, что
* {@code internal/doc/Styles}). Прямой vanish ранa перекрывает стилевой;
* вложенные раны ({@code w:rubyBase}/{@code w:rt}, текстовые боксы)
* {@code internal/doc/Styles}). Прямой vanish ранa перекрывает стилевой
* (§17.7.3: в конфликте toggle выигрывает direct formatting); принятое
* упрощение стилевого слоя — явный falsy {@code w:val} <b>у стиля</b>
* (vanish=false поверх vanish-предка по {@code w:basedOn}) не
* разворачивается: стиль с {@code w:vanish} делает раны скрытыми
* независимо от {@code w:val}; вложенные раны
* ({@code w:rubyBase}/{@code w:rt}, текстовые боксы)
* оцениваются независимо, но ран внутри уже удалённого внешнего не
* вырезается повторно (диапазоны сливаются при сборке).
*
@@ -101,9 +106,6 @@ final class HiddenTextNormalizer {
private HiddenTextNormalizer() {
}
/** Шаг конвейера WordPdfConverter#normalizers: этот нормализатор как DocxNormalizer. */
static final DocxNormalizer STEP = HiddenTextNormalizer::normalize;
/**
* Вырезает скрытые раны (только прямой {@code w:vanish}) из XML-частей
* docx; {@code word/styles.xml}/{@code word/numbering.xml} пропускаются.
@@ -313,6 +315,9 @@ final class HiddenTextNormalizer {
if (hasTruthyVanish(region)) {
return true;
}
if (hasExplicitFalsyVanish(region)) {
return false; // явный w:val=false/0/off перекрывает стилевой vanish (§17.7.3)
}
if (!vanishStyleIds.isEmpty()) {
Matcher r = RSTYLE.matcher(region);
if (r.find() && vanishStyleIds.contains(r.group(1))) {
@@ -364,7 +369,7 @@ final class HiddenTextNormalizer {
String tag = end < 0 ? region.substring(i) : region.substring(i, end + 1);
Matcher v = VAL_ATTR.matcher(tag);
if (!v.find()) {
return true; // вал опущен — default true (Part 1 §17.3.2.30)
return true; // вал опущен — default true (Part 1 §17.3.2.41)
}
if (truthy(v.group(1))) {
return true;
@@ -376,11 +381,21 @@ final class HiddenTextNormalizer {
return false;
}
/** truthy по Part 1 §17.18.69 ST_OnOff: false/0/off — выключено, прочее — включено. */
/** truthy по Part 1 §22.9.2.7 ST_OnOff: false/0/off — выключено, прочее — включено. */
private static boolean truthy(String val) {
return !"false".equalsIgnoreCase(val) && !"0".equals(val) && !"off".equalsIgnoreCase(val);
}
/** Явный falsy {@code w:vanish} (val=false/0/off) — перекрытие стилевого. */
private static final Pattern FALSY_VANISH =
Pattern.compile("<w:vanish\\b[^>]*w:val=\"(?:false|0|off)\"",
Pattern.CASE_INSENSITIVE);
/** Есть ли в регионе явный falsy {@code w:vanish} (val=false/0/off). */
private static boolean hasExplicitFalsyVanish(String region) {
return FALSY_VANISH.matcher(region).find();
}
/** Есть ли защищённый элемент в содержимом рана [from, to). */
private static boolean hasProtected(String xml, int from, int to) {
for (String p : PROTECTED) {
@@ -27,9 +27,10 @@ import java.util.zip.ZipOutputStream;
* в невидимый DejaVu — FOP рисует «тофу» прямо в тексте.</li>
* </ul>
*
* Zero-width знаки, значимые для shaping и переносов (U+00A0, U+00AD,
* U+200B, U+200C, U+200D), НЕ трогаем: во всех шрифтах бандла они
* нулевой ширины и пустых строк не создают.
* NBSP (U+00A0, ширина пробела — не zero-width) и zero-width знаки, значимые
* для shaping и переносов (U+00AD, U+200B, U+200C, U+200D), НЕ трогаем:
* во всех шрифтах бандла NBSP широк, остальное нулевой ширины, и ни то ни
* другое пустых строк не создаёт.
*
* Правим байты zip до JAXB-разбора, как остальные нормализаторы; запускается
* до {@link GlyphCoverageNormalizer}, чтобы тот не искал шрифт для уже
@@ -86,9 +87,6 @@ final class InvisibleCharNormalizer {
private InvisibleCharNormalizer() {
}
/** Шаг конвейера WordPdfConverter#normalizers: этот нормализатор как DocxNormalizer. */
static final DocxNormalizer STEP = InvisibleCharNormalizer::normalize;
/**
* Вырезает невидимые символы из текстовых узлов XML-частей docx
* (word/*.xml).
@@ -17,7 +17,8 @@ import java.util.regex.Pattern;
* {@code XsltFOFunctions.mathText}) — формула видна, приложение не падает.
*
* <p>На хосте с fontconfig рерайт не срабатывает (возвращается {@code null},
* пайплайн отдаёт тот же массив). Позиция в цепочке — после Ruby (правило 11):
* пайплайн отдаёт тот же массив). Позиция в цепочке — после Ruby (правило 10),
* одиннадцатый рерайт:
* {@code m:oMathPara} содержит {@code m:oMath}, поэтому блок para заменяется
* первым, иначе остался бы несбалансированный каркас. Префикс {@code m:}
* предполагается (Word и strict-OOXML используют его; StrictOoxmlNormalizer
@@ -16,7 +16,8 @@ import java.util.zip.ZipOutputStream;
*
* Word рисует после номера лейбла разделитель по {@code w:suff}: tab —
* табуляция до позиционного отступа, space — обычный пробел, nothing — ничего
* (Part 1 §17.3.1.28). docx4j/export-fo разделитель не эмитит вовсе: в FO
* (Part 1 §17.9.28, тип — ST_LevelSuffix §17.18.46). docx4j/export-fo
* разделитель не эмитит вовсе: в FO
* уходит только текст лейбла («1.»), хинт {@code docx4j:label-suffix} —
* заготовка без обработчика (дамп n4.fo аудита раскладки). Для suff=tab это
* отдельный Class C-остаток (нужна per-item ширина), а suff=space чинится
@@ -38,9 +39,6 @@ final class NumberingSuffixNormalizer {
private NumberingSuffixNormalizer() {
}
/** Шаг конвейера WordPdfConverter#normalizers: этот нормализатор как DocxNormalizer. */
static final DocxNormalizer STEP = NumberingSuffixNormalizer::normalize;
/**
* Дописывает пробел в lvlText у уровней с suff=space.
*
@@ -42,7 +42,8 @@ import org.apache.commons.compress.utils.SeekableInMemoryByteChannel;
* по ECMA-376 §15.2.10 у каждого внедрённого объекта обязан быть «associated
* image, which appears in the document as a placeholder» — именно его показывает
* Word вместо объекта, — поэтому {@code w:object} заменяется его статичным
* представлением (картинкой-плейсхолдером, §17.3.3.3); без плейсхолдера блок
* представлением (картинкой-плейсхолдером, §17.3.3.19; картинка — §17.3.3.9);
* без плейсхолдера блок
* удаляется. OLE-бинарники при этом никогда не читаются — байты только
* удаляются, так что содержимое объекта (вплоть до враждебного архива) на
* вывод не влияет.</p>
@@ -392,7 +393,7 @@ public final class OleObjectNormalizer {
/**
* Заменяет в word/*.xml каждый w:object его статичным представлением
* (плейсхолдером, ECMA-376 §15.2.10/§17.3.3.3): блок с `w:control`
* (плейсхолдером, ECMA-376 §15.2.10/§17.3.3.19): блок с `w:control`
* (ActiveX) удаляется целиком — property bag всё равно остаётся сиротой;
* блок с `w:drawing` (ветка mc:Choice) заменяется этим drawing дословно;
* блок с `v:imagedata r:id` заменяется inline-DrawingML на ту же
@@ -10,8 +10,9 @@ import java.util.zip.ZipInputStream;
import java.util.zip.ZipOutputStream;
/**
* Разбор руби-разметки ({@code w:rubyBase}/{@code w:rt}/{@code w:rubyPr},
* Part 1 §17.3.3.19/.20/.21) в байтах до загрузки docx4j.
* Разбор руби-разметки ({@code w:ruby}/{@code w:rubyBase}/{@code w:rt}/
* {@code w:rubyPr}/{@code w:rubyAlign}, Part 1 §17.3.3.25/.27/.24/.28/.26)
* в байтах до загрузки docx4j.
*
* <p>Джинябиндованные схемы docx4j 17.3.2 {@code w:rubyBase}/{@code w:rt}
* в {@code w:r} <b>не содержат</b> (unmarshaller сообщает «unexpected
@@ -20,11 +21,13 @@ import java.util.zip.ZipOutputStream;
* (в отличие от {@code w:moveFrom}/{@code w:moveTo}/{@code w:bdo}/{@code w:dir},
* которые схема знает). Единственный слой починки — байтовый нормализатор.
*
* <p>Деградация принята: база ({@code w:rubyBase}/{@code w:rubyBaseText})
* разворачивается в обычные раны ранa — текст печатается; надстрочница
* ({@code w:rt}) и форматирование руби ({@code w:rubyPr}, {@code w:rubyAlign})
* удаляются вместе с содержимым — ruby-разметки в XSL-FO у FOP нет, а потеря
* текста хуже потери аннотации.
* <p>Деградация принята: база ({@code w:rubyBase}) разворачивается в обычные
* раны ранa — текст печатается; надстрочница ({@code w:rt}) и форматирование
* руби ({@code w:rubyPr}, {@code w:rubyAlign}) удаляются вместе с содержимым
* — ruby-разметки в XSL-FO у FOP нет, а потеря текста хуже потери аннотации.
* Снимается и обёртка {@code w:ruby}: схемно-валидная разметка (транзишнл
* CT_R: {@code w:r} → {@code w:ruby} → rubyPr/rt/rubyBase, wml.xsd) иначе
* достаёт catch-all-шаблону XSLT и база теряется молча.
*
* <p>В конвейере подключается десятым рерайтом в {@link DocxRewritePipeline}
* (после Hidden; порядок 1–8 не перенумеровать); в
@@ -46,18 +49,21 @@ final class RubyNormalizer {
private static final Pattern RUBY_PR_BLOCK =
Pattern.compile("<w:rubyPr(?:\\s[^>]*)?(?:/>|>.*?</w:rubyPr>)", Pattern.DOTALL);
/** Одиночный {@code w:rubyPr}. */
/** Одиночный {@code w:rubyAlign}. */
private static final Pattern RUBY_ALIGN =
Pattern.compile("<w:rubyAlign(?:\\s[^>]*)?(?:/>|>\\s*</w:rubyAlign>)", Pattern.DOTALL);
private static final Pattern RUBY_BASE_OPEN =
Pattern.compile("<w:rubyBase(?:\\s[^>]*)?>");
private static final Pattern RUBY_BASE_TEXT_OPEN =
Pattern.compile("<w:rubyBaseText(?:\\s[^>]*)?>");
/** Обёртка {@code w:ruby} (снимается: ран разворачивается в обычные раны). */
private static final Pattern RUBY_OPEN =
Pattern.compile("<w:ruby(?:\\s[^>]*)?>");
private static final String RUBY_CLOSE = "</w:ruby>";
/**
* Рерайт одной XML-строки: разворачивает {@code w:rubyBase}/
* {@code w:rubyBaseText}, вырезает {@code w:rt}/{@code w:rubyPr}/
* Рерайт одной XML-строки: разворачивает {@code w:rubyBase}, снимает
* обёртку {@code w:ruby}, вырезает {@code w:rt}/{@code w:rubyPr}/
* {@code w:rubyAlign}. Руби-токенов нет / ничего не поменялось → {@code null}.
*/
static String rewrite(String xml) {
@@ -67,10 +73,10 @@ final class RubyNormalizer {
String out = RT_BLOCK.matcher(xml).replaceAll("");
out = RUBY_PR_BLOCK.matcher(out).replaceAll("");
out = RUBY_ALIGN.matcher(out).replaceAll("");
out = RUBY_BASE_TEXT_OPEN.matcher(out).replaceAll("");
out = out.replace("</w:rubyBaseText>", "");
out = RUBY_BASE_OPEN.matcher(out).replaceAll("");
out = out.replace("</w:rubyBase>", "");
out = RUBY_OPEN.matcher(out).replaceAll("");
out = out.replace(RUBY_CLOSE, "");
return out.equals(xml) ? null : out;
}
@@ -26,14 +26,17 @@ import java.util.zip.ZipOutputStream;
* {@code w14:fillToRect w14:t="130%"} — JAXB падает на
* {@code NumberFormatException: Not a number: 130%};</li>
* <li>текстовые проценты в {@code wp14:pctWidth}/{@code wp14:pctHeight};</li>
* <li>границы и отступы в элементах {@code w:start}/{@code w:end}
* (в transitional они называются {@code w:left}/{@code w:right}) —
* JAXB сообщает «unexpected element» и границы теряются;</li>
* <li>границы и отступы в элементах {@code w:start}/{@code w:end} — в
* strict-схеме это единственные имена, transitional-схема допускает
* обе пары детей (wml.xsd CT_TcMar/CT_TblCellMar), но strict-часть их
* не пишет — JAXB transitional-модели сообщает «unexpected element»
* и границы теряются;</li>
* <li>атрибуты {@code w:start}/{@code w:end} у {@code w:ind} и значения
* {@code start}/{@code end} у {@code w:jc}/{@code w:tab} — в strict-модели
* это единственные имена, а transitional-модель docx4j их не принимает
* (значения {@code w:tab} — и подавно: enum {@code STTabJc} в docx4j
* 17.3.2 содержит только left/right).</li>
* 17.3.2 содержит только left/center/right; в спековом ST_TabJc
* §17.18.84 start/end есть, но JAXB-enum их не принимает).</li>
* </ul>
*
* <p>Полный strict→transitional рерайт не делается: mc-preprocessor уже
@@ -72,7 +75,9 @@ import java.util.zip.ZipOutputStream;
* RTL; ST_Jc §17.18.44); RTL вне контура конвейера (FOP без complex-script,
* direction docx4j не выставляет — start и так рендерился как left).</li>
* <li>значения {@code start}/{@code end} у {@code w:tab} правятся всегда
* (enum без start/end).</li>
* (enum {@code STTabJc} docx4j — left/center/right, без start/end;
* спека ST_TabJc §17.18.84 их содержит, но JAXB-биндинг их не
* принимает).</li>
* </ul>
*
* Регрессия — WordPdfConverterTest#strictOoxml_convertsNotRejected.
@@ -121,9 +126,6 @@ final class StrictOoxmlNormalizer {
private StrictOoxmlNormalizer() {
}
/** Шаг конвейера WordPdfConverter#normalizers: этот нормализатор как DocxNormalizer. */
static final DocxNormalizer STEP = StrictOoxmlNormalizer::normalize;
/**
* Приводит strict-OOXML в XML-частях docx (word/*.xml) к виду, который
* разбирает JAXB-модель transitional (детали — в javadoc класса).
@@ -219,13 +221,14 @@ final class StrictOoxmlNormalizer {
/**
* Атрибуты {@code w:start→w:left}/{@code w:end→w:right} только внутри
* открывающего тега {@code w:ind} (MS-OI29500 §2.1.174a: start/end как
* псевдонимы left/right в strict — единственный носитель w:ind) и только
* открывающего тега {@code w:ind} (MS-OI29500 §2.1.44 (ind) плюс
* strict wml.xsd: {@code CT_Ind} знает только start/end — единственный
* носитель w:ind в strict) и только
* при отсутствии в нём {@code w:left}/{@code w:right}: CT_Ind
* (transitional) допускает обе пары, дубль атрибута — не well-formed
* XML; литеральный текст {@code w:val}-вида в {@code w:t} не
* затрагивается. У {@code w:pgNumType} атрибут {@code w:start} — старт
* нумерации страниц, легален в transitional (Part 1 §17.13.7), — не
* нумерации страниц, легален в transitional (Part 1 §17.6.12), — не
* трогается (регрессия — pgNumTypeStartAttrUntouched).
*/
private static String renameStartEndAttrs(String xml) {
@@ -51,8 +51,9 @@ final class SymbolFontNormalizer {
* Имя шрифта (lowercase) -> таблица из 256 слотов по 4 hex-цифры:
* младший байт кода из PUA -> Unicode-код цели (0 — соответствия нет).
* Источник — SymbolMapper из docx4j 17.x; сгенерировано, см. javadoc
* класса. Коды вне U+F000–U+F0FF (обычная ASCII-часть символьного
* шрифта) не переписываются.
* класса. Прямые коды {@code w:sym} (≤0xFF, вне PUA) маппятся по той же
* таблице как индекс символной cmap (§17.3.3.30); слот без маппинга, код
* &gt;0xFF вне PUA или отсутствие font-map — элемент сохраняется как есть.
*/
private static final Map<String, String> SYMBOL_MAPS = buildMaps();
@@ -70,9 +71,6 @@ final class SymbolFontNormalizer {
private SymbolFontNormalizer() {
}
/** Шаг конвейера WordPdfConverter#normalizers: этот нормализатор как DocxNormalizer. */
static final DocxNormalizer STEP = SymbolFontNormalizer::normalize;
/**
* Заменяет символьные шрифты в XML-частях docx (word/*.xml).
*
@@ -311,14 +309,20 @@ final class SymbolFontNormalizer {
char mapped = 0;
if (charHex != null && fontMap != null) {
char code = (char) Integer.parseInt(charHex, 16);
if (code >= 0xF000 && code <= 0xF0FF) {
mapped = mapped(fontMap, code & 0xFF);
}
// PUA-форма (U+F0xx) и прямая (код ≤0xFF — индекс в символной
// cmap, §17.3.3.30) маппятся по одной таблице
int slot = (code >= 0xF000 && code <= 0xF0FF) ? code & 0xFF
: (code <= 0xFF ? code : -1);
mapped = slot >= 0 ? mapped(fontMap, slot) : 0;
}
if (mapped != 0) {
sb.append(openTag).append(fallbackRPr)
.append("<w:t xml:space=\"preserve\">").append(mapped)
.append("</w:t></w:r>");
} else if (charHex != null) {
// неразрешимый, но схемно-валидный w:sym (§17.3.3.30) —
// сохраняем verbatim: удалять валидный контент нельзя
sb.append(openTag).append(rPr).append(m.group()).append("</w:r>");
}
pos = m.end();
}
@@ -14,7 +14,9 @@ import java.util.zip.ZipOutputStream;
* Свёртка {@code w:tblPr/w:jc} (center/right) с ненулевым {@code w:tblInd} в
* абсолютный {@code w:tblInd} — до загрузки docx4j.
*
* Word (Part 1 §17.4.50 в чтении MS-OI29500 §2.1.155): при {@code w:jc}≠left
* Word (MS-OI29500 §2.1.155; Part 1 §17.4.28 {@code w:jc} + §17.4.50
* {@code w:tblInd} описывают без аддитивной семантики — «сдвиг от поля после
* центрирования/прижимания» есть измеренное поведение Word): при {@code w:jc}≠left
* таблица центрируется/прижимается, а {@code w:tblInd} добавляется сдвигом от
* поля. docx4j же при {@code w:jc}≠left {@code w:tblInd} игнорирует буквально
* (аудит раскладки ECMA-376, матрица B3) — таблица рендерилась без учёта
@@ -31,12 +33,17 @@ import java.util.zip.ZipOutputStream;
* <p>Пропускается (не ломая существующее поведение): документы без
* единственного body-level {@code w:sectPr} (несколько секций — полоса
* неоднозначна), {@code w:tblW type="pct"} и таблицы с gridCol без целого
* {@code w:w} (фактическая ширина неизвестна), {@code w:tblInd} не-dxa и
* {@code w:w} (фактическая ширина неизвестна), {@code w:tblInd} с явным
* {@code w:type}≠dxa (опущенный type — dxa, §17.4.87) и
* {@code w:tblPr} с {@code w:tblCellSpacing} без {@code w:tblInd} (вставить
* тег в корректную позицию CT_TblPrBase некуда). Дефолты при отсутствии
* pgSz/pgMar — 11906 и 1440/1440: измеренное поведение docx4j при отсутствующем
* {@code w:pgMar} (левый край текста = 72pt = 1440 twips), а не ECMA-дефолт
* 1800 — нормализатор обязан считать ту же полосу, что рендерит стек.
* pgSz/pgMar — 11906 и 1440/1440: ECMA дефолтов {@code w:pgSz}/{@code w:pgMar}
* не фиксирует (§17.6.13/§17.6.11), а 11906/1440 — измеренное поведение
* docx4j при отсутствующем {@code w:pgMar} (левый край текста = 72pt =
* 1440 twips) — нормализатор обязан считать ту же полосу, что рендерит стек.
* Band берётся из сырого {@code word/document.xml}: геометрия инвариантна
* к рерайтам (Strict-схема у {@code CT_PageMar} не имеет start/end, rule 1
* {@code w:pgSz}/{@code w:pgMar} не трогает).
*
* <p>{@link #normalize} трогает только {@code word/document.xml} (признак —
* {@code <w:body}); нечего менять → тот же массив. {@link #rewritePart} —
@@ -57,13 +64,14 @@ final class TableIndentNormalizer {
private static final String DOCUMENT_ENTRY = "word/document.xml";
private static final Pattern PG_SZ_W = Pattern.compile("<w:pgSz\\b[^>]*w:w=\"(\\d+)\"");
// strict-OOXML пишет поля как w:start/w:end; band считается из СЫРОГО
// document.xml (до rule 1, которая их переименует) — чередование
// обязательно, иначе полоса строгого документа молча возьмётся из дефолтов
// полоса считается из СЫРОГО document.xml; чередование left|start не
// нужен: CT_PageMar не имеет start/end ни в strict-, ни в transitional-
// схеме (wml.xsd), StrictOoxmlNormalizer w:pgSz/w:pgMar не трогает —
// геометрия инвариантна к рерайтам
private static final Pattern PG_MAR_LEFT =
Pattern.compile("<w:pgMar\\b[^>]*w:(?:left|start)=\"(\\d+)\"");
Pattern.compile("<w:pgMar\\b[^>]*w:left=\"(\\d+)\"");
private static final Pattern PG_MAR_RIGHT =
Pattern.compile("<w:pgMar\\b[^>]*w:(?:right|end)=\"(\\d+)\"");
Pattern.compile("<w:pgMar\\b[^>]*w:right=\"(\\d+)\"");
private static final Pattern JC =
Pattern.compile("<w:jc\\b[^>]*w:val=\"(center|right)\"[^>]*/>");
private static final Pattern TBL_IND = Pattern.compile("<w:tblInd\\b[^>]*/>");
@@ -74,9 +82,6 @@ final class TableIndentNormalizer {
private TableIndentNormalizer() {
}
/** Шаг конвейера WordPdfConverter#normalizers: этот нормализатор как DocxNormalizer. */
static final DocxNormalizer STEP = TableIndentNormalizer::normalize;
/**
* Переписывает jc+tblInd в абсолютный tblInd в {@code word/document.xml}.
*
@@ -186,10 +191,18 @@ final class TableIndentNormalizer {
if (hasInd) {
String indTag = ind.group();
Matcher indW = TBL_IND_W.matcher(indTag);
if (!indW.find() || !indTag.contains("w:type=\"dxa\"")) {
continue; // не-dxa — величина сдвига неизвестна
// CT_TblWidth (§17.4.87): опущенный w:type = dxa;
// явный не-dxa (pct и т.п.) — величина сдвига неизвестна
boolean nonDxa = indTag.contains("w:type=") && !indTag.contains("w:type=\"dxa\"");
if (!indW.find() || nonDxa) {
continue;
}
x = Integer.parseInt(indW.group(1));
} else if (pr.contains("<w:tblInd")) {
// парный (не самозакрывающийся) w:tblInd — паттерн видит
// только самозакрытый; вставка нового тега оставила бы старый
// → дубль элемента (maxOccurs=1 у CT_TblPrBase), консервативно
continue;
} else if (pr.contains("<w:tblCellSpacing")) {
// tblInd по CT_TblPrBase идёт ПОСЛЕ tblCellSpacing — вставить
// тег в корректную позицию некуда, консервативно пропускаем
@@ -11,7 +11,7 @@ import java.util.List;
/**
* Объёмные декартовы графики: c:bar3DChart, c:line3DChart, c:area3DChart
* (ECMA-376 §21.2.2.19/.101/.122). Камера — та же, что у поверхности
* (ECMA-376 §21.2.2.15/.96/.4). Камера — та же, что у поверхности
* ({@link Surface3dPainter#project}): u — категория (ширина), v — ряд
* (глубина), w — значение (высота); вписка равномерным масштабом в поля
* {@link Surface3dPainter#GUTTER_LEFT} и т.д.
@@ -21,8 +21,8 @@ import java.util.List;
* §2.1.1474(a)); торец затемняется (псевдо-свет, калибровка — Cartesian3dPainterTest).
* line3D: полилиния ряда на своей глубине, лента-толщина не имитируется;
* area3D: стена ряда от пола до значений, полупрозрачная, как AREA.
* c:shape (§21.2.2.177, ST_Shape §21.2.3.44): box/cone/coneToMax/cylinder/pyramid/
* pyramidToMax; c:shape ряда переопределяет форму диаграммы (MS-OI29500 §2.1.1545(a/b)),
* c:shape (§21.2.2.177, ST_Shape §21.2.3.42): box/cone/coneToMax/cylinder/pyramid/
* pyramidToMax; c:shape ряда переопределяет форму диаграммы (MS-OI29500 §2.1.1546(a/b)),
* ToMax-формы сужаются к верху пропорционально val/max (семантика Excel — ECMA геометрию
* не нормирует); неизвестное значение — box. c:barDir="bar" — горизонтальная ориентация
* боксов (Word UI не сочетает barDir=bar с формами).
@@ -343,7 +343,7 @@ final class Cartesian3dPainter {
}
}
/** Грани колонки в модельных координатах (§21.2.3.44 ST_Shape); все вершины
/** Грани колонки в модельных координатах (§21.2.3.42 ST_Shape); все вершины
* проецируются в nodes — по ним происходит вписка. Неизвестная форма — box. */
private static List<Face> buildFaces(Color color, String shape, double t,
double u0, double u1, double v0, double v1,
@@ -600,7 +600,7 @@ final class Cartesian3dPainter {
}
/** Подписи: значения — вдоль переднего левого ребра, категории — нижнего,
* ряды — правого; c:delete (§21.2.2.38) убирает подписи оси.
* ряды — правого; c:delete (§21.2.2.40) убирает подписи оси.
* Регрессия — Cartesian3dPainterTest#bar3d_seriesAxisLabelsDrawn. */
private static void drawLabels(Graphics2D g, ChartSpec spec, List<Double> tickValues,
List<Surface3dPainter.Node> valueAnchors, int nCat,
@@ -52,7 +52,7 @@ final class ChartRenderer {
/** Порог «значение целое» при форматировании подписей. */
private static final double INTEGER_EPSILON = 1e-9;
/** Позиции легенды (ECMA-376 §21.2.2.144 ST_LegendPos): снизу/сверху. */
/** Позиции легенды (ECMA-376 §21.2.2.95 legendPos, ST_LegendPos §21.2.3.24): снизу/сверху. */
private static final String LEGEND_BOTTOM = "b";
private static final String LEGEND_TOP = "t";
@@ -117,7 +117,7 @@ final class ChartSpec {
final List<Double> xValues = new ArrayList<>();
/** bubble: размеры пузырей (c:bubbleSize). */
final List<Double> bubbleSizes = new ArrayList<>();
/** c:shape ряда bar3D (MS-OI29500 §2.1.1545(b)); null = дефолт диаграммы ({@link #shape3d}). */
/** c:shape ряда bar3D (MS-OI29500 §2.1.1546(b)); null = дефолт диаграммы ({@link #shape3d}). */
String shape3d;
/** Способ отрисовки ряда в combo-диаграмме (несколько групп в одном c:plotArea,
* ECMA-376 §21.2.2.145): BAR/BAR_HORIZONTAL/LINE/AREA по группе-источнику.
@@ -29,12 +29,13 @@ import java.util.Map;
* Палитра цветов DrawingML: цвета схемы из word/theme/theme1.xml плюс
* разбор {@code a:color} (srgbClr / scrgbClr / hslClr / sysClr /
* schemeClr / prstClr) с полным набором трансформаций EG_ColorTransform
* (§20.1.2.3.2-28: lum/sat/hue Mod/Off и абсолютные, tint/shade,
* (§20.1.2.3.2-34: lum/sat/hue Mod/Off и абсолютные, tint §20.1.2.3.34 /
* shade §20.1.2.3.31,
* alpha/alphaMod/alphaOff, red/green/blue + Mod/Off, comp, inv, gray,
* gamma/invGamma).
*
* tint/shade — модуляция светлоты в HSL (L' = L·p + (1−p) / L·p,
* MS-OI29500 §17.3.2.6(a) — поведение Word); ECMA-примеры именно для
* MS-OI29500 §2.1.72 — поведение Word); ECMA-примеры именно для
* tint/shade (00BC00) противоречат его же примерам семейства lum/sat —
* расхождение на стороне спецификации.
*
@@ -432,7 +433,7 @@ final class DrawMlColor {
rgb = toRgb(hsl);
}
// §20.1.2.3.31/.34: Office-семантика — модуляция
// светлоты в HSL (MS-OI29500 §17.3.2.6(a)), не
// светлоты в HSL (MS-OI29500 §2.1.72), не
// гамма-микс; ECMA-примеры tint/shade противоречат
// собственному семейству lum/sat (§20.1.2.3.19-28).
case "tint" -> {
@@ -43,7 +43,7 @@ final class DrawMlText {
/**
* Один абзац: текст + начертание + выравнивание + межстрочный интервал
* из {@code a:lnSpc} (ECMA-376 §21.1.2.4): {@code spacingPct} — доля
* из {@code a:lnSpc} (ECMA-376 §21.1.2.2.5): {@code spacingPct} — доля
* одинарного (a:spcPct/100000), {@code spacingPts} — фиксированная
* высота строки в pt (a:spcPts/100); оба null — одинарный.
*/
@@ -255,7 +255,7 @@ final class DrawMlText {
/**
* Высота строки абзаца: a:lnSpc/a:spcPts — фиксированная в pt,
* a:spcPct — доля одинарного (ascent+descent+leading), ничего —
* одинарный (ECMA-376 §21.1.2.4 CT_TextLineSpacing).
* одинарный (ECMA-376 §21.1.2.2.5 CT_TextLineSpacing).
*/
private static double lineFor(Paragraph p, double single) {
if (p.spacingPts() != null) {
@@ -11,11 +11,11 @@ import java.util.List;
import java.util.Set;
/**
* Комбинированная диаграмма (c:ofPieChart, ECMA-376 §21.2.2.108): главный
* Комбинированная диаграмма (c:ofPieChart, ECMA-376 §21.2.2.126): главный
* пирог из первичных точек + вторичная круговая (c:ofPieType="pie") либо
* вертикальный стек ("bar") из вторичных. Разбиение по c:splitType
* (auto|cust|percent|pos|val, §21.2.2.155; семантика splitPos —
* MS-OI29500 §2.1.1554a/b): auto/pos — последние ceil(n/3) (или splitPos)
* (auto|cust|percent|pos|val, §21.2.2.196; семантика splitPos —
* MS-OI29500 §2.1.1553): auto/pos — последние ceil(n/3) (или splitPos)
* точек, val/percent — точки ниже splitPos, cust — c:secondPiePt.
* Вторичных точек нет → обычная круговая через {@link PiePainter}.
* «Other»-сектор (MS-OI29500 §2.1.1507(a)) замыкает главный пирог и обращён к
@@ -37,7 +37,7 @@ final class OfPiePainter {
* калибровка — OfPiePainterTest). */
private static final double GAP_FIT = 0.25;
/** c:ofPieType="bar" — вторичная часть столбчатая (§21.2.2.134). */
/** c:ofPieType="bar" — вторичная часть столбчатая (§21.2.2.127). */
private static final String SECONDARY_BAR = "bar";
private OfPiePainter() {
@@ -9,9 +9,9 @@ import java.util.ArrayList;
import java.util.List;
/**
* Лепестковая диаграмма (c:radarChart, ECMA-376 §21.2.2.143): категории —
* Лепестковая диаграмма (c:radarChart, ECMA-376 §21.2.2.153): категории —
* спицы от 12 часов по часовой, значения — радиус по оси значений.
* c:radarStyle (§21.2.2.119): standard — контур, marker — контур + маркеры,
* c:radarStyle (§21.2.2.154): standard — контур, marker — контур + маркеры,
* filled — полупрозрачная заливка без контура (вид как у AREA).
* Сетка — концентрические многоугольники по делениям оси значений (паутина
* прямыми звеньями, как в Word) и спицы.
@@ -15,9 +15,9 @@ import java.util.List;
* ChartSpecTest#scatterFirstValAxisIsX).
*
* scatter: маркеры по c:marker ряда, линия по c:scatterStyle (line/smooth —
* ECMA-376 §21.2.2.136, сглаживание — кривая Жозефа де Кастельно не
* ECMA-376 §21.2.2.162, сглаживание — кривая Жозефа де Кастельно не
* имитируется, ломаная с JOIN_ROUND). bubble: круги без обводки, радиус
* sqrt(|size|/maxSize) при c:sizeRepresents="area" (§21.2.2.128) и линейно
* sqrt(|size|/maxSize) при c:sizeRepresents="area" (§21.2.2.193) и линейно
* при "w", масштаб c:bubbleScale. Ограничения: c:bubble3D рисуется плоско.
*
* Регрессия — ScatterPainterTest, фикстура samples/chart-types.docx
@@ -278,8 +278,9 @@ final class SmartArtRenderer {
if (paragraphs.isEmpty()) {
return;
}
// autofit по ECMA-376 §21.1.2.1.2/.3: noAutofit, spAutoFit (§21.1.2.1.4 —
// под размер текста ресайзится фигура, сам текст не масштабируется)
// autofit по ECMA-376 §21.1.2.1.2 noAutofit / §21.1.2.1.3 normAutofit /
// §21.1.2.1.4 spAutoFit (под размер текста ресайзится фигура,
// сам текст не масштабируется)
// или отсутствие autofit-элемента (отсутствие имплицирует noAutofit) —
// текст рисуется заявленным кеглем. normAutofit — применяем запечённые
// Word-ом fontScale/lnSpcReduction из XML; если fontScale не запечён
@@ -9,7 +9,7 @@ import java.util.ArrayList;
import java.util.List;
/**
* Биржевая диаграмма (c:stockChart, ECMA-376 §21.2.2.153): ряды — линии
* Биржевая диаграмма (c:stockChart, ECMA-376 §21.2.2.198): ряды — линии
* (CT_LineSer, обычно open/high/low/close), плюс факультативные
* c:hiLowLines (вертикаль min..max по всем рядам категории),
* c:upDownBars (столбик между первым и последним рядом: вверх — зелёный,
@@ -464,7 +464,7 @@ final class Surface3dPainter {
project(0.5, v, floorW, rotX, rotY, depthScale, persp), fit);
}
// сетка значений: левая стенка (от переднего левого ребра в глубину)
// и дальней стенка — обе рисует Word; c:delete (§21.2.2.38) убирает ось
// и дальней стенка — обе рисует Word; c:delete (§21.2.2.40) убирает ось
// целиком — сетка удалённой оси не рисуется.
if (valAxis.gridlines && !valAxis.deleted) {
for (double v = lo; v <= hi + unit / 2; v += unit) {
@@ -33,9 +33,6 @@ final class CfbReader {
private static final long FREESECT = 0xFFFFFFFFL;
private static final long MAX_SECT = 0xFFFFFFFAL;
/** Разумный потолок mini-sector shift: 2^16 = 64 KiB (MS-CFB §2.2). */
private static final int MAX_MINI_SECTOR_SHIFT = 16;
/** Типы записей directory (MS-CFB §2.6, Object Type). */
private static final int TYPE_STREAM = 0x02;
private static final int TYPE_ROOT = 0x05;
@@ -44,6 +41,7 @@ final class CfbReader {
private static final int ENTRY_SIZE = 128;
/** Смещения полей заголовка (MS-CFB §2.2: сигнатура 8 + CLSID 16). */
private static final int OFF_BYTE_ORDER = 0x1C;
private static final int OFF_SECTOR_SHIFT = 0x1E;
private static final int OFF_MINI_SECTOR_SHIFT = 0x20;
private static final int OFF_FIRST_DIR = 0x30;
@@ -63,6 +61,16 @@ final class CfbReader {
/** Минимальный заголовок — 512 байт (сектор v3). */
private static final int HEADER_SIZE = 512;
/** ByteOrder MUST быть little-endian ([MS-CFB] §2.2). */
private static final int BYTE_ORDER_LITTLE = 0xFFFE;
/** SectorShift: 9 (v3, 512 Б) или 12 (v4, 4096 Б) ([MS-CFB] §2.2). */
private static final int SECTOR_SHIFT_V3 = 9;
private static final int SECTOR_SHIFT_V4 = 12;
/** MiniSectorShift MUST быть 6 (64 Б) ([MS-CFB] §2.2). */
private static final int MINI_SECTOR_SHIFT_MUST = 6;
/** Mini Stream Cutoff MUST быть 0x1000 ([MS-CFB] §2.2). */
private static final int MINI_STREAM_CUTOFF_MUST = 0x1000;
private CfbReader() {
}
@@ -77,18 +85,26 @@ final class CfbReader {
if (cfb == null || cfb.length < HEADER_SIZE || !startsWithSignature(cfb)) {
throw new ConversionException("Содержимое не похоже на .doc Word 97–2003");
}
// MUST-поля заголовка ([MS-CFB] §2.2): не-равенство — чужой/битый
// формат, разбор дал бы мусор вместо отказа
if (u16(cfb, OFF_BYTE_ORDER) != BYTE_ORDER_LITTLE) {
throw new ConversionException("Неизвестный Byte Order контейнера .doc");
}
int sectorShift = u16(cfb, OFF_SECTOR_SHIFT);
int miniSectorShift = u16(cfb, OFF_MINI_SECTOR_SHIFT);
if (sectorShift != 9 && sectorShift != 12) {
if (sectorShift != SECTOR_SHIFT_V3 && sectorShift != SECTOR_SHIFT_V4) {
throw new ConversionException("Неподдерживаемый размер сектора CFB: 2^" + sectorShift);
}
if (miniSectorShift > MAX_MINI_SECTOR_SHIFT) {
if (miniSectorShift != MINI_SECTOR_SHIFT_MUST) { // §2.2: «MUST be set to 0x0006»
throw new ConversionException("Неподдерживаемый размер mini-сектора CFB: 2^" + miniSectorShift);
}
int sectorSize = 1 << sectorShift;
int miniSectorSize = 1 << miniSectorShift;
long firstDir = u32(cfb, OFF_FIRST_DIR);
long cutoff = u32(cfb, OFF_CUTOFF);
if (cutoff != MINI_STREAM_CUTOFF_MUST) { // §2.2: «MUST be set to 0x00001000»
throw new ConversionException("Неподдерживаемый Mini Stream Cutoff контейнера .doc");
}
long firstMiniFat = u32(cfb, OFF_FIRST_MINI_FAT);
long firstDifat = u32(cfb, OFF_FIRST_DIFAT);
long difatCount = u32(cfb, OFF_DIFAT_COUNT);
@@ -144,22 +160,27 @@ final class CfbReader {
}
}
// второй проход: содержимое потоков
// второй проход: содержимое потоков.
// Суммарный бюджет аллокаций big-потоков: FAT легально шарит сектора
// между записями, поэтому пер-запись «size <= cfb.length» не
// ограничивает итог — N записей с size ≈ cfb.length аллоцировали бы
// N×файл (OOM с одного враждебного контейнера). В легитимном
// контейнере big-потоки не перекрываются: rootSize + Σ big ≤ файл +
// служебные сектора (FAT/dir/докругление) ≈ 1.1×файла; 1.5× — запас.
// Mini-потоки (size < cutoff) в бюджет НЕ идут: их данные физически
// лежат внутри rootSize ([MS-CFB] §2.1/§2.4 — «The space for these
// objects comes from a special stream that is called the mini
// stream»), учёт их размеров второй раз удваивал бы rootSize и
// ложно отвергал контейнер из одних мелких потоков.
Map<String, byte[]> result = new HashMap<>();
// Суммарный бюджет аллокаций: FAT легально шарит сектора между
// записями, поэтому пер-запись «size <= cfb.length» не ограничивает
// итог — N записей с size ≈ cfb.length аллоцировали бы N×файл
// (OOM с одного враждебного контейнера). В легитимном контейнере
// потоки не перекрываются: rootSize + Σ sizes ≤ файл + служебные
// сектора (FAT/dir/докругление mini) ≈ 1.1×файла; 1.5× — запас.
long allocated = rootSize;
for (Entry e : entries) {
if (allocated + e.size() > 3L * cfb.length / 2) {
throw new ConversionException("Суммарный размер потоков .doc больше лимита контейнера");
}
allocated += e.size();
byte[] data;
if (e.size() >= cutoff) {
if (allocated + e.size() > 3L * cfb.length / 2) {
throw new ConversionException("Суммарный размер потоков .doc больше лимита контейнера");
}
allocated += e.size();
data = readChain(cfb, fat, e.start(), e.size(), sectorSize, sectorTotal,
"цепочка потока «" + e.name() + "»");
} else {
@@ -242,7 +263,15 @@ final class CfbReader {
return fat;
}
/** Цепочка секторов по FAT; цикл/выход за FAT → {@link ConversionException}. */
/**
* Цепочка секторов по FAT; цикл/выход за FAT → {@link ConversionException}.
* Капа min(fat.length, sectorTotal): sectorOffset=(sector+1)·sectorSize
* обязан остаться положительным int — сектор «за файлом» дал бы оффлоу
* и обход проверок base+n&gt;cfb.length; капка fat.length — ещё и на
* индексацию fat[] при FAT, покрывающем меньше файла (битый DIFAT).
* Регрессия — CfbReaderTest#streamChainBeyondFile_rejected,
* #rootChainBeyondFile_rejected.
*/
private static int[] chain(int[] fat, long start, int sectorTotal, String what) {
List<Integer> sectors = new ArrayList<>();
long sect = start;
@@ -251,7 +280,7 @@ final class CfbReader {
if (sectors.size() > limit) {
throw new ConversionException("Циклическая " + what + " в .doc");
}
if (sect >= fat.length) {
if (sect >= limit - 1) {
throw new ConversionException("Сектор за концом FAT в .doc: " + what);
}
sectors.add((int) sect);
@@ -324,11 +353,15 @@ final class CfbReader {
}
private static int sectorOffset(int sector, int sectorSize) {
return (sector + 1) * sectorSize;
long off = (long) (sector + 1) * sectorSize;
if (off > Integer.MAX_VALUE) {
throw new ConversionException("Сектор за концом файла в .doc");
}
return (int) off;
}
private static void requireInFile(int offset, int len, int fileLen, String what) {
if (offset < HEADER_SIZE || offset + len > fileLen) {
if (offset < HEADER_SIZE || (long) offset + len > fileLen) {
throw new ConversionException("Ссылка за конец файла в .doc: " + what);
}
}
@@ -58,13 +58,19 @@ final class ChpxIndex {
if (bx != 0) {
int chpxOff = (int) pageOff + bx * 2;
int cb = wordDocument[chpxOff] & 0xFF;
if (cb == 0 || chpxOff + 1 + cb > pageOff + FKP_PAGE_SIZE) {
continue;
// 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 — заносим с пустым grpprl
if (cb > 0) {
if (chpxOff + 1 + cb > pageOff + FKP_PAGE_SIZE) {
continue; // grpprl не влезает в страницу — пропуск
}
grpprl = new byte[cb];
System.arraycopy(wordDocument, chpxOff + 1, grpprl, 0, cb);
}
grpprl = new byte[cb];
System.arraycopy(wordDocument, chpxOff + 1, grpprl, 0, cb);
}
// bOffset=0 (§2.4.2 «no properties») — диапазон без свойств, НО
// bOffset=0 (§2.9.33 «there is no Chpx associated») — диапазон
// без свойств, НО
// граница rgfc[j+1] значима: без записи в ranges rangeEnd для
// дефолтного рана вернул бы конец абзаца, и ран, следующий за
// plain-участком (жирное слово в простом тексте — норма Word),
@@ -42,7 +42,8 @@ final class DocFile {
throw new ConversionException("В .doc нет потока "
+ (fib.use1Table() ? "1Table" : "0Table"));
}
pieces = PieceTable.read(table, fib.fcClx(), fib.lcbClx(), wordDocument);
pieces = PieceTable.read(table, fib.fcClx(), fib.lcbClx(), wordDocument,
fib.cbMac() & 0xFFFF_FFFFL);
}
static DocFile open(byte[] docBytes) {
@@ -78,7 +79,8 @@ final class DocFile {
+ papx.countPageBreakBefore());
}
/** Число символов 0x0C (разрыв страницы/колонки/секции, §2.2) в основном тексте. */
/** Число символов 0x0C (разрыв страницы/секции, §2.8.26) в основном тексте;
* разрыв колонки — 0x0E (§2.6.3), страниц не добавляет. */
int countPageBreaks() {
int count = 0;
for (int cp = 0; cp < fib.ccpText(); cp++) {
@@ -5,6 +5,7 @@ import ru.pjandro.wordpdf.WordPdfValidator;
import java.nio.charset.StandardCharsets;
import java.util.ArrayDeque;
import java.util.ArrayList;
import java.util.Arrays;
import java.util.Deque;
import java.util.HashMap;
import java.util.Iterator;
@@ -12,6 +13,7 @@ import java.util.List;
import java.util.Locale;
import java.util.Map;
import java.util.Set;
import java.util.logging.Logger;
import java.util.regex.Pattern;
/**
@@ -24,9 +26,9 @@ import java.util.regex.Pattern;
* {@link PieceTable} (§2.4.1), прямые
* свойства — {@link ChpxIndex}/{@link PapxIndex} (§2.4.6.1/.2), стили —
* {@link Styles} (STSH, цепочка по istd, §2.4.6.5), списки — {@link Lists}
* (PlfLst/PlfLfo → numbering.xml + w:numPr, §2.4.6.5 «Determining List
* (PlfLst/PlfLfo → numbering.xml + w:numPr, §2.4.6.3 «Determining List
* Formatting»), сетка таблиц — {@link Tables} (TAP, §2.6.3), полоса набора —
* {@link Sections} (§2.8.26), колонтитуки — {@link Headers} (§2.4.1,
* {@link Sections} (§2.8.26), колонтитуки — {@link Headers} (§2.3.3,
* нечётные полосы каждой секции → свой {@code w:sectPr} с
* {@code headerReference}/{@code footerReference} в pPr абзаца с
* межсекционным разрывом + body-level sectPr последней секции),
@@ -43,7 +45,7 @@ import java.util.regex.Pattern;
* объектов (0x08 — inline-приближение, PlcfSpa не переносится),
* текстовыделитель (sprmCHighlight → w:highlight), затенения рана/абзаца
* (sprmCShd/sprmCShd80 → rPr, sprmPShd/sprmPShd80 → pPr — w:shd), прямые
* символьные стили (sprmCIstd + stk=3 в STSH → цепочка chpx в rPr), поля
* символьные стили (sprmCIstd + stk=2 в STSH → цепочка chpx в rPr), поля
* ячеек (sprmTCellPadding/sprmTCellPaddingDefault → w:tcMar; по умолчанию
* конвейер даёт дефолт Word 108/0), титульная страница секции
* (sprmSFTitlePage → w:titlePg + first-колонтитуки Plcfhdd). Не переносятся:
@@ -52,14 +54,14 @@ import java.util.regex.Pattern;
* (sprmPBrc* 0xC64E–0xC652 — конвейер не читает w:pBdr) и ячейки
* (sprmTSetBrc — не читает w:tcBorders), высота строк (sprmTDyaRowHeight —
* не читает w:trHeight),
* «шапка-repeat»/cantSplit/widowControl, типы подчёркивания и цвет линии
* (sprmCKul/sprmCCvUl — всегда single), эффетки шрифта, отступы Dxc
* цвет линии подчёркивания
* (sprmCCvUl — w:u без w:color), эффетки шрифта, отступы Dxc
* (hundredths of a character — пайплайн не читает w:*Chars);
* сноски/комментарии
* (0x02/0x05) и инструкции полей (0x13–0x14) выбрасываются,
* результат поля (0x14–0x15) остаётся; поле {@code HYPERLINK} в основном
* тексте переносится как {@code w:hyperlink} с внешней rels-связью на URL из
* инструкции ([MS-DOC] §2.4.4; деградации в плоский текст: якорный
* инструкции ([MS-DOC] §2.9.115 HFD; деградации в плоский текст: якорный
* переключатель {@code \l}, URL без схемы RFC 3986, ссылки в колонтитуках);
* прочие управляющие символы не эмитятся.</p>
*
@@ -69,7 +71,9 @@ import java.util.regex.Pattern;
*/
public final class DocToDocx {
/** Символы .doc (§2.2/§2.4). */
private static final Logger LOG = Logger.getLogger(DocToDocx.class.getName());
/** Символы .doc (§2.8.26/§2.4). */
private static final char CELL_MARK = 0x07;
private static final char EMBEDDED_OBJECT = 0x01;
private static final char ANNOTATION_REF = 0x05;
@@ -84,7 +88,7 @@ public final class DocToDocx {
private static final char FIELD_SEPARATOR = 0x14;
private static final char FIELD_END = 0x15;
/** Ниже — управляющие символы без текстового смысла (§2.2) → граница рана. */
/** Ниже — управляющие символы без текстового смысла (§2.8.26) → граница рана. */
private static final char CONTROL_LIMIT = 0x20;
private static final char NON_BREAKING_HYPHEN = 0x1E;
private static final char SOFT_HYPHEN = 0x1F;
@@ -159,7 +163,7 @@ public final class DocToDocx {
String[] firstFtrRel = new String[secs.size()];
// Odd header/footer каждой секции → type="default" (FOP не различает
// чётные/нечётные); guard-абзац истории отбрасывается. История
// cpStart == cpEnd не определена (§2.4.4) — ни части, ни ссылки:
// cpStart == cpEnd не определена (§2.3.3) — ни части, ни ссылки:
// docx4j наследует полосы предыдущей секции. Guard-only история —
// часть с единственным <w:p/> (явно пустой колонтитул, обрывающий
// наследование; пустой w:hdr невалиден — ≥1 блочный элемент).
@@ -231,7 +235,7 @@ public final class DocToDocx {
/** Текст CP 0..ccpText → XML-тело {@code <w:body>}. */
static final class DocxBody {
/** Длина операнда LSPD: dyaLine (i16) + fMultLinespace (i16), §2.9.181. */
/** Длина операнда LSPD: dyaLine (i16) + fMultLinespace (i16), §2.9.146. */
private static final int LSPD_OPERAND_LEN = 4;
/** fMultLinespace=1: dyaLine — множитель интервала в 240-х долях. */
private static final int FMULT_MULTIPLIER = 1;
@@ -324,7 +328,7 @@ public final class DocToDocx {
* {@code w:sectPr} в pPr абзаца с разрывом 0x0C + body-level sectPr
* последней секции. {@code w:type} секции описывает разрыв ПЕРЕД ней
* (ECMA-376 §17.6.22), поэтому берётся из sprmSBkc ПРЕДЫДУЩЕЙ секции
* ([MS-DOC] §2.6.3 SBkcOperand — «break that terminates the section»).
* ([MS-DOC] sprmSBkc §2.6.4, SBkcOperand §2.9.235 — «break that terminates the section»).
*/
String build(List<Sections.Section> secs, String[] hdrRel, String[] ftrRel,
String[] firstHdrRel, String[] firstFtrRel) {
@@ -336,14 +340,14 @@ public final class DocToDocx {
&& pieces.charAt(endCp) == PAGE_OR_SECTION_BREAK) {
sectByEndCp.put(endCp, sectPrXml(secs.get(i), hdrRel[i], ftrRel[i],
firstHdrRel[i], firstFtrRel[i],
i > 0 && secs.get(i - 1).continuous()));
i > 0 ? secs.get(i - 1) : null));
}
}
Sections.Section last = secs.get(n - 1);
return buildRange(0, ccpText, false, sectByEndCp)
+ sectPrXml(last, hdrRel[n - 1], ftrRel[n - 1],
firstHdrRel[n - 1], firstFtrRel[n - 1],
n > 1 && secs.get(n - 2).continuous());
n > 1 ? secs.get(n - 2) : null);
}
/**
@@ -386,7 +390,25 @@ public final class DocToDocx {
int cp = from;
while (cp < to) {
int paraStart = cp;
long paraFc = pieces.fcOf(paraStart);
// PAPX-ключ — FC ПОСЛЕДНЕГО символа абзаца (маркера): bucket
// PlcBtePapx и rgfc PapxFkp определяются последним символом
// (§2.8.6, §2.4.6.1 «Determining Paragraph Boundaries» →
// Direct Paragraph Formatting шаг 1); граница bucket'а внутри
// абзаца иначе обрезает диапазон выше первого FC и теряются
// grpprl + istd (регрессия —
// DocToDocxFormattingTest#papxBucketBoundary_insideParagraph_propsKept)
int markCp = paraStart;
while (markCp < to) {
char chMark = pieces.charAt(markCp);
// 0x0C, завершающий секцию, и есть ¶-маркер абзаца
// (тот же предикат, что обрывает абзац в цикле ниже)
if (chMark == PARA_MARK || chMark == CELL_MARK
|| sectByEndCp.containsKey(markCp)) {
break;
}
markCp++;
}
long paraFc = pieces.fcOf(markCp < to ? markCp : Math.max(paraStart, markCp - 1));
// grpprl абзаца может быть вынесен Word в PrcData (Data-поток)
// через sprmPHugePapx/sprmPTableProps — разворачиваем до
// потребления: InTable/TTP/TAP видят автомат и paraProps (§2.9.210)
@@ -528,7 +550,7 @@ public final class DocToDocx {
}
}
/** Открытие w:tbl: tblPr (tblW → jc → tblInd → tblBorders) + tblGrid (§17.4.49). */
/** Открытие w:tbl: tblPr (tblW → jc → tblInd → tblBorders) + tblGrid (§17.4.48). */
private static String openTable(Tables.Grid g) {
StringBuilder xml = new StringBuilder("<w:tbl><w:tblPr>");
int total = 0;
@@ -554,7 +576,7 @@ public final class DocToDocx {
* w:tr: ширина/объединение ячейки — из собственной сетки строки
* (§2.9.321: у TTP-абзаца свой sprmTDefTable; объединённая ячейка —
* центр, покрывающий несколько колонок tblGrid → w:gridSpan +
* суммарный w:tcW, ECMA-376 §17.4.65, порядок детей CT_TcPrBase:
* суммарный w:tcW, ECMA-376 §17.4.17, порядок детей CT_TcPrBase:
* tcW → gridSpan). Строка без согласованной сетки (центров не на 1
* больше числа ячеек) или с невыровненными с tblGrid границами —
* прежнее поведение: ячейка i получает tcW i-й колонки, лишние —
@@ -565,7 +587,7 @@ public final class DocToDocx {
int[] table = grid.centers();
int[] row = rowGrid == null ? null : rowGrid.centers();
// собственная сетка строки согласована с автоматом, только если
// центров ровно на 1 больше ячеек (§2.4.4: число ячеек = число определений)
// центров ровно на 1 больше ячеек (§2.4.3: число ячеек = число определений)
boolean perRow = row != null && row.length == cells.size() + 1;
int i = 0;
for (List<Para> cell : cells) {
@@ -583,7 +605,7 @@ public final class DocToDocx {
tcPr.append("<w:tcW w:w=\"").append(grid.colWidths()[i])
.append("\" w:type=\"dxa\"/>");
}
// sprmTCellPadding/…Default (CT_TcPr, §17.4.72: tcMar до vAlign)
// sprmTCellPadding/…Default (CT_TcPr, §17.4.69: tcMar до vAlign)
String tcMar = tcMarXml(rowGrid, i);
if (tcMar != null) {
tcPr.append(tcMar);
@@ -598,7 +620,7 @@ public final class DocToDocx {
xml.append("<w:tcPr>").append(tcPr).append("</w:tcPr>");
}
if (cell.isEmpty()) {
xml.append("<w:p/>"); // ≥1 абзац в ячейке обязательно (§17.4.42)
xml.append("<w:p/>"); // ≥1 абзац в ячейке обязательно (§17.4.65)
} else {
for (Para p : cell) {
xml.append(paraXml(p));
@@ -625,7 +647,7 @@ public final class DocToDocx {
* пересечение диапазона [itcFirst, itcLim) с индексом ячейки, позже
* заданный операнд перекрывает сторону ранее заданного (порядок
* скана TAP = last-wins). Стороны только явные, порядок детей
* CT_TcMar (§17.4.66): top → left → bottom → right. Нет явных
* CT_TcMar (§17.4.68): top → left → bottom → right. Нет явных
* полей — null (конвейер даёт дефолт 108/0 — он же дефолт Word).
*/
private static String tcMarXml(Tables.Grid rowGrid, int i) {
@@ -680,7 +702,7 @@ public final class DocToDocx {
boolean[] in = {false};
Grpprl.scan(grpprl, 0, grpprl.length, (sprm, buf, off, len) -> {
if (sprm == Grpprl.SPRM_P_F_IN_TABLE) {
in[0] = Grpprl.toggleOn(buf, off);
in[0] = Grpprl.toggle(false, buf[off]);
}
});
return in[0];
@@ -803,7 +825,7 @@ public final class DocToDocx {
break;
case EMBEDDED_OBJECT:
case DRAWN_OBJECT:
// Якорь плавающей картинки 0x08 (§2.9.267) несёт тот же
// Якорь плавающей картинки 0x08 (PlcfSpa §2.8.27) несёт тот же
// sprmCPicLocation, что 0x01 → inline-приближение
// (позиционирование/обтекание PlcfSpa не переносится)
flushText(text, content);
@@ -847,7 +869,8 @@ public final class DocToDocx {
/**
* Закрыть накопленный {@code <w:r>}: fldSimple обязан лежать вне рана;
* непринятая правка (sprmCFRMark*) оборачивает ран в {@code w:del}/
* {@code w:ins} (атрибуты w:id/w:author/w:date опциональны — не эмитятся).
* {@code w:ins}. Атрибуты w:id и w:author обязательны (CT_Markup/
* CT_TrackChange, wml.xsd — оба use="required", w:date опционален).
*/
private void closeRun(StringBuilder runs, String rPr, StringBuilder content,
StringBuilder text) {
@@ -859,9 +882,16 @@ public final class DocToDocx {
}
}
/** Счётчик w:id правок (CT_TrackChange.@w:id). */
private int markupSeq;
/** Открывающая обёртка правки текущего рана; обычный ран — пустая строка. */
private String markupOpen() {
return runMarkup == MARKUP_DEL ? "<w:del>" : runMarkup == MARKUP_INS ? "<w:ins>" : "";
if (runMarkup == MARKUP_NONE) {
return "";
}
String tag = runMarkup == MARKUP_DEL ? "w:del" : "w:ins";
return "<" + tag + " w:id=\"" + (++markupSeq) + "\" w:author=\"\">";
}
/** Закрывающая обёртка правки; см. {@link #markupOpen()}. */
@@ -878,6 +908,12 @@ public final class DocToDocx {
* простираться дальше картинки.
*/
private void emitPicture(StringBuilder runs, String rPr, int cp) {
if (fieldsAsSimple) {
// колонтитулы: rels per-story (word/_rels/headerN.xml.rels) мост
// не пишет → r:embed висел бы над несуществующей связью
LOG.warning("Картинка в колонтитуле пропущена (нет per-story rels)");
return;
}
long picLoc = picLocationFor(chpx.grpprlFor(pieces.fcOf(cp)));
if (picLoc < 0) {
return;
@@ -938,7 +974,7 @@ public final class DocToDocx {
}
/**
* URL из инструкции поля HYPERLINK ([MS-DOC] §2.4.4: токен, затем
* URL из инструкции поля HYPERLINK ([MS-DOC] §2.9.115 HFD: токен, затем
* {@code "url"} или url без кавычек, затем switch'и). Схема обязательна
* (RFC 3986 §3.1) — {@code readme.txt}/{@code #bookmark} ссылкой не
* считаются. Якорный переключатель {@code \l} — {@code null}: закладки
@@ -1057,7 +1093,7 @@ public final class DocToDocx {
boolean[] ttp = {false};
Grpprl.scan(grpprl, 0, grpprl.length, (sprm, buf, off, len) -> {
if (sprm == Grpprl.SPRM_P_F_TTP) {
ttp[0] = Grpprl.toggleOn(buf, off);
ttp[0] = Grpprl.toggle(false, buf[off]);
}
});
return ttp[0];
@@ -1068,14 +1104,20 @@ public final class DocToDocx {
RunProps p = new RunProps();
Grpprl.scan(grpprl, 0, grpprl.length, (sprm, buf, off, len) -> {
switch (sprm) {
case Grpprl.SPRM_C_F_BOLD -> p.bold = Grpprl.toggleOn(buf, off);
case Grpprl.SPRM_C_F_ITALIC -> p.italic = Grpprl.toggleOn(buf, off);
case Grpprl.SPRM_C_F_STRIKE -> p.strike = Grpprl.toggleOn(buf, off);
case Grpprl.SPRM_C_KUL -> p.underline = Grpprl.operandInt(buf, off, len) != 0;
// ToggleOperand (§2.9.327): current = накопленное значение
// (цепочка стиля сканируется раньше прямого grpprl)
case Grpprl.SPRM_C_F_BOLD -> p.bold = Grpprl.toggle(p.bold, buf[off]);
case Grpprl.SPRM_C_F_ITALIC -> p.italic = Grpprl.toggle(p.italic, buf[off]);
case Grpprl.SPRM_C_F_STRIKE -> p.strike = Grpprl.toggle(p.strike, buf[off]);
case Grpprl.SPRM_C_KUL ->
p.underline = Grpprl.underlineVal(Grpprl.operandInt(buf, off, len));
case Grpprl.SPRM_C_HPS -> p.sz = Grpprl.operandInt(buf, off, len);
case Grpprl.SPRM_C_HPS_BI -> p.szCs = Grpprl.operandInt(buf, off, len);
case Grpprl.SPRM_C_RG_FTC0 -> p.ftc0 = Grpprl.operandInt(buf, off, len);
case Grpprl.SPRM_C_RG_FTC1 -> p.ftc1 = Grpprl.operandInt(buf, off, len);
case Grpprl.SPRM_C_RG_FTC0 -> p.ftc0 = signedXas(buf, off, len);
case Grpprl.SPRM_C_RG_FTC1 -> p.ftc1 = signedXas(buf, off, len);
case Grpprl.SPRM_C_RG_FTC2 -> p.ftc2 = signedXas(buf, off, len);
case Grpprl.SPRM_C_FTC_BI -> p.ftcBi = signedXas(buf, off, len);
case Grpprl.SPRM_C_ISS -> p.iss = Grpprl.operandInt(buf, off, len);
case Grpprl.SPRM_C_CV -> p.color = colorOf(buf, off, len);
case Grpprl.SPRM_C_HIGHLIGHT -> p.highlight =
highlightName(Grpprl.operandInt(buf, off, len));
@@ -1083,11 +1125,12 @@ public final class DocToDocx {
case Grpprl.SPRM_C_SHD80 -> p.shd =
shdAttrs80(Grpprl.operandInt(buf, off, len));
case Grpprl.SPRM_C_HPS_POS -> p.pos = signedXas(buf, off, len);
case Grpprl.SPRM_C_F_VANISH -> p.hidden = Grpprl.toggleOn(buf, off);
case Grpprl.SPRM_C_F_CAPS -> p.caps = Grpprl.toggleOn(buf, off);
case Grpprl.SPRM_C_F_SMALL_CAPS -> p.smallCaps = Grpprl.toggleOn(buf, off);
case Grpprl.SPRM_C_RMARK_DEL -> p.del = Grpprl.toggleOn(buf, off);
case Grpprl.SPRM_C_RMARK_INS -> p.ins = Grpprl.toggleOn(buf, off);
case Grpprl.SPRM_C_F_VANISH -> p.hidden = Grpprl.toggle(p.hidden, buf[off]);
case Grpprl.SPRM_C_F_CAPS -> p.caps = Grpprl.toggle(p.caps, buf[off]);
case Grpprl.SPRM_C_F_SMALL_CAPS ->
p.smallCaps = Grpprl.toggle(p.smallCaps, buf[off]);
case Grpprl.SPRM_C_RMARK_DEL -> p.del = Grpprl.toggle(p.del, buf[off]);
case Grpprl.SPRM_C_RMARK_INS -> p.ins = Grpprl.toggle(p.ins, buf[off]);
default -> { }
}
});
@@ -1096,17 +1139,26 @@ public final class DocToDocx {
/**
* rPr по CT_RPr-порядку (§17.3.2.28): rFonts, b, i, strike, color,
* position, sz, szCs, highlight, u, shd.
* position, sz, szCs, highlight, u, shd, vertAlign.
*/
private String runXml(RunProps p) {
StringBuilder xml = new StringBuilder();
// Слоты шрифта (ms-doc-full.md §2.6.1): ftc0→ascii, ftc1→eastAsia,
// ftc2→hAnsi (перекрывает ascii-значение ftc0), ftcBi→cs
String ascii = p.ftc0 >= 0 ? fonts.font(p.ftc0) : null;
String cs = p.ftc1 >= 0 ? fonts.font(p.ftc1) : null;
if (ascii != null || cs != null) {
String hAnsi = p.ftc2 >= 0 ? fonts.font(p.ftc2) : ascii;
String eastAsia = p.ftc1 >= 0 ? fonts.font(p.ftc1) : null;
String cs = p.ftcBi >= 0 ? fonts.font(p.ftcBi) : null;
if (ascii != null || hAnsi != null || eastAsia != null || cs != null) {
xml.append("<w:rFonts");
if (ascii != null) {
xml.append(" w:ascii=\"").append(escapeAttr(ascii))
.append("\" w:hAnsi=\"").append(escapeAttr(ascii)).append('"');
xml.append(" w:ascii=\"").append(escapeAttr(ascii)).append('"');
}
if (hAnsi != null) {
xml.append(" w:hAnsi=\"").append(escapeAttr(hAnsi)).append('"');
}
if (eastAsia != null) {
xml.append(" w:eastAsia=\"").append(escapeAttr(eastAsia)).append('"');
}
if (cs != null) {
xml.append(" w:cs=\"").append(escapeAttr(cs)).append('"');
@@ -1139,12 +1191,17 @@ public final class DocToDocx {
if (p.highlight != null) {
xml.append("<w:highlight w:val=\"").append(p.highlight).append("\"/>");
}
if (p.underline) {
xml.append("<w:u w:val=\"single\"/>");
if (p.underline != null) {
xml.append("<w:u w:val=\"").append(p.underline).append("\"/>");
}
if (p.shd != null) {
xml.append("<w:shd ").append(p.shd).append("/>");
}
if (p.iss == RunProps.ISS_SUPERSCRIPT) {
xml.append("<w:vertAlign w:val=\"superscript\"/>");
} else if (p.iss == RunProps.ISS_SUBSCRIPT) {
xml.append("<w:vertAlign w:val=\"subscript\"/>");
}
return xml.length() == 0 ? "" : "<w:rPr>" + xml + "</w:rPr>";
}
@@ -1186,17 +1243,17 @@ public final class DocToDocx {
jc80[0] = false;
}
case Grpprl.SPRM_P_F_PAGE_BREAK_BEFORE -> pageBreak[0] =
Grpprl.toggleOn(buf, off);
Grpprl.toggle(false, buf[off]);
case Grpprl.SPRM_P_F_KEEP_FOLLOW -> keepNext[0] =
Grpprl.toggleOn(buf, off);
Grpprl.toggle(false, buf[off]);
case Grpprl.SPRM_P_F_KEEP -> keepLines[0] =
Grpprl.toggleOn(buf, off);
Grpprl.toggle(false, buf[off]);
case Grpprl.SPRM_P_DYA_BEFORE -> before[0] =
Grpprl.operandInt(buf, off, len);
case Grpprl.SPRM_P_DYA_AFTER -> after[0] = Grpprl.operandInt(buf, off, len);
case Grpprl.SPRM_P_DYA_LINE -> {
if (len >= LSPD_OPERAND_LEN) {
// LSPD (§2.9.181): dyaLine (i16) + fMultLinespace (i16)
// LSPD (§2.9.146): dyaLine (i16) + fMultLinespace (i16)
dyaLine[0] = signedXas(buf, off, 2);
fMult[0] = Grpprl.operandInt(buf, off + 2, 2);
}
@@ -1241,11 +1298,11 @@ public final class DocToDocx {
spacing.append(" w:after=\"").append(after[0]).append('"');
}
if (dyaLine[0] != Integer.MIN_VALUE && dyaLine[0] != 0) {
// LSPD → w:spacing (§2.9.181): fMult=1 — множитель в 240-х
// LSPD → w:spacing (§2.9.146): fMult=1 — множитель в 240-х
// (lineRule="auto"); fMult=0, dyaLine>0 — «не меньше» (atLeast,
// max(dyaLine, одиночный интервал)); dyaLine<0 — точная высота
// (exact, |dyaLine|). См. grfhicPapx.fSuppressTopSpacingMac5 /
// fExactOnTop ([MS-DOC] §2.4.6, отсылки к lineRule).
// fExactOnTop — бит A Copts80 ([MS-DOC] §2.7.12, отсылки к lineRule).
if (fMult[0] == FMULT_MULTIPLIER) {
spacing.append(" w:line=\"").append(dyaLine[0])
.append("\" w:lineRule=\"auto\"");
@@ -1395,7 +1452,7 @@ public final class DocToDocx {
}
}
/** w:tabs: TBD.jc → ST_TabVal (§17.18.78), TBD.tlc → ST_Leader (§17.18.57). */
/** w:tabs: TBD.jc → ST_TabJc (§17.18.84), TBD.tlc → ST_TabTlc (§17.18.85). */
private static String tabsXml(List<int[]> tabs) {
StringBuilder inner = new StringBuilder();
for (int[] t : tabs) {
@@ -1458,7 +1515,7 @@ public final class DocToDocx {
}
/**
* Ico (§2.9.171) → член ST_HighlightColor (§17.18.42) — соответствие
* Ico (§2.9.119) → член ST_HighlightColor (§17.18.40) — соответствие
* 1:1 по RGB палитры (teal 00FFFF = cyan, dark teal 008080 = darkCyan,
* gray50 = darkGray, gray25 = lightGray). 0/auto/вне 1..16 → null
* (не эмитится).
@@ -1486,8 +1543,8 @@ public final class DocToDocx {
}
/**
* SHDOperand (§2.9.177): cb(1)=10 + Shd(10: cvFore/cvBack COLORREF +
* ipat u16, §2.9.178) → атрибуты w:shd; cb≠10/обрезок → null.
* SHDOperand (§2.9.249): cb(1)=10 + Shd(10: cvFore/cvBack COLORREF +
* ipat u16, §2.9.121) → атрибуты w:shd; cb≠10/обрезок → null.
*/
private static String shdAttrs10(byte[] buf, int off, int len) {
if (len < 11 || (buf[off] & 0xFF) != 10) {
@@ -1498,7 +1555,7 @@ public final class DocToDocx {
}
/**
* Shd80 (§2.9.176, u16: icoFore(5) icoBack(5) ipat(6)) → атрибуты
* Shd80 (§2.9.248, u16: icoFore(5) icoBack(5) ipat(6)) → атрибуты
* w:shd; Shd80Nil (0x1F/0x1F/0x3F) даёт null (цвета вне палитры).
*/
private static String shdAttrs80(int v) {
@@ -1512,7 +1569,7 @@ public final class DocToDocx {
* w:fill (зонд 2026-11: w:val="solid" w:color=RRGGBB w:fill="auto"
* не рисует ничего); паттерны Ipat≥2 в FOP неразличимы — деградация
* в фон cvBack (MS-DOC Ipat: вне ST_Shd паттерны «lost if converted
* to ECMA-376»). ShdAuto/ShdNil (оба цвета auto, §2.9.178) и
* to ECMA-376»). ShdAuto/ShdNil (оба цвета auto, §2.9.249) и
* нечем-красить (fill auto) → null.
*/
private static String shdAttrs(int ipat, String fore, String back) {
@@ -1525,43 +1582,51 @@ public final class DocToDocx {
}
/**
* Grpprl рана с учётом sprmCIstd (§2.6.1): цепочка chpx символьного
* стиля (stk=3) вставляется между цепочкой стиля абзаца и прямыми
* CHPX — §2.4.6.5: символьные свойства сначала возвращаются к
* результату стиля абзаца, затем символьный стиль, затем прямые.
* Без sprmCIstd — прежняя конкатенация.
* Grpprl рана с учётом sprmCIstd (§2.6.1): символьные свойства
* возвращаются к результату стиля абзаца (прямые до sprmCIstd
* сбрасываются, кроме preserv-list {@link Grpprl#CI_STD_PRESERVE}),
* затем цепочка chpx символьного стиля (stk=2), затем Prl после
* sprmCIstd. sprmCIstd нет или istd вне STSH (Prl невалиден —
* спекулятивный сброс не делается) — прежняя конкатенация.
*/
private byte[] chpxWithCharStyle(byte[] grpprl, byte[] styleChpx) {
int[] istd = {-1};
int[] ciStdStart = {-1};
int[] ciStdEnd = {-1};
Grpprl.scan(grpprl, 0, grpprl.length, (sprm, buf, off, len) -> {
if (sprm == Grpprl.SPRM_C_ISTD) {
if (sprm == Grpprl.SPRM_C_ISTD && ciStdStart[0] < 0) {
ciStdStart[0] = off - 2;
ciStdEnd[0] = off + len;
int v = Grpprl.operandInt(buf, off, len);
istd[0] = v < styles.count() ? v : -1;
}
});
byte[] chStyle = istd[0] >= 0 ? styles.charChain(istd[0]) : new byte[0];
if (chStyle.length == 0) {
if (istd[0] < 0) {
return styleChpx.length == 0 ? grpprl : concat(styleChpx, grpprl);
}
return concat(concat(styleChpx, chStyle), grpprl);
byte[] chStyle = styles.charChain(istd[0]);
byte[] before = Grpprl.filterOnly(grpprl, ciStdStart[0],
Grpprl.CI_STD_PRESERVE);
byte[] after = Arrays.copyOfRange(grpprl, ciStdEnd[0], grpprl.length);
return concat(concat(concat(styleChpx, chStyle), before), after);
}
/**
* w:sectPr секции: ссылки на части колонтитуков (null — элемент не
* пишется, docx4j наследует полосы предыдущей секции), затем w:type,
* затем pgSz/pgMar её геометрии. Порядок детей — CT_SectPr:
* EG_HdrFtrReferences → type → pgSz → pgMar (ECMA-376 §17.2.3).
* EG_HdrFtrReferences → type → pgSz → pgMar (ECMA-376 §17.6.18).
*
* @param typeContinuous разрыв ПЕРЕД секцией не начинает новую
* страницу (§17.6.22 — w:type описывает
* предыдущий разрыв; источник — sprmSBkc
* предыдущей секции, [MS-DOC] §2.6.3)
* @param prev разрыв ПЕРЕД секцией (null — первая секция): его
* SBkcOperand даёт {@code w:type} (§17.6.22 — w:type
* описывает предыдущий разрыв; источник — sprmSBkc
* предыдущей секции, [MS-DOC] §2.6.4)
*/
private static String sectPrXml(Sections.Section s, String headerRelId,
String footerRelId, String firstHeaderRelId, String firstFooterRelId,
boolean typeContinuous) {
Sections.Section prev) {
StringBuilder xml = new StringBuilder("<w:sectPr>");
// EG_HdrFtrReferences — до содержимого секции (CT_SectPr, ECMA-376 §17.2.3)
// EG_HdrFtrReferences — до содержимого секции (CT_SectPr, ECMA-376 §17.6.18)
if (headerRelId != null) {
xml.append("<w:headerReference w:type=\"default\" r:id=\"")
.append(headerRelId).append("\"/>");
@@ -1578,8 +1643,9 @@ public final class DocToDocx {
xml.append("<w:footerReference w:type=\"first\" r:id=\"")
.append(firstFooterRelId).append("\"/>");
}
if (typeContinuous) {
xml.append("<w:type w:val=\"continuous\"/>");
String typeVal = prev == null ? null : prev.wTypeName();
if (typeVal != null) {
xml.append("<w:type w:val=\"").append(typeVal).append("\"/>");
}
// sprmSBOrientation: Word пишет dxa уже перевёрнутыми; max/min —
// защита от генераторов, оставивших портретные размеры при landscape
@@ -1600,10 +1666,10 @@ public final class DocToDocx {
.append("\" w:left=\"").append(s.marginLeft())
.append("\" w:header=\"").append(s.header())
.append("\" w:footer=\"").append(s.footer())
.append("\" w:gutter=\"0\"/>");
.append("\" w:gutter=\"").append(s.gutter()).append("\"/>");
appendPgNumType(xml, s);
appendCols(xml, s);
// w:titlePg — после w:cols (CT_SectPrBase, §17.2.3): первая страница
// w:titlePg — после w:cols (CT_SectPrBase, §17.6.18): первая страница
// секции использует first-части (ссылки w:type="first" выше)
if (s.titlePage()) {
xml.append("<w:titlePg/>");
@@ -1617,7 +1683,7 @@ public final class DocToDocx {
* w:start — при сбросе нумерации, w:fmt — из подмножества
* ST_NumberFormat, допустимого для номеров страниц (decimal —
* формат по умолчанию, не эмитится; bullet/none/экзотика — вне
* смысла w:fmt). Порядок CT_SectPr §17.2.3: после pgMar.
* смысла w:fmt). Порядок CT_SectPr §17.6.18: после pgMar.
*/
private static void appendPgNumType(StringBuilder xml, Sections.Section s) {
int start = s.pgNumStart();
@@ -1712,11 +1778,19 @@ public final class DocToDocx {
private boolean bold;
private boolean italic;
private boolean strike;
private boolean underline;
/** sprmCKul → ST_Underline-имя; null — без подчёркивания. */
private String underline;
private int sz;
private int szCs;
private int ftc0 = -1;
private int ftc1 = -1;
private int ftc2 = -1;
private int ftcBi = -1;
/** sprmCIss: 0 нормальный, 1 надстрочный, 2 подстрочный. */
private int iss;
/** Значения sprmCIss ([MS-DOC] §2.6.1): надстрочный/подстрочный. */
private static final int ISS_SUPERSCRIPT = 1;
private static final int ISS_SUBSCRIPT = 2;
private String color;
/** sprmCHpsPos: вертикальный сдвиг в hps со знаком ( надострочный, <0 подстрочный). */
private int pos;
@@ -1728,7 +1802,7 @@ public final class DocToDocx {
/** sprmCFRMarkDel/sprmCFRMarkIns: непринятая правка → w:del/w:ins. */
private boolean del;
private boolean ins;
/** sprmCHighlight: член ST_HighlightColor (§17.18.42); null — нет. */
/** sprmCHighlight: член ST_HighlightColor (§17.18.40); null — нет. */
private String highlight;
/** sprmCShd/sprmCShd80: готовые атрибуты w:shd; null — нет затенения. */
private String shd;
@@ -8,7 +8,9 @@ import ru.pjandro.wordpdf.ConversionException;
* <p>По [MS-DOC] §2.5: Fib = FibBase (32) + csw + FibRgW97 + cslw + FibRgLw97
* + cbRgFcLcb + FibRgFcLcbBlob (§2.5.1). Читаются только нужные поля;
* порядок и смещения — §2.5.15 «How to read the FIB», побайтовые примеры —
* §3 (Figure 22/30). Число 136 пар в blob (Word 2003+) не мешает: нужные
* §3 (Figure 22/30). cbRgFcLcb — один из по таблице nFib (§2.5.1):
* 0x00C1→0x005D (88 пар, Word 97), 0x0101→0x0088 (136, Word 2002),
* 0x010C→0x00A4 (164, Word 2003) — сверяется при чтении; нужные
* пары стоят на фиксированных индексах.</p>
*/
final class FibHeader {
@@ -29,10 +31,12 @@ final class FibHeader {
/** Значение бита флага «включён» (§2.5.2, grpprl FIB). */
private static final int BIT_ON = 1;
/** Минимум FibRgW97 (4 коротких значения, §2.5.4). */
private static final int MIN_CSLW = 4;
/** MUST-значения счётчиков (§2.5.1 Fib, Word 97+): csw=14 коротких, cslw=22 длинных. */
private static final int C_SW = 0x000E;
private static final int C_SLW = 0x0016;
/** Смещения после FibBase (§2.5.1). */
private static final int OFF_CSW = 32;
private static final int OFF_CSLW = 62;
private static final int OFF_FIB_RG_LW = 64;
private static final int OFF_CB_MAC = OFF_FIB_RG_LW;
@@ -91,8 +95,13 @@ final class FibHeader {
throw new ConversionException("Документ зашифрован (пароль на открытие) — конвертация невозможна");
}
use1Table = ((flags >> BIT_F_WHICH_TBL_STM) & BIT_ON) == BIT_ON;
// §2.5.1 Fib: csw «MUST be 0x000E», cslw «MUST be 0x0016» —
// фиксированный layout FibRgW97/FibRgLw97, любое другое
// значение = чужая версия FIB, чтение по константным смещениям дало
// бы мусор
int csw = (int) CfbReader.u32(wd, OFF_CSW) & 0xFFFF;
int cslw = (int) CfbReader.u32(wd, OFF_CSLW) & 0xFFFF;
if (cslw < MIN_CSLW) {
if (csw != C_SW || cslw != C_SLW) {
throw new ConversionException("Обрезанный FIB в .doc");
}
cbMac = (int) CfbReader.u32(wd, OFF_CB_MAC);
@@ -102,35 +111,35 @@ final class FibHeader {
if (ccpText < 0) {
throw new ConversionException("Отрицательная длина текста в .doc");
}
int cbRgFcLcb = (int) CfbReader.u32(wd, OFF_CB_RG_FC_LCB) & 0xFFFF;
int cbRgFcLcb = CfbReader.u16(wd, OFF_CB_RG_FC_LCB);
if (cbRgFcLcb <= PAIR_CLX) {
throw new ConversionException("Устаревшая структура FIB в .doc");
}
long[] stshf = pair(wd, PAIR_STSHF);
long[] stshf = pair(wd, PAIR_STSHF, cbRgFcLcb);
fcStshf = stshf[0];
lcbStshf = stshf[1];
long[] sed = pair(wd, PAIR_PLCF_SED);
long[] sed = pair(wd, PAIR_PLCF_SED, cbRgFcLcb);
fcPlcfSed = sed[0];
lcbPlcfSed = sed[1];
long[] hdd = pair(wd, PAIR_PLCF_HDD);
long[] hdd = pair(wd, PAIR_PLCF_HDD, cbRgFcLcb);
fcPlcfHdd = hdd[0];
lcbPlcfHdd = hdd[1];
long[] chpx = pair(wd, PAIR_PLCF_BTE_CHPX);
long[] chpx = pair(wd, PAIR_PLCF_BTE_CHPX, cbRgFcLcb);
fcPlcfBteChpx = chpx[0];
lcbPlcfBteChpx = chpx[1];
long[] papx = pair(wd, PAIR_PLCF_BTE_PAPX);
long[] papx = pair(wd, PAIR_PLCF_BTE_PAPX, cbRgFcLcb);
fcPlcfBtePapx = papx[0];
lcbPlcfBtePapx = papx[1];
long[] ffn = pair(wd, PAIR_STTBF_FFN);
long[] ffn = pair(wd, PAIR_STTBF_FFN, cbRgFcLcb);
fcSttbfFfn = ffn[0];
lcbSttbfFfn = ffn[1];
long[] clx = pair(wd, PAIR_CLX);
long[] clx = pair(wd, PAIR_CLX, cbRgFcLcb);
fcClx = clx[0];
lcbClx = clx[1];
long[] lst = pair(wd, PAIR_PLF_LST);
long[] lst = pair(wd, PAIR_PLF_LST, cbRgFcLcb);
fcPlfLst = lst[0];
lcbPlfLst = lst[1];
long[] lfo = pair(wd, PAIR_PLF_LFO);
long[] lfo = pair(wd, PAIR_PLF_LFO, cbRgFcLcb);
fcPlfLfo = lfo[0];
lcbPlfLfo = lfo[1];
}
@@ -143,7 +152,16 @@ final class FibHeader {
return new FibHeader(wordDocument);
}
private static long[] pair(byte[] wd, int index) {
/**
* Пара (fc,lcb) с индексом {@code index} в FibRgFcLcbBlob. Индекс за
* объявленным числом пар (§2.5.1: cbRgFcLcb «MUST be one of» —
* 0x005D при nFib=0x00C1 … 0x00B7 при 0x0112; старые FIB короче) — поле
* отсутствует: fc=0/lcb=0, потребитель трактует как «нет структуры».
*/
private static long[] pair(byte[] wd, int index, int pairCount) {
if (index >= pairCount) {
return new long[] {0, 0};
}
int off = OFF_BLOB + index * 8;
if (off + 8 > wd.length) {
throw new ConversionException("Обрезанный FIB в .doc");
@@ -1,5 +1,8 @@
package ru.pjandro.wordpdf.internal.doc;
import java.io.ByteArrayOutputStream;
import java.util.Set;
/**
* Разбор Grpprl — массива Prl (sprm + операнд), [MS-DOC] §2.6.
*
@@ -9,8 +12,8 @@ package ru.pjandro.wordpdf.internal.doc;
* 3 = 4, 4 = 2, 5 = 2, 6 = переменный (первый байт — длина остального),
* 7 = 3. Неизвестный sprm пропускается по spra (ms-doc.md:1809).</p>
*
* <p>Значения sprm — таблицы §2.6.1/2.6.2/2.6.3 dated-.docx [MS-DOC] 12.5
* (в md репозитория потеряны как [TABLE]); кросс-чек с примерами §3:
* <p>Значения sprm — таблицы §2.6.1/§2.6.2/§2.6.3/§2.6.4 полного [MS-DOC]
* (ms-doc-full.md); кросс-чек с примерами §3:
* sprmPJc = 0x2461, sprmSDxaLeft = 0xB021, sprmCKul ispmd 0x3E fSpec 1.</p>
*/
final class Grpprl {
@@ -29,7 +32,7 @@ final class Grpprl {
* sprmCPicLocation (§2.6.1, 4 байта): offset в Data-потоке —
* PICFAndOfficeArtData (картинка) или NilPICFAndBinData (OLE-бинарник,
* {@code picf.cbHeader≠0x44} → {@link OfficeArt#read} вернёт null).
* sprmCFSpec=0x0875/sprmCFData=0x0806/sprmCFOle2=0x084B не читаем:
* sprmCFSpec=0x0855/sprmCFData=0x0806/sprmCFOle2=0x080A не читаем:
* фикстуры пишут их непоследовательно (ole-embedded — без CFSpec),
* а различает картинку/бинарник сам cbHeader.
*/
@@ -53,26 +56,39 @@ final class Grpprl {
/** sprmCHpsPos (§2.6.1, 2 байта со знаком): вертикальный сдвиг в hps. */
static final int SPRM_C_HPS_POS = 0x4845;
/**
* sprmCHighlight (§2.6.1, 1 байт Ico): текстовыделитель. Ico (§2.9.171)
* sprmCHighlight (§2.6.1, 1 байт Ico): текстовыделитель. Ico (§2.9.119)
* → w:highlight в порядке CT_RPr — конвейер рисует фон рана (пинь
* WordPdfConverterTest#highlightAndShading_backgroundDrawn).
*/
static final int SPRM_C_HIGHLIGHT = 0x2A0C;
/**
* sprmCShd/sprmCShd80 (§2.6.1): затенение рана → w:shd в rPr.
* SHDOperand (§2.9.177) = cb(1)=10 + Shd(10): cvFore/cvBack COLORREF
* + ipat (§2.9.178); Shd80 (§2.9.176) — 2 байта: icoFore(5) icoBack(5)
* SHDOperand (§2.9.249) = cb(1)=10 + Shd(10): cvFore/cvBack COLORREF
* + ipat (§2.9.121); Shd80 (§2.9.248) — 2 байта: icoFore(5) icoBack(5)
* ipat(6).
*/
static final int SPRM_C_SHD = 0xCA71;
static final int SPRM_C_SHD80 = 0x4866;
/**
* sprmCIstd (§2.6.1, u16): istd прямого символьного стиля (stk=3 в STSH).
* sprmCIstd (§2.6.1, u16): istd прямого символьного стиля (stk=2 в STSH).
* По §2.4.6.5 символьные свойства возвращаются к результату стиля абзаца,
* затем накладывается цепочка chpx символьного стиля, затем прямые CHPX —
* порядок конкатенации в {@code DocxBody.chpxWithCharStyle}.
*/
static final int SPRM_C_ISTD = 0x4A30;
/**
* sprmCRgFtc2 (§2.6.1, 2 байта со знаком): индекс SttbfFfn для текста вне
* U+0020–U+007F, когда ftc1/ftcBi не применимы → {@code w:hAnsi}
* (перекрывает ftc0-значение).
*/
static final int SPRM_C_RG_FTC2 = 0x4A51;
/** sprmCFtcBi (§2.6.1, 2 байта со знаком): RTL/complex-шрифт → {@code w:cs}. */
static final int SPRM_C_FTC_BI = 0x4A5E;
/**
* sprmCIss (§2.6.1, 1 байт): 0x01 надстрочный, 0x02 подстрочный →
* {@code w:vertAlign} (0x00 нормальный — элемент не эмитится).
*/
static final int SPRM_C_ISS = 0x2A48;
// Paragraph Properties (§2.6.2, sgc 1)
static final int SPRM_P_ISTD = 0x4600;
@@ -179,7 +195,7 @@ final class Grpprl {
static final int SPRM_T_VERT_ALIGN = 0xD62C;
/**
* sprmTCellPadding/sprmTCellPaddingDefault (§2.6.3): поля ячеек —
* CSSAOperand (§2.9.209): cb(1)=6 + CSSA (§2.9.96): itc(2, ItcFirstLim)
* CSSAOperand (§2.9.46): cb(1)=6 + CSSA (§2.9.45): itc(2, ItcFirstLim)
* + grfbrc(1: маска сторон top|left|bottom|right = 1|2|4|8) + ftsWidth(1)
* + wWidth(2). Поля переносятся только при ftsWidth=ftsDxa(0x03);
* ftsNil(0) — сторона не задана. Default-вариант действует на весь ряд
@@ -191,7 +207,7 @@ final class Grpprl {
static final int SPRM_T_CELL_PADDING_DEFAULT = 0xD634;
/**
* sprmTInsert (§2.6.3): вставка определений ячеек ряда — пропускается
* правилом spra=3 (4 байта: itcFirst(1)+ctc(1)+dxaCol(2 XAS), §2.9.322;
* правилом spra=3 (4 байта: itcFirst(1)+ctc(1)+dxaCol(2 XAS), §2.9.324;
* ECMA-376 Part 4 описывал прежнюю форму rgttte ctc×6 байт, но [MS-DOC]
* и реальные файлы Word сходятся на 4 байтах: в TAP образцов
* ru-table-image.doc/ru-en-mixed.doc following-sprm выравниваются ровно
@@ -222,11 +238,15 @@ final class Grpprl {
static final int SPRM_S_C_COLUMNS = 0x500B;
/** sprmSPgnStart97 (§2.6.4, 2 байта): стартовый номер страниц (Word 97+). */
static final int SPRM_S_PGN_START97 = 0x501C;
/** sprmSPgnStart (§2.6.4, 4 байта, u32): стартовый номер (32-бит вариант). */
static final int SPRM_S_PGN_START = 0x7044;
/** sprmSDzaGutter (§2.6.4, XAS_nonNeg 2 байта): поле переплёта → w:gutter. */
static final int SPRM_S_DZA_GUTTER = 0xB025;
/** sprmSDxaColumns (§2.6.4, XAS_nonNeg): зазор между колонками при evenly-spaced. */
static final int SPRM_S_DXA_COLUMNS = 0x900C;
/**
* sprmSDxaColWidth/sprmSDxaColSpacing (§2.6.4, SDxaColWidthOperand /
* SDxaColSpacingOperand §2.9.241/.242: iCol(1)+dxaCol(2)) — ширина
* sprmSDxaColWidth/sprmSDxaColSpacing (§2.6.4, SDxaColWidthOperand
* §2.9.242 / SDxaColSpacingOperand §2.9.241: iCol(1)+dxaCol(2)) — ширина
* колонки iCol / зазор ПОСЛЕ колонки iCol при неравных колонках.
*/
static final int SPRM_S_DXA_COL_WIDTH = 0xF203;
@@ -262,19 +282,20 @@ final class Grpprl {
/** Кормить каждым Prl скана PAPX; не-отступные sprm игнорируются. */
void prl(int sprm, byte[] buf, int off, int len) {
// XAS — 16-битное СО ЗНАКОМ значение (§2.9.349), не unsigned
switch (sprm) {
case SPRM_P_DXA_LEFT -> {
modern = true;
left = operandInt(buf, off, len);
left = signedXas(buf, off, len);
}
case SPRM_P_NEST -> {
modern = true;
nest = operandInt(buf, off, len);
nest = signedXas(buf, off, len);
}
case SPRM_P_DXA_LEFT80 -> left80 = operandInt(buf, off, len);
case SPRM_P_NEST80 -> nest80 = operandInt(buf, off, len);
case SPRM_P_DXA_LEFT80 -> left80 = signedXas(buf, off, len);
case SPRM_P_NEST80 -> nest80 = signedXas(buf, off, len);
case SPRM_P_DXA_RIGHT, SPRM_P_DXA_RIGHT80 ->
right = operandInt(buf, off, len);
right = signedXas(buf, off, len);
case SPRM_P_DXA_LEFT1, SPRM_P_DXA_LEFT180 ->
left1 = signedXas(buf, off, len);
default -> { }
@@ -340,6 +361,36 @@ final class Grpprl {
}
}
/**
* Preserv-list sprmCIstd (§2.6.1): значения этих свойств предшествуют
* применению символьного стиля при сбросе прямого форматирования к
* результату стиля абзаца. Значения — таблица §2.6.1: CFRMarkDel
* 0x0800, CFRMarkIns 0x0801, CFFldVanish 0x0802, CFData 0x0806,
* CFOle2 0x080A, CFWebHidden 0x0811, CFSpec 0x0855, CFObj 0x0856,
* CFBiDi 0x085A, CFComplexScripts 0x0882, CIdctHint 0x286F,
* CHighlight 0x2A0C, CWall 0x2A83, CIdslRMark 0x4807, CPicLocation
* 0x6A03, CSymbol 0x6A09, CPropRMark 0xCA89.
*/
static final Set<Integer> CI_STD_PRESERVE = Set.of(
0x0800, 0x0801, 0x0802, 0x0806, 0x080A, 0x0811, 0x0855, 0x0856,
0x085A, 0x0882, 0x286F, 0x2A0C, 0x2A83, 0x4807, 0x6A03, 0x6A09,
0xCA89);
/**
* Байты Prl-ей, целиком лежащих в {@code [0, endExclusive)} и имеющих
* sprm из {@code keep} (§2.6.1 — выборка preserve-list до sprmCIstd);
* битый хвост обрывается как в {@link #scan}.
*/
static byte[] filterOnly(byte[] grpprl, int endExclusive, Set<Integer> keep) {
ByteArrayOutputStream out = new ByteArrayOutputStream();
scan(grpprl, 0, grpprl.length, (sprm, buf, off, len) -> {
if (keep.contains(sprm) && off + len <= endExclusive) {
out.write(buf, off - 2, len + 2);
}
});
return out.toByteArray();
}
/** Длина операнда по spra; -1 — переменный формат битый. */
private static int operandSize(int sprm, byte[] buf, int p, int end) {
int spra = sprm >> 13;
@@ -352,6 +403,8 @@ final class Grpprl {
case 5:
return 2;
case 3:
// §2.8.4: «A value of 0x3 specifies that operand is four
// bytes long» (ms-doc.md:14495) — не путать с S16=2
return 4;
case 7:
return 3;
@@ -404,8 +457,47 @@ final class Grpprl {
return v;
}
/** Toggle-операнд: бит 0 = on; чётное («переключить от предыдущего») = off. */
static boolean toggleOn(byte[] buf, int off) {
return (buf[off] & 1) == 1;
/**
* ToggleOperand (§2.9.327): 0x00 — off, 0x01 — on, 0x80 — значение
* свойства текущего стиля (текущее накопленное {@code current}), 0x81 —
* инверсия стилевого; иное (вне перечисления) — консервативно current.
*/
static boolean toggle(boolean current, byte operand) {
int v = operand & 0xFF;
return switch (v) {
case 0x00 -> false;
case 0x01 -> true;
case 0x80 -> current;
case 0x81 -> !current;
default -> current;
};
}
/**
* Kul (§2.9.127) → ST_Underline (wml.xsd): 0 — без подчёркивания
* ({@code null}), нераспознанный ≠0 — single.
*/
static String underlineVal(int kul) {
return switch (kul) {
case 0x00 -> null;
case 0x01 -> "single";
case 0x02 -> "words";
case 0x03 -> "double";
case 0x04 -> "dotted";
case 0x06 -> "thick";
case 0x07 -> "dash";
case 0x09 -> "dotDash";
case 0x0A -> "dotDotDash";
case 0x0B -> "wave";
case 0x14 -> "dottedHeavy";
case 0x17 -> "dashedHeavy";
case 0x19 -> "dashDotHeavy";
case 0x1A -> "dashDotDotHeavy";
case 0x1B -> "wavyHeavy";
case 0x27 -> "dashLong";
case 0x2B -> "wavyDouble";
case 0x37 -> "dashLongHeavy";
default -> "single";
};
}
}
@@ -4,11 +4,11 @@ import ru.pjandro.wordpdf.ConversionException;
/**
* Header Document (.doc): истории колонтитуков по {@code Plcfhdd}
* ([MS-DOC] §2.8.22 — PLC из одних CP; §2.4.4 — порядок историй).
* ([MS-DOC] §2.8.22 — PLC из одних CP; §2.3.3 — порядок историй).
*
* <p>Массив aCP размечает подряд идущие CP-диапазоны: первые шесть — пустые
* абзацы-разделители, далее на каждую секцию шесть историй
* [even header, odd header, even footer, odd footer, first-page header,
* <p>Массив aCP размечает подряд идущие CP-диапазоны: первые шесть —
* footnote/endnote separator-истории (§2.4.4), далее на каждую секцию шесть
* историй [even header, odd header, even footer, odd footer, first-page header,
* first-page footer]; последний aCP (§2.8.22 «the last CP is ignored») в
* расчёт не входит. Каждая история заканчивается guard-абзацем (), который
* в вывод не попадает.</p>
@@ -19,7 +19,7 @@ import ru.pjandro.wordpdf.ConversionException;
* {@code sprmSFTitlePage} (w:titlePg, конвейер различает first/default —
* пинь {@code titlePg_firstPageHeader}). История с {@code cpStart == cpEnd}
* не определена — часть и ссылка не эмитятся, docx4j наследует полосы
* предыдущей секции (§2.4.4 «Same as Previous»).</p>
* предыдущей секции (§2.3.3 «Same as Previous»).</p>
*/
final class Headers {
@@ -27,7 +27,7 @@ final class Headers {
record Story(int cpStart, int cpEnd) {
/**
* История НЕ определена (§2.4.4: «Stories are considered empty if
* История НЕ определена (§2.3.3: «Stories are considered empty if
* they have no contents and no guard paragraph mark … the beginning
* CP being the same as the next CP») — Word показывает полосы
* предыдущей секции (Same as Previous). Пустая часть с guard- при
@@ -49,14 +49,14 @@ final class Headers {
}
}
/** Пустых абзацев-разделителей перед историями первой секции (§2.4.4). */
/** Footnote/endnote separator-историй перед историями первой секции (§2.4.4). */
private static final int SEPARATOR_STORIES = 6;
/** Историй на секцию (§2.4.4). */
/** Историй на секцию (§2.3.3). */
private static final int STORIES_PER_SECTION = 6;
/** Индексы внутри группы секции: 0 even hdr, 1 odd hdr, 2 even ftr, 3 odd ftr… */
private static final int ODD_HEADER = 1;
private static final int ODD_FOOTER = 3;
/** Первая страница (истории 4/5, применяются при sprmSFTitlePage, §2.4.4). */
/** Первая страница (истории 4/5, применяются при sprmSFTitlePage, §2.3.3). */
private static final int FIRST_HEADER = 4;
private static final int FIRST_FOOTER = 5;
@@ -89,22 +89,22 @@ final class Headers {
return new Headers(table, fcPlcfHdd, lcbPlcfHdd, baseCp);
}
/** Заголовок нечётных полос набора секции {@code section} (§2.4.4). */
/** Заголовок нечётных полос набора секции {@code section} (§2.3.3). */
Story oddHeader(int section) {
return story(SEPARATOR_STORIES + section * STORIES_PER_SECTION + ODD_HEADER);
}
/** Колонтитул нечётных полос набора секции {@code section} (§2.4.4). */
/** Колонтитул нечётных полос набора секции {@code section} (§2.3.3). */
Story oddFooter(int section) {
return story(SEPARATOR_STORIES + section * STORIES_PER_SECTION + ODD_FOOTER);
}
/** Заголовок первой страницы секции {@code section} (titlePg, §2.4.4). */
/** Заголовок первой страницы секции {@code section} (titlePg, §2.3.3). */
Story firstHeader(int section) {
return story(SEPARATOR_STORIES + section * STORIES_PER_SECTION + FIRST_HEADER);
}
/** Колонтитул первой страницы секции {@code section} (titlePg, §2.4.4). */
/** Колонтитул первой страницы секции {@code section} (titlePg, §2.3.3). */
Story firstFooter(int section) {
return story(SEPARATOR_STORIES + section * STORIES_PER_SECTION + FIRST_FOOTER);
}
@@ -158,8 +158,13 @@ final class Lists {
/** abstractNumId (1-базированный индекс LSTF) для LFO; −1 — нет валидного. */
private int abstractIdOf(int lfoIndex) {
// lfos[·] всегда непустой: readPlfLfo присваивает out[i] до обхода LFOData
Integer lstfIndex = lstfByLsid.get(lfos[lfoIndex].lsid());
// обрыв LFOData оставляет lfos[i+1..] null (readPlfLfo выходит по
// границе потока) — null LFO = «номера нет», без NPE
Lfo lfo = lfos[lfoIndex];
if (lfo == null) {
return -1;
}
Integer lstfIndex = lstfByLsid.get(lfo.lsid());
if (lstfIndex == null || !isValid(lstfs[lstfIndex])) {
return -1;
}
@@ -194,7 +199,9 @@ final class Lists {
boolean simple = (table[rec + 26] & 1) != 0;
Level[] levels = new Level[simple ? 1 : LEVEL_COUNT];
for (int j = 0; j < levels.length; j++) {
Level lv = readLevel(table, cursor);
// массив LVL приложен ЗА lcbPlfLst (§2.5.6) — граница одна
// длина потока, lcb здесь не ограничитель
Level lv = readLevel(table, cursor, table.length);
if (lv == null) {
// обрыв: этот LSTF — с разобранными уровнями, остальные — без
out[i] = new Lstf(lsid, levels);
@@ -208,9 +215,9 @@ final class Lists {
return out;
}
/** LVL по {@code at}; null — поля за пределами потока. */
private static Level readLevel(byte[] table, int at) {
if (at < 0 || at + LVLF_SIZE > table.length) {
/** LVL по {@code at}; null — поля за пределами {@code limit}. */
private static Level readLevel(byte[] table, int at, int limit) {
if (at < 0 || at + LVLF_SIZE > limit) {
return null;
}
int startAt = (int) CfbReader.u32(table, at);
@@ -220,19 +227,19 @@ final class Lists {
int cbChpx = table[at + 24] & 0xFF;
int cbPapx = table[at + 25] & 0xFF;
int p = at + LVLF_SIZE;
if (p + cbPapx + cbChpx > table.length) {
if (p + cbPapx + cbChpx > limit) {
return null;
}
byte[] papx = slice(table, p, cbPapx);
p += cbPapx;
byte[] chpx = slice(table, p, cbChpx);
p += cbChpx;
if (p + 2 > table.length) {
if (p + 2 > limit) {
return null;
}
int cch = CfbReader.u16(table, p);
p += 2;
if (cch > MAX_XST_CHARS || p + 2 * cch > table.length) {
if (cch > MAX_XST_CHARS || p + 2 * cch > limit) {
return null;
}
String xst = new String(table, p, 2 * cch, StandardCharsets.UTF_16LE);
@@ -259,6 +266,10 @@ final class Lists {
int fit = (int) ((end - fc - 4) / LFO_SIZE);
mac = Math.min(Math.min(mac, fit), MAX_ENTRIES);
Lfo[] out = new Lfo[mac];
// LFOData лежит ВНУТРИ lcbPlfLfo (§2.5.6/§2.9.132) — обход ограничен
// end, а не длиной потока: короткий lcb не должен уводить парсер в
// чужие записи табличного потока
int limit = (int) end;
int cursor = (int) (fc + 4) + mac * LFO_SIZE;
for (int i = 0; i < mac; i++) {
int rec = (int) fc + 4 + i * LFO_SIZE;
@@ -266,12 +277,12 @@ final class Lists {
int clfolvl = table[rec + 12] & 0xFF;
LfoLvl[] overrides = new LfoLvl[clfolvl];
out[i] = new Lfo(lsid, overrides);
if (cursor + 4 > table.length) {
if (cursor + 4 > limit) {
return out; // обрыв LFOData — остаток без переопределений
}
cursor += 4; // cp — не переносится (осознанный остаток)
for (int j = 0; j < clfolvl; j++) {
if (cursor + 8 > table.length) {
if (cursor + 8 > limit) {
return out;
}
int startAt = (int) CfbReader.u32(table, cursor);
@@ -282,7 +293,7 @@ final class Lists {
boolean fFormatting = (bits >>> 5 & 1) != 0;
Level formatting = null;
if (fFormatting) {
formatting = readLevel(table, cursor);
formatting = readLevel(table, cursor, limit);
if (formatting == null) {
return out;
}
@@ -398,7 +409,7 @@ final class Lists {
Grpprl.scan(chpx, 0, chpx.length, (sprm, buf, off, len) -> {
switch (sprm) {
case Grpprl.SPRM_C_RG_FTC0 -> ftc0[0] = Grpprl.operandInt(buf, off, len);
case Grpprl.SPRM_C_F_BOLD -> bold[0] = Grpprl.toggleOn(buf, off);
case Grpprl.SPRM_C_F_BOLD -> bold[0] = Grpprl.toggle(bold[0], buf[off]);
case Grpprl.SPRM_C_HPS -> hps[0] = Grpprl.operandInt(buf, off, len);
default -> { }
}
@@ -4,8 +4,9 @@ package ru.pjandro.wordpdf.internal.doc;
* Извлечение растровой картинки из {@code PICFAndOfficeArtData}
* ([MS-DOC] §2.9.192, операнд {@code sprmCPicLocation} = offset в Data-потоке)
* по [MS-ODRAW]: PICF (68 байт, §2.9.190) → OfficeArt-записи → BLIP
* (§2.2.23–.31: recType 0xF01A EMF / 0xF01B WMF / 0xF01C PICT / 0xF01D JPEG /
* 0xF01E PNG / 0xF01F DIB; нечётный recInstance — второй UID, §2.2.24).
* (§2.2.23–.30: recType 0xF01A EMF / 0xF01B WMF / 0xF01C PICT / 0xF01D JPEG /
* 0xF01E PNG / 0xF01F DIB / 0xF029 TIFF; recInstance с вторым UID —
* §2.2.24–.30).
*
* <p>Word кладёт BLIP в разные места (BStoreContainer 0xF004,
* BStoreContainerDelay 0xF007, инлайн-контейнер), а POI-продукция пишет
@@ -17,8 +18,9 @@ package ru.pjandro.wordpdf.internal.doc;
* потоку их плодит, скан по картинному диапазону нет.</p>
*
* <p>EMF/WMF/PICT в PDF не рендерятся (Java2D-движка для метафайлов в ядре
* нет) — {@code null} (объект исчезает, как удалённый {@code w:object}).
* DIB перекодируется в PNG через ImageIO.</p>
* нет) — {@code null} с JUL-warning (объект исчезает, как удалённый
* {@code w:object}; потеря контента должна быть видна в логе).
* DIB перекодируется в PNG через ImageIO, TIFF проходит как есть.</p>
*/
final class OfficeArt {
@@ -39,20 +41,29 @@ final class OfficeArt {
/** Границы отображаемого размера, twips (§2.9.193: 15…31680). */
private static final int DXA_MIN = 15;
private static final int DXA_MAX = 31_680;
/** twips → EMU (ECMA-376 §20.1.8: 1 twip = 635 EMU). */
/** twips → EMU (ST_TwipsMeasure §22.9.2.14: 1 twip = 635 EMU). */
private static final int EMU_PER_TWIP = 635;
private static final int BLIP_EMF = 0xF01A;
private static final int BLIP_WMF = 0xF01B;
private static final int BLIP_PICT = 0xF01C;
private static final int BLIP_JPEG = 0xF01D;
private static final int BLIP_JPEG_ALT = 0xF02A; // [MS-ODRAW] A.1: = 0xF01D
private static final int BLIP_JPEG_ALT = 0xF02A; // [MS-ODRAW] Appendix A, примечание <5> к §2.2.23
private static final int BLIP_PNG = 0xF01E;
private static final int BLIP_DIB = 0xF01F;
private static final int BLIP_TIFF = 0xF029; // §2.2.30
/** recInstance с двумя UID ([MS-ODRAW] §2.2.24–.31). */
/** Пропуск метафайлов логируется (JUL — конвенция {@code internal/}). */
private static final java.util.logging.Logger LOG =
java.util.logging.Logger.getLogger(OfficeArt.class.getName());
/**
* recInstance с двумя UID ([MS-ODRAW] §2.2.24–.30): EMF 0x3D5, WMF 0x217,
* PICT 0x543, JPEG CMYK 0x6E3, JPEG RGB 0x46B, PNG 0x6E1, DIB 0x7A9,
* TIFF 0x6E5.
*/
private static final java.util.Set<Integer> TWO_UIDS =
java.util.Set.of(0x217, 0x3D5, 0x543, 0x6E1, 0x6E3, 0x6E5, 0x7A9);
java.util.Set.of(0x217, 0x3D5, 0x46B, 0x543, 0x6E1, 0x6E3, 0x6E5, 0x7A9);
private OfficeArt() {
}
@@ -97,9 +108,8 @@ final class OfficeArt {
if (cb < 17 || p + 8 + cb > end) {
return null;
}
// Второй UID — только перечисленные recInstance (§2.2.24–.31:
// EMF 0x3D5, WMF 0x217, PICT 0x543, JPEG 0x6E3, PNG 0x6E1,
// DIB 0x7A9, EMF+ 0x6E5; JPEG 0x46B — нечётный, но ОДИН UID).
// Второй UID — только перечисленные recInstance (§2.2.24–.30,
// таблица выше: 0x46B = JPEG RGB с ДВУМЯ UID, 0x6E5 = TIFF).
// Word/POI кладут значение в raw verInstance (0x06E1), спека —
// в 12-битное поле (0x6E10): проверяем обе формы.
int uidSize = (TWO_UIDS.contains(verInstance >>> 4) || TWO_UIDS.contains(verInstance))
@@ -119,12 +129,26 @@ final class OfficeArt {
? new Picture("jpg", "image/jpeg", slice(data, dataOff, dataLen),
emu(sizeX), emu(sizeY))
: null;
case BLIP_TIFF -> isTiff(data, dataOff, dataLen)
? new Picture("tif", "image/tiff", slice(data, dataOff, dataLen),
emu(sizeX), emu(sizeY))
: null;
case BLIP_DIB -> dibToPng(data, dataOff, dataLen, sizeX, sizeY, maxPixels);
case BLIP_EMF, BLIP_WMF, BLIP_PICT -> null; // метафайлы не рендерим
case BLIP_EMF, BLIP_WMF, BLIP_PICT -> {
// метафайлы не рендерим — пропуск с warn (деградация видна в логе)
LOG.warning("Метафайл в .doc пропущен (EMF/WMF/PICT в PDF не рендерятся)");
yield null;
}
default -> null;
};
}
/** TIFF-сигнатура II*\\0 или MM\\0* ([TIFF] §2, little/big endian). */
private static boolean isTiff(byte[] data, int off, int len) {
return startsWith(data, off, len, new byte[] {'I', 'I', '*', 0})
|| startsWith(data, off, len, new byte[] {'M', 'M', 0, '*'});
}
/** PICMID отсутствует/битый — размер из PNG IHDR @96 dpi (1 px = 15 twips). */
private static int pngDxa(byte[] data, int pngOff, boolean width) {
if (pngOff + 24 > data.length) {
@@ -171,8 +195,9 @@ final class OfficeArt {
// бросает OutOfMemoryError (Error, не ловится catch ниже). Отказ по
// площади — та же семантика «битый → объект пропущен»; порог
// приходит параметром (WordPdfValidator.maxImagePixels).
long area = (long) Math.abs((int) CfbReader.u32(data, off + 4))
* Math.abs((int) CfbReader.u32(data, off + 8));
// abs в long: Math.abs(Integer.MIN_VALUE) отрицателен и обходил бы guard
long area = Math.abs((long) (int) CfbReader.u32(data, off + 4))
* Math.abs((long) (int) CfbReader.u32(data, off + 8));
if (area > maxPixels) {
return null;
}
@@ -190,7 +215,14 @@ final class OfficeArt {
}
}
/** DIB → BMP: BITMAPFILEHEADER(14) + как есть (§2.2.29 — DIB без хедера). */
/**
* DIB → BMP: BITMAPFILEHEADER(14) + как есть (§2.2.29 — DIB без хедера).
* dataOff: BITMAPINFOHEADER + палитра (biClrUsed, offset 32: 0 — полное
* 2^bits, иначе объявленное число записей, [MS-WMF] §2.2.2.8) + для
* BI_BITFIELDS (biCompression=3, 16/32 bpp) ещё 12 байт масок после
* хедера ([MS-WMF] §2.2.1.6.3). CoreHeader (12 байт) не поддерживаем —
* ImageIO отвергнет, деградация в null.
*/
private static byte[] wrapAsBmp(byte[] data, int off, int len) {
byte[] bmp = new byte[14 + len];
bmp[0] = 'B';
@@ -202,8 +234,18 @@ final class OfficeArt {
bmp[5] = (byte) (fileSize >>> 24);
int bits = (int) (CfbReader.u32(data, off + 14) & 0xFFFF);
int headerSize = (int) CfbReader.u32(data, off);
int dataOff = 14 + headerSize
+ (bits == 1 || bits == 4 || bits == 8 ? (1 << bits) * 4 : 0);
int palette = 0;
int bitfields = 0;
if (headerSize >= BITMAPINFOHEADER_SIZE) {
if (bits == 1 || bits == 4 || bits == 8) {
int clrUsed = (int) CfbReader.u32(data, off + 32);
palette = 4 * (clrUsed > 0 && clrUsed < (1 << bits) ? clrUsed : 1 << bits);
}
if ((int) CfbReader.u32(data, off + 16) == 3 && (bits == 16 || bits == 32)) {
bitfields = 12;
}
}
int dataOff = 14 + headerSize + palette + bitfields;
bmp[10] = (byte) dataOff;
bmp[11] = (byte) (dataOff >>> 8);
System.arraycopy(data, off, bmp, 14, len);
@@ -11,8 +11,9 @@ import java.util.List;
* <p>Алгоритм [MS-DOC] §2.4.6.1 (Direct Paragraph Formatting): PlcfBtePapx —
* PLC (aFc n+1, PnFkpPapx n по 4 байта: pn 22 бита); PapxFkp-страница по
* {@code pn*512} в WordDocument-потоке: rgfc (cpara+1 × 4), rgbx (cpara ×
* BxPap — по 13 байт: bOffset 1 + reserved 12, §2.9.16; PapxInFkp по
* {@code bOffset*2}), cpara — последний байт. BxPap.bOffset=0 → абзац по
* BxPap — по 13 байт: bOffset 1 + reserved 12, §2.9.23; PapxInFkp по
* {@code bOffset*2}), cpara — последний байт (§2.9.174: cpara ≥ 0x01 и ≤ 0x1D,
* больше — PapxFkp не влезает в 512). BxPap.bOffset=0 → абзац по
* умолчанию (ms-doc.md:5635). PapxInFkp (§2.9.175):
* cb (1 байт); при cb≠0 GrpPrlAndIstd занимает 2×cb−1 байт, при cb=0 —
* следующий байт cb' и 2×cb' байт; GrpPrlAndIstd = istd(2) + grpprl.
@@ -45,9 +46,14 @@ final class PapxIndex {
throw new ConversionException("PapxFkp вне WordDocument-потока в .doc");
}
int cpara = wordDocument[(int) (pageOff + FKP_PAGE_SIZE - 1)] & 0xFF;
if (cpara < 1 || cpara > 0x60) {
// §2.9.174: cpara MUST NOT exceed 0x1D (иначе rgfc+rgbx расширяют
// PapxFkp за 512 байт)
if (cpara < 1 || cpara > 0x1D) {
throw new ConversionException("Битый cpara в PapxFkp .doc");
}
if (4 * (cpara + 1) + 13 * cpara > FKP_PAGE_SIZE) {
throw new ConversionException("Битый PapxFkp .doc");
}
for (int j = 0; j < cpara; j++) {
long rgfcStart = CfbReader.u32(wordDocument, (int) pageOff + j * 4);
long rgfcEnd = CfbReader.u32(wordDocument, (int) pageOff + (j + 1) * 4);
@@ -105,7 +111,8 @@ final class PapxIndex {
int[] count = {0};
for (Range r : ranges) {
Grpprl.scan(r.grpprl(), 0, r.grpprl().length, (sprm, buf, off, len) -> {
if (sprm == Grpprl.SPRM_P_F_PAGE_BREAK_BEFORE && Grpprl.toggleOn(buf, off)) {
if (sprm == Grpprl.SPRM_P_F_PAGE_BREAK_BEFORE
&& Grpprl.toggle(false, buf[off])) {
count[0]++;
}
});
@@ -25,7 +25,7 @@ final class PieceTable {
private static final long F_COMPRESSED = 0x4000_0000L;
private static final long FC_MASK = 0x3FFF_FFFFL;
/** Байты 0x80–0x9F сжатого текста → Unicode (§2.4.1, таблица Pcd.fc). */
/** Байты 0x82–0x9F сжатого текста → Unicode (FcCompressed §2.9.73). */
private static final char[] COMPRESSED_MAP = new char[32];
static {
@@ -46,8 +46,10 @@ final class PieceTable {
private final int[] aCp;
private final long[] fc;
private final boolean[] compressed;
/** Читаемый размер куска в байтах после клампа по cbMac (§2.5.4). */
private final long[] readable;
private PieceTable(byte[] tableStream, long fcClx, long lcbClx, byte[] wordDocument) {
private PieceTable(byte[] tableStream, long fcClx, long lcbClx, byte[] wordDocument, long cbMac) {
this.wordDocument = wordDocument;
if (lcbClx <= 0) {
throw new ConversionException("В .doc нет piece table");
@@ -95,8 +97,13 @@ final class PieceTable {
compressed = new boolean[n];
for (int i = 0; i <= n; i++) {
aCp[i] = (int) CfbReader.u32(tableStream, plcStart + i * 4);
if (i > 0 && aCp[i] < aCp[i - 1]) {
throw new ConversionException("Невозрастающие aCP в PlcPcd .doc");
// §2.8.35 PlcPcd: «All CPs MUST be greater than or equal to
// zero», «aCP MUST be sorted in ascending order and MUST NOT
// contain duplicate CPs» — дубль/отрицательный CP = битый кусок;
// отрицательный aCP[0] сдвигал бы delta и читал бы до начала
// WordDocument-потока
if (aCp[0] < 0 || (i > 0 && aCp[i] <= aCp[i - 1])) {
throw new ConversionException("Битые aCP в PlcPcd .doc");
}
}
int pcdBase = plcStart + (n + 1) * 4;
@@ -105,17 +112,25 @@ final class PieceTable {
fc[i] = fcw & FC_MASK;
compressed[i] = (fcw & F_COMPRESSED) != 0;
}
// cbMac (§2.5.4): «All bytes in the WordDocument stream at offset
// cbMac and greater MUST be ignored» — читаемый span куска клампится
// к min(cbMac, длина потока); кусок целиком за cbMac даёт readable=0
// (charAt вернёт 0, fcOf не меняется — свойства там всё равно нет).
long textLimit = Math.min(Math.max(cbMac, 0), wordDocument.length);
readable = new long[n];
for (int i = 0; i < n; i++) {
long start = compressed[i] ? fc[i] / 2 : fc[i];
long span = (long) (aCp[i + 1] - aCp[i]) * (compressed[i] ? 1 : 2);
if (start + span > wordDocument.length) {
throw new ConversionException("Кусок piece table .doc выходит за WordDocument");
}
readable[i] = start >= textLimit ? 0 : Math.min(span, textLimit - start);
}
}
static PieceTable read(byte[] tableStream, long fcClx, long lcbClx, byte[] wordDocument) {
return new PieceTable(tableStream, fcClx, lcbClx, wordDocument);
static PieceTable read(byte[] tableStream, long fcClx, long lcbClx, byte[] wordDocument,
long cbMac) {
return new PieceTable(tableStream, fcClx, lcbClx, wordDocument, cbMac);
}
/** Символ по CP (§2.4.1); {@code cp} вне [0, ccpText) не запрашивается. */
@@ -123,6 +138,9 @@ final class PieceTable {
int i = pieceOf(cp);
int delta = cp - aCp[i];
if (compressed[i]) {
if (delta >= readable[i]) {
return 0; // за cbMac (§2.5.4) — байты игнорируются
}
int b = wordDocument[(int) (fc[i] / 2) + delta] & 0xFF;
if (b >= 0x80 && b < 0xA0) {
char mapped = COMPRESSED_MAP[b - 0x80];
@@ -130,6 +148,9 @@ final class PieceTable {
}
return (char) b;
}
if (2L * (delta + 1) > readable[i]) {
return 0;
}
int off = (int) fc[i] + 2 * delta;
return (char) ((wordDocument[off] & 0xFF) | ((wordDocument[off + 1] & 0xFF) << 8));
}
@@ -13,27 +13,26 @@ import java.io.ByteArrayOutputStream;
* при istd=0), а сами свойства — с {@code sprmPFInTable}/{@code sprmPFTtp}/
* {@code sprmTDefTable}/бордюрами — лежат в PrcData в Data-потоке. Внутри
* PrcData цепочка продолжается через {@code sprmPTableProps (0x646B)}.
* Оба указателя разворачиваются <b>на позиции указателя без обрыва</b>
* текущего массива; цепочка обязана завершиться PrcData без обоих
* спец-спрмов (§2.6.2).</p>
*
* <p>Отступление от spec: §2.6.2 велит массив, содержащий PTableProps,
* «не читать дальше» — Word так и делает, потому что потребляет из PrcData
* полный TAP (включая {@code sprmTInsert}), а хвост массива — легаси-зеркало
* для Word 97/2000 (Appendix A &lt;9&gt;). Конвертер {@code sprmTInsert}
* не читает и живёт на этом зеркале: в {@code samples/ru-table-image.doc}
* единственный {@code sprmTDefTable} (сетка) стоит именно ПОСЛЕ
* {@code sprmPTableProps} в PAPX-массиве, а в PrcData его нет вовсе.
* Поэтому свойства объединяются (union), а не замещаются: без цепочки
* теряются её sprm'ы, без зеркал — сетка.</p>
* {@code sprmPHugePapx} не первым в массиве игнорируется (§2.6.2); после
* разворачивания PrcData по любому указателю дальнейшие Prl содержащего
* массива <b>не обрабатываются</b> (§2.6.2: «MUST NOT process any more
* Prl elements in the array» — одинаково для HugePapx и PTableProps);
* цепочка обязана завершиться PrcData без обоих спец-спрмов (§2.6.2).
* Хвост исходного массива за указателем — легаси-зеркало для Word
* 97/2000, не читающих sprmPTableProps (Appendix A &lt;9&gt;); по общему
* правилу оно не потребляется, кроме единственного исключения
* {@code sprmTDefTable}: конвертер строит сетку ячеек именно из
* TDefTable (§2.4.3: «SHOULD use sprmTDefTable to define table cells for
* applications that do not process sprmPTableProps»), а из PrcData
* {@code sprmTInsert} не читает — без зеркала {@code
* samples/ru-table-image.doc} терял бы таблицу целиком (Регрессия —
* DocToDocxTest#tableFixture_becomesTblWithImage).</p>
*
* <p>Снисходительность — по образцу {@link Styles}/{@link Lists}: любой
* брак (ptr за Data, битый cbGrpprl, цикл A→B→A) останавливает цепочку,
* накопленное возвращается — без {@code ConversionException}. Спец-спрмы
* из результата всегда вырезаются (потребители {@code Grpprl.scan} их всё
* равно не понимают); прочие Prl исходного массива сохраняются в исходном
* порядке (при многосprl-массиве с HugePapx — сверхспецификацией: валидный
* Word пишет HugePapx единственным Prl).</p>
* равно не понимают); не-первый HugePapx — игнор по §2.6.2.</p>
*/
final class PrcData {
@@ -99,18 +98,39 @@ final class PrcData {
/**
* Копирует Prl массива {@code buf[off..off+len)} в {@code out}:
* обычные — дословно (sprm + операнд), оба указательных — разворачивают
* целевой PrcData на позиции указателя, разбор массива продолжается
* (union зеркала и цепочки — см. javadoc класса).
* обычные — дословно (sprm + операнд). По §2.6.2 после разворачивания
* PrcData по указателю дальнейшие Prl <b>этого</b> массива
* не обрабатываются («MUST NOT process any more Prl elements in the
* array», sprmPHugePapx и sprmPTableProps), поэтому развёрнутое
* содержимое — последнее, что попало в выход из этого массива.
* {@code sprmPHugePapx} не первым в массиве — игнорируется целиком
* (§2.6.2: «if … not the first element … MUST be ignored»), массив
* читается дальше; {@code sprmPTableProps} правила первой позиции не
* имеет. Единственное исключение из стопа — {@code sprmTDefTable}
* (легаси-зеркало сетки, Appendix A &lt;9&gt;, см. javadoc класса):
* он переносится и после указателя.
*/
private static void copyPrls(byte[] buf, int off, int len, byte[] data,
ByteArrayOutputStream out, int[] hops) {
int[] index = new int[1];
boolean[] stop = new boolean[1];
Grpprl.scan(buf, off, len, (sprm, b, operandOff, operandLen) -> {
if (sprm == Grpprl.SPRM_P_HUGE_PAPX || sprm == Grpprl.SPRM_P_TABLE_PROPS) {
follow(Grpprl.operandInt(b, operandOff, operandLen), data, out, hops);
return;
if (stop[0] && sprm != Grpprl.SPRM_T_DEF_TABLE) {
return; // хвост после указателя — вне области обработки
}
out.write(b, operandOff - 2, operandLen + 2);
if (sprm == Grpprl.SPRM_P_HUGE_PAPX) {
if (index[0] == 0) {
follow(Grpprl.operandInt(b, operandOff, operandLen),
data, out, hops);
stop[0] = true;
}
} else if (sprm == Grpprl.SPRM_P_TABLE_PROPS) {
follow(Grpprl.operandInt(b, operandOff, operandLen), data, out, hops);
stop[0] = true;
} else {
out.write(b, operandOff - 2, operandLen + 2);
}
index[0]++;
});
}
@@ -20,10 +20,10 @@ import ru.pjandro.wordpdf.ConversionException;
* покрывает весь текстовый поток), поэтому конец последней секции
* клампится к ccpText. Свойств в Sepx нет (или Sepx битый) — дефолты
* Word 97: Letter 12240×15840, поля 1440, колонтитуки
* 720 (значения §2.6.3 «By default» для sprmSXaPage/sprmSYaPage).</p>
* 720 (значения §2.6.4 «By default» для sprmSXaPage/sprmSYaPage).</p>
*
* <p>{@link Section#continuous()} — sprmSBkc секции со значением
* bkcContinuous/bkcNewColumn (§2.6.3, SBkcOperand: «the type of the section
* bkcContinuous/bkcNewColumn (§2.6.4, SBkcOperand §2.9.235: «the type of the section
* break that terminates the section»), т.е. разрыв, ЗАКАНЧИВАЮЩИЙ эту
* секцию. В OOXML {@code w:type} описывает разрыв ПЕРЕД секцией (§17.6.22),
* поэтому {@code w:type} секции i берётся из {@code continuous()} секции
@@ -40,16 +40,34 @@ final class Sections {
* финальный символ — 0x0C, §2.8.26) + геометрия из её Sepx + признак
* «разрыв, заканчивающий секцию, не начинает новую страницу» +
* ориентация (sprmSBOrientation), нумерация страниц (sprmSFPgnRestart/
* sprmSPgnStart97/sprmSNfcPgn — pgNumStart=0 «не задан», nfcPgn — MSONFC),
* колонки (sprmSCcolumns/…; colWidths/colSpacings заполнены только при
* evenlySpaced=false, индекс — номер колонки) и титульная страница
* (sprmSFTitlePage → w:titlePg, §2.6.4).
* sprmSPgnStart97/sprmSPgnStart/sprmSNfcPgn — pgNumStart=0 «не задан»,
* nfcPgn — MSONFC),
* (sprmSCcolumns/…; colWidths/colSpacings заполнены только при
* evenlySpaced=false, индекс — номер колонки), титульная страница
* (sprmSFTitlePage → w:titlePg, §2.6.4), gutter-поле (sprmSDzaGutter →
* w:gutter) и сырое значение SBkcOperand (§2.9.235 — evenPage/oddPage
* для w:type).
*/
record Section(int cpStart, int cpEnd, int pageWidth, int pageHeight,
int marginLeft, int marginRight, int marginTop, int marginBottom,
int header, int footer, boolean continuous, boolean landscape,
int header, int footer, int gutter, boolean continuous, boolean landscape,
int pgNumStart, int nfcPgn, int columnCount, boolean evenlySpaced,
int dxaColumns, int[] colWidths, int[] colSpacings, boolean titlePage) {
int dxaColumns, int[] colWidths, int[] colSpacings, boolean titlePage,
int bkc) {
/**
* ST_SectType (§17.6.22) для разрыва, ЗАКАНЧИВАЮЩЕГО эту секцию:
* bkcContinuous/bkcNewColumn → continuous, bkcEvenPage/bkcOddPage →
* evenPage/oddPage; bkcNewPage (дефолт) — атрибут не эмитится.
*/
String wTypeName() {
return switch (bkc) {
case 0, 1 -> "continuous";
case 3 -> "evenPage";
case 4 -> "oddPage";
default -> null;
};
}
}
/** Дефолты Word 97 (§2.6.3, twips). */
@@ -77,12 +95,17 @@ final class Sections {
private int marginBottom = DEFAULT_MARGIN;
private int header = DEFAULT_HEADER_FOOTER;
private int footer = DEFAULT_HEADER_FOOTER;
private int gutter;
private boolean continuous;
private boolean landscape;
private boolean titlePage;
private boolean pgnRestart;
private int pgnStart97;
private int pgnStart;
private int nfcPgn;
/** SBkcOperand (§2.9.235): 0 continuous, 1 newColumn, 2 newPage
* (дефолт), 3 evenPage, 4 oddPage. */
private int bkc = 2;
private int columnCount = 1;
private boolean evenlySpaced = true;
private int dxaColumns = -1;
@@ -91,21 +114,26 @@ final class Sections {
private void apply(int sprm, int value) {
if (sprm == Grpprl.SPRM_S_XA_PAGE) {
pageWidth = value;
pageWidth = value; // U16 [144, 31680] (§2.6.3)
} else if (sprm == Grpprl.SPRM_S_YA_PAGE) {
pageHeight = value;
pageHeight = value; // U16 (§2.6.3)
} else if (sprm == Grpprl.SPRM_S_DXA_LEFT) {
marginLeft = value;
marginLeft = value; // XAS_nonNeg (§2.6.3)
} else if (sprm == Grpprl.SPRM_S_DXA_RIGHT) {
marginRight = value;
marginRight = value; // XAS_nonNeg (§2.6.3)
} else if (sprm == Grpprl.SPRM_S_DYA_TOP) {
marginTop = value;
// YAS знаковый (§2.9.355): плюс — минимальное поле, минус —
// фиксированное («MUST be the absolute value») — знак в OOXML
// не выражается, величина берётся по модулю
marginTop = Math.abs((short) value);
} else if (sprm == Grpprl.SPRM_S_DYA_BOTTOM) {
marginBottom = value;
marginBottom = Math.abs((short) value);
} else if (sprm == Grpprl.SPRM_S_DYA_HDR_TOP) {
header = value;
header = value; // YAS_nonNeg (§2.6.3)
} else if (sprm == Grpprl.SPRM_S_DYA_HDR_BOTTOM) {
footer = value;
footer = value; // YAS_nonNeg (§2.6.3)
} else if (sprm == Grpprl.SPRM_S_DZA_GUTTER) {
gutter = value; // U16 twips (§2.6.4), беззнаковый
} else if (sprm == Grpprl.SPRM_S_B_ORIENTATION) {
// SBOrientationOperand (§2.9.236): 0x01 portrait, 0x02 landscape
landscape = value == 2;
@@ -113,6 +141,8 @@ final class Sections {
pgnRestart = value != 0; // Bool8
} else if (sprm == Grpprl.SPRM_S_PGN_START97) {
pgnStart97 = value;
} else if (sprm == Grpprl.SPRM_S_PGN_START) {
pgnStart = value; // U32 (§2.6.4), pre-97-вариант того же
} else if (sprm == Grpprl.SPRM_S_NFC_PGN) {
nfcPgn = value; // MSONFC ([MS-OSHARED] §2.2.1.3)
} else if (sprm == Grpprl.SPRM_S_F_EVENLY_SPACED) {
@@ -130,7 +160,7 @@ final class Sections {
/** iCol(1) + dxaCol(2) — минимальная длина SDxaColWidth/Spacing-операнда. */
private static final int COL_OPERAND_LEN = 3;
/** SDxaColWidthOperand/SDxaColSpacingOperand: iCol(1)+dxaCol(2), §2.9.241/.242. */
/** SDxaColSpacingOperand/SDxaColWidthOperand: iCol(1)+dxaCol(2), §2.9.241/.242. */
private void applyCol(int sprm, byte[] buf, int off, int len) {
if (len < COL_OPERAND_LEN) {
return;
@@ -191,10 +221,12 @@ final class Sections {
}
int v = Grpprl.operandInt(buf, off, len);
g.apply(sprm, v);
// bkcContinuous=0 / bkcNewColumn=1 (§2.6.3 SBkcOperand):
// разрыв, заканчивающий секцию, не начинает страницу
if (sprm == Grpprl.SPRM_S_BKC && v <= 1) {
g.continuous = true;
// SBkcOperand (§2.9.235): 0 continuous / 1 newColumn —
// разрыв, заканчивающий секцию, не начинает страницу;
// сырое значение нужно и для w:type=evenPage/oddPage
if (sprm == Grpprl.SPRM_S_BKC) {
g.bkc = v;
g.continuous = v <= 1;
}
});
}
@@ -208,11 +240,13 @@ final class Sections {
int cpEnd = i == n - 1 ? Math.min(aCp[i + 1], ccpText) : aCp[i + 1];
list.add(new Section(aCp[i], cpEnd, g.pageWidth, g.pageHeight,
g.marginLeft, g.marginRight, g.marginTop, g.marginBottom,
g.header, g.footer, g.continuous, g.landscape,
g.pgnRestart ? Math.max(1, g.pgnStart97) : 0,
g.header, g.footer, g.gutter, g.continuous, g.landscape,
g.pgnRestart
? Math.max(1, g.pgnStart97 != 0 ? g.pgnStart97 : g.pgnStart)
: 0,
g.nfcPgn, g.columnCount, g.evenlySpaced, g.dxaColumns,
Arrays.copyOf(g.colWidths, g.columnCount),
Arrays.copyOf(g.colSpacings, g.columnCount), g.titlePage));
Arrays.copyOf(g.colSpacings, g.columnCount), g.titlePage, g.bkc));
}
sections = List.copyOf(list);
continuousEnds = cont;
@@ -221,8 +255,8 @@ final class Sections {
private static Section defaultSection(int cpStart, int cpEnd) {
return new Section(cpStart, cpEnd, DEFAULT_PAGE_WIDTH, DEFAULT_PAGE_HEIGHT,
DEFAULT_MARGIN, DEFAULT_MARGIN, DEFAULT_MARGIN, DEFAULT_MARGIN,
DEFAULT_HEADER_FOOTER, DEFAULT_HEADER_FOOTER, false,
false, 0, 0, 1, true, -1, new int[0], new int[0], false);
DEFAULT_HEADER_FOOTER, DEFAULT_HEADER_FOOTER, 0, false,
false, 0, 0, 1, true, -1, new int[0], new int[0], false, 2);
}
static Sections read(byte[] tableStream, long fcSed, long lcbSed, byte[] wordDocument,
@@ -6,15 +6,16 @@ package ru.pjandro.wordpdf.internal.doc;
*
* <p>Разбор: LPStshi (cbStshi(2) + STSHI: cstd(2) + cbSTDBaseInFile(2),
* §2.9.272/.274) → rglpstd со смещения {@code fc + 2 + cbStshi} (LPStd
* хранятся на чётных границах, §2.9.207). Каждая LPStd: cbStd(2) + Std
* хранятся на чётных границах, §2.9.135). Каждая LPStd: cbStd(2) + Std
* (cbStd байт): stdf (cbSTDBaseInFile байт: StdfBase §2.9.260 — в первых
* 4 байтах sti(12)|A–D(4)|stk(4)|istdBase(12), cupx — младший нибл байта 4)
* + xstzName (cch(2)+2·cch+терминатор(2), §2.9.348) + cupx × LPUpx
* + xstzName (cch(2)+2·cch+терминатор(2), §2.9.354) + cupx × LPUpx
* (cbUpx(2) + данные, шаг 2+cbUpx с выравниванием на чёт). Для stk=1
* (абзацный стиль) UPX[0] = UpxPapx (istd(2) + grpprlPapx), UPX[1] =
* UpxChpx (grpprlChpx целиком), §2.9.267/.308/.309; для stk=3 (символьный
* стиль) единственный UPX = UpxChpx целиком (§2.9.267) — читается в
* {@link #charChain} для sprmCIstd.</p>
* UpxChpx (grpprlChpx целиком), §2.9.338/.336; для stk=2 (символьный
* стиль) единственный UPX = UpxChpx целиком (§2.9.263 StkCharGRLPUPX) —
* читается в {@link #charChain} для sprmCIstd; stk=3 (табличный) не
* читается.</p>
*
* <p>Цепочка свойств стиля — base-first: сначала grpprl предка по
* istdBase (0x0FFF — без предка), затем собственный grpprl (шаг 8
@@ -31,11 +32,11 @@ final class Styles {
/** stk абзацного стиля (§2.9.260). */
private static final int STK_PARAGRAPH = 1;
/** stk символьного стиля (§2.9.260): UPX[0] = UpxChpx целиком. */
private static final int STK_CHARACTER = 3;
/** Индекс UpxPapx в Std абзацного стиля (§2.9.308). */
/** stk символьного стиля (§2.9.260, stk=2): UPX[0] = UpxChpx целиком. */
private static final int STK_CHARACTER = 2;
/** Индекс UpxPapx в Std абзацного стиля (§2.9.338). */
private static final int UPX_PAPX = 0;
/** Индекс UpxChpx в Std абзацного стиля (§2.9.309). */
/** Индекс UpxChpx в Std абзацного стиля (§2.9.336). */
private static final int UPX_CHPX = 1;
/** istdBase без предка (§2.9.260). */
private static final int NO_BASE = 0x0FFF;
@@ -107,7 +108,7 @@ final class Styles {
return new Style(NO_BASE, stk, new byte[0], new byte[0]);
}
int cch = CfbReader.u16(table, p);
p += 2 + 2 * cch + 2; // xstzName: cch + строка + chTerm (§2.9.348)
p += 2 + 2 * cch + 2; // xstzName: cch + строка + chTerm (§2.9.354)
byte[] papx = new byte[0];
byte[] chpx = new byte[0];
for (int i = 0; i < cupx && p + 2 <= stdEnd; i++) {
@@ -118,13 +119,13 @@ final class Styles {
}
if (stk == STK_PARAGRAPH) {
if (i == UPX_PAPX && cbUpx >= 2) {
// UpxPapx: istd(2) + grpprlPapx (§2.9.345)
// UpxPapx: istd(2) + grpprlPapx (§2.9.338)
papx = slice(table, p + 2, cbUpx - 2);
} else if (i == UPX_CHPX) {
chpx = slice(table, p, cbUpx); // UpxChpx (§2.9.343)
chpx = slice(table, p, cbUpx); // UpxChpx (§2.9.336)
}
} else if (stk == STK_CHARACTER && i == UPX_PAPX && cbUpx > 0) {
// Символьный стиль: единственный UPX = UpxChpx целиком (§2.9.267)
// Символьный стиль: единственный UPX = UpxChpx целиком (§2.9.263)
chpx = slice(table, p, cbUpx);
}
p += cbUpx;
@@ -163,7 +164,7 @@ final class Styles {
/**
* Цепочка chpx символьного стиля для sprmCIstd (§2.6.1): только стили
* stk=3, иначе пусто (§2.4.6.5 — символьный стиль применяется к рану,
* stk=2, иначе пусто (§2.4.6.5 — символьный стиль применяется к рану,
* стиль другого типа игнорируется снисходительно).
*/
byte[] charChain(int istd) {
@@ -7,17 +7,17 @@ package ru.pjandro.wordpdf.internal.doc;
* SystemIdentifier(4) CLSID(16) NumPropertySets(4) FMTID0(16) Offset0(4);
* PropertySet по Offset0 (§2.20): cbPropertySet(4) NumProperties(4) + массив
* (pid, offset), где offset свойства — <b>относительно начала PropertySet</b>
* (§2.2: «relative to the starting position of the PropertySet»), т.е. читать
* (§2.19 PropertyIdentifierAndOffset: «relative to the starting position of the PropertySet»), т.е. читать
* по {@code Offset0 + offset}; свойство по offset — VT(4) + значение. Ищем PIDSI_PAGECOUNT
* (0x0000000E, VT_I4=3) — аналог {@code <Pages>} из docProps/app.xml у .docx.
* Потока/свойства нет или оно не VT_I4 → 0 (оценка нижняя, как у docx).</p>
*/
final class SummaryInfo {
/** PIDSI_PAGECOUNT (MS-OLEPS §2.4.2). */
/** PIDSI_PAGECOUNT (MS-OLEPS §3.1.15). */
private static final int PID_PAGE_COUNT = 0x0000000E;
/** VT_I4 (MS-OLEPS §2.3.2). */
/** VT_I4 (MS-OLEPS §2.2). */
private static final int VT_I4 = 0x00000003;
/** Смещения заголовка PropertySetStream (§2.21). */
@@ -16,20 +16,20 @@ import java.util.List;
* TableBordersOperand80 (§2.9.303, cb=0x18, 6 × Brc80 по 4 байта:
* dptLineWidth + brcType + ico + флаги). Порядок Brc: top, left, bottom,
* right, horizontalInside, verticalInside → w:top/w:left/w:bottom/w:right/
* w:insideH/w:insideV (CT_TblBorders, ECMA-376 §17.4.40).</p>
* w:insideH/w:insideV (CT_TblBorders, ECMA-376 §17.4.38).</p>
*
* <p>brcType → ST_Border (§17.18.2) по таблице BrcType ([MS-DOC] §2.9.39,
* <p>brcType → ST_Border (§17.18.2) по таблице BrcType ([MS-DOC] §2.9.22,
* колонка Reference); 0x00 — элемент не эмитится, нераспознанный — single.
* w:sz = dptLineWidth (1/8 пункта, ECMA-376 §17.18.15; минимум 2; при
* w:sz = dptLineWidth (1/8 пункта, ECMA-376 §17.18.23; минимум 2; при
* brcType ≥ 0x40 ширина в целых пунктах → ×8). Цвет: Brc.cv fAuto
* (байт 3 = 0xFF) не эмитится, иначе RRGGBB; Brc80.ico — по таблице Ico
* (§2.9.171); 0 = auto, &gt; 0x10 — не эмитится.</p>
* (§2.9.119); 0 = auto, &gt; 0x10 — не эмитится.</p>
*
* <p>Горизонтальное объединение ячеек переносится сеткой <b>самой строки</b>:
* у TTP-абзаца каждой строки свой {@code sprmTDefTable} (§2.9.321), и
* автомат {@code DocxBody} по нему выдаёт {@code w:gridSpan}+{@code w:tcW}
* (сетка первой строки остаётся tblGrid). Явные поля ячеек
* ({@code sprmTCellPadding}/{@code sprmTCellPaddingDefault}, CSSA §2.9.209)
* ({@code sprmTCellPadding}/{@code sprmTCellPaddingDefault}, CSSA §2.9.45)
* переносятся {@code w:tcMar}; при их отсутствии конвейер даёт дефолт
* 108/0 — он же дефолт Word (замер). {@code sprmTDxaGapHalf} не переносится
* как поле: §2.6.3 — «not used to layout cell contents», это поправка
@@ -44,9 +44,9 @@ import java.util.List;
*/
final class Tables {
/** brcType ≥ этого порога: dptLineWidth задан в целых пунктах (§2.9.38). */
/** brcType ≥ этого порога: dptLineWidth задан в целых пунктах (§2.9.22). */
private static final int BRC_TYPE_POINT_UNITS = 0x40;
/** Минимальный w:sz границы; значения Brc80 меньше эквивалентны 2 (§2.9.37). */
/** Минимальный w:sz границы; значения Brc80 меньше эквивалентны 2 (§2.9.17). */
private static final int MIN_BORDER_SZ = 2;
/** Минимум центров в TDefTable: ncols≥1 → centers[ncols+1]≥2 (§2.9.321). */
@@ -58,7 +58,7 @@ final class Tables {
private static final int MAX_CELL_MARGIN = 31680;
/**
* Поля ячеек из одного CSSAOperand (§2.9.209): стороны grfbrc (биты
* Поля ячеек из одного CSSAOperand (§2.9.46): стороны grfbrc (биты
* top|left|bottom|right = 1|2|4|8) с шириной wWidth (dxa, ≥0) для ячеек
* ряда с индексами [itcFirst, itcLim). Default-operand (0xD634) — весь
* ряд (itcLim = {@link Integer#MAX_VALUE}).
@@ -98,7 +98,7 @@ final class Tables {
}
/**
* Ico → RRGGBB ([MS-DOC] §2.9.171). Индекс = ico. 0 — auto (не эмитится).
* Ico → RRGGBB ([MS-DOC] §2.9.119). Индекс = ico. 0 — auto (не эмитится).
* В таблице спецификации строка 0x0D дублирует 0x0C (800080) — очевидная
* опечатка документа: icoRedDark в палитре Word = 800000, взято значение
* Word (иначе 0x0C и 0x0D неразличимы).
@@ -124,7 +124,7 @@ final class Tables {
};
/**
* Ico (§2.9.171) → RRGGBB; 0/auto и вне таблицы (в т.ч. 0x1F = nil у
* Ico (§2.9.119) → RRGGBB; 0/auto и вне таблицы (в т.ч. 0x1F = nil у
* Shd80) — {@code null}. Пользуется {@code DocxBody} для Shd80/
* затенений.
*/
@@ -133,7 +133,7 @@ final class Tables {
}
/**
* Имена ST_Border по brcType (§2.9.39, колонка Reference); 0 — none.
* Имена ST_Border по brcType (§2.9.22, колонка Reference); 0 — none.
* package-private хук для юнита полного покрытия таблицы.
*/
static String borderVal(int brcType) {
@@ -160,7 +160,8 @@ final class Tables {
case 0x17 -> "dashDotStroked";
case 0x18 -> "threeDEmboss";
case 0x19 -> "threeDEngrave";
case 0x1A, 0x1B -> "outset";
case 0x1A -> "outset";
case 0x1B -> "inset";
default -> "single";
};
}
@@ -234,7 +235,7 @@ final class Tables {
}
/**
* CSSAOperand (§2.9.209) полей ячеек: cb(1)=6 + itc(2, ItcFirstLim) +
* CSSAOperand (§2.9.46) полей ячеек: cb(1)=6 + itc(2, ItcFirstLim) +
* grfbrc(1, маска сторон) + ftsWidth(1) + wWidth(2 XAS_nonNeg).
* Переносится только ftsDxa (0x03) — ftsNil/percent/auto сторона не
* задают (§2.6.3: wWidth ≤ 31680); битый операнд/пустая маска — null.
@@ -287,7 +288,12 @@ final class Tables {
String[] names = {"top", "left", "bottom", "right", "insideH", "insideV"};
for (int i = 0; i < 6; i++) {
int b = off + 1 + i * 8;
// Brc (§2.9.36): cv(4: R,G,B,fAuto) + dptLineWidth(1) + brcType(1) + флаги(2)
// Brc (§2.9.16): cv(4: R,G,B,fAuto) + dptLineWidth(1) + brcType(1) + флаги(2);
// BrcMayBeNil (§2.9.20): последние 4 байта 0xFF…FF — NilBrc, границы нет
if ((buf[b + 4] & 0xFF) == 0xFF && (buf[b + 5] & 0xFF) == 0xFF
&& (buf[b + 6] & 0xFF) == 0xFF && (buf[b + 7] & 0xFF) == 0xFF) {
continue;
}
int type = buf[b + 5] & 0xFF;
if (type == 0) {
continue;
@@ -307,6 +313,11 @@ final class Tables {
String[] names = {"top", "left", "bottom", "right", "insideH", "insideV"};
for (int i = 0; i < 6; i++) {
int b = off + 1 + i * 4;
// Brc80MayBeNil (§2.9.18): все 4 байта 0xFF…FF — границы нет
if ((buf[b] & 0xFF) == 0xFF && (buf[b + 1] & 0xFF) == 0xFF
&& (buf[b + 2] & 0xFF) == 0xFF && (buf[b + 3] & 0xFF) == 0xFF) {
continue;
}
int type = buf[b + 1] & 0xFF;
if (type == 0) {
continue;
@@ -322,10 +333,10 @@ final class Tables {
int dptLineWidth, String color) {
int sz = dptLineWidth;
if (type >= BRC_TYPE_POINT_UNITS) {
sz *= 8; // ширина в целых пунктах (§2.9.38, таблица dptLineWidth)
sz *= 8; // ширина в целых пунктах (§2.9.22, таблица dptLineWidth)
}
if (sz < MIN_BORDER_SZ) {
sz = MIN_BORDER_SZ; // Brc80: значения < 2 эквивалентны 2 (§2.9.37)
sz = MIN_BORDER_SZ; // Brc80: значения < 2 эквивалентны 2 (§2.9.17)
}
xml.append("<w:").append(name).append(" w:val=\"").append(borderVal(type))
.append("\" w:sz=\"").append(sz).append('"');
@@ -1161,7 +1161,7 @@
Патч: перемещаемый текст печатается (plain-text passthrough, move-правки не
раскрашиваются: их «принятое» состояние и есть перемещённый текст);
bidi-направление — принятая деградация (complex-script в FOP-форке нет).
Руби (w:rubyBase/w:rt, §17.3.3.19/.20/.21) 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
делает RubyNormalizer (правило 10) в байтах.
Регрессии — WordPdfConverterTest#movedRevision_textPrinted, #bdoDir_textPrinted. -->
@@ -1023,7 +1023,7 @@ class WordPdfConverterTest {
/**
* w:suff="space": Word пишет после номера обычный пробел (Part 1
* §17.3.1.28), docx4j разделитель не эмитит вовсе (дамп n4.fo).
* §17.9.28), docx4j разделитель не эмитит вовсе (дамп n4.fo).
* NumberingSuffixNormalizer дописывает пробел в lvlText; FOP отдаёт
* лейбл отдельными TextPosition («1», «.», « »), поэтому проверка — по
* склеенной последовательности TP (без нормализатора было бы «1.ITEM»:
@@ -1547,7 +1547,8 @@ class WordPdfConverterTest {
put16(wd, 0, 0xA5EC);
put16(wd, 2, 0x00C1);
put16(wd, 10, 1 << 9);
put16(wd, 62, 4);
put16(wd, 32, 14); // csw (MUST 0x000E, §2.5.1)
put16(wd, 62, 22); // cslw (MUST 0x0016, §2.5.1)
put32(wd, 64, wd.length);
put32(wd, 76, 14); // ccpText
put32(wd, 80, 0); // ccpFtn
@@ -1601,7 +1602,8 @@ class WordPdfConverterTest {
put16(wd, 0, 0xA5EC);
put16(wd, 2, 0x00C1);
put16(wd, 10, 1 << 9);
put16(wd, 62, 4);
put16(wd, 32, 14); // csw (MUST 0x000E, §2.5.1)
put16(wd, 62, 22); // cslw (MUST 0x0016, §2.5.1)
put32(wd, 64, wd.length);
put32(wd, 76, 2); // ccpText
put32(wd, 80, 0); // ccpFtn
@@ -1698,7 +1700,8 @@ class WordPdfConverterTest {
put16(wd, 0, 0xA5EC);
put16(wd, 2, 0x00C1);
put16(wd, 10, 1 << 9);
put16(wd, 62, 4);
put16(wd, 32, 14); // csw (MUST 0x000E, §2.5.1)
put16(wd, 62, 22); // cslw (MUST 0x0016, §2.5.1)
put32(wd, 64, wd.length);
put32(wd, 76, text.length());
put16(wd, 152, 98);
@@ -1801,7 +1804,8 @@ class WordPdfConverterTest {
put16(wd, 0, 0xA5EC);
put16(wd, 2, 0x00C1);
put16(wd, 10, 1 << 9);
put16(wd, 62, 4);
put16(wd, 32, 14); // csw (MUST 0x000E, §2.5.1)
put16(wd, 62, 22); // cslw (MUST 0x0016, §2.5.1)
put32(wd, 64, wd.length);
put32(wd, 76, text.length());
put16(wd, 152, 98);
@@ -1853,7 +1857,8 @@ class WordPdfConverterTest {
put16(wd, 0, 0xA5EC);
put16(wd, 2, 0x00C1);
put16(wd, 10, 1 << 9);
put16(wd, 62, 4);
put16(wd, 32, 14); // csw (MUST 0x000E, §2.5.1)
put16(wd, 62, 22); // cslw (MUST 0x0016, §2.5.1)
put32(wd, 64, wd.length);
put32(wd, 76, text.length());
put16(wd, 152, 98);
@@ -1925,7 +1930,7 @@ class WordPdfConverterTest {
System.arraycopy(grpprl, 0, wd, at + 3, grpprl.length);
}
/** SttbfFfn (§2.9.147): одно семейство на ftc0=0. */
/** SttbfFfn (§2.9.286): одно семейство на ftc0=0. */
private static byte[] sttbfFfn(String family) {
byte[] fam = (family + "\0").getBytes(StandardCharsets.UTF_16LE);
byte[] t = new byte[4 + 1 + 39 + fam.length];
@@ -2109,7 +2114,8 @@ class WordPdfConverterTest {
put16(wd, 0, 0xA5EC);
put16(wd, 2, 0x00C1);
put16(wd, 10, 1 << 9);
put16(wd, 62, 4);
put16(wd, 32, 14); // csw (MUST 0x000E, §2.5.1)
put16(wd, 62, 22); // cslw (MUST 0x0016, §2.5.1)
put32(wd, 64, wd.length);
put32(wd, 76, text.length());
put16(wd, 152, 98);
@@ -2179,7 +2185,8 @@ class WordPdfConverterTest {
put16(wd, 0, 0xA5EC);
put16(wd, 2, 0x00C1);
put16(wd, 10, 1 << 9);
put16(wd, 62, 4);
put16(wd, 32, 14); // csw (MUST 0x000E, §2.5.1)
put16(wd, 62, 22); // cslw (MUST 0x0016, §2.5.1)
put32(wd, 64, wd.length);
put32(wd, 76, 2); // ccpText
put32(wd, 80, 0); // ccpFtn
@@ -2346,7 +2353,7 @@ class WordPdfConverterTest {
* Скрытый текст не выводится: правило 9 (HiddenTextNormalizer) вырезает
* раны с прямым truthy vanish и с rStyle на vanish-стиль; falsy vanish
* остаётся. Word при печати/PDF-export скрытое не печатает.
* Регрессия — аудит ECMA-376 2026-11 (Part 1 §17.3.2.30).
* Регрессия — аудит ECMA-376 2026-11 (Part 1 §17.3.2.41).
*/
@Test
void hiddenText_notPrinted() throws IOException {
@@ -2367,17 +2374,40 @@ class WordPdfConverterTest {
assertTrue(t.contains("НЕТАЙНОЕ"), t);
}
/**
* Явный {@code w:vanish w:val="false"} перекрывает стилевой vanish
* (§17.7.3, §22.9.2.7): ран с перекрытием печатается, ран без — нет.
*/
@Test
void hiddenText_directVanishFalseOverridesStyle() throws IOException {
String body = "<w:p>"
+ "<w:r><w:rPr><w:rStyle w:val=\"Hidden\"/></w:rPr><w:t>СКРЫТОСТИЛЬМ</w:t></w:r>"
+ "<w:r><w:rPr><w:rStyle w:val=\"Hidden\"/><w:vanish w:val=\"false\"/></w:rPr>"
+ "<w:t>ПЕРЕКРЫТОМ</w:t></w:r></w:p>";
String styles = XML_PROLOG + "<w:styles xmlns:w=\"" + W_NS + "\">"
+ "<w:style w:type=\"character\" w:styleId=\"Hidden\"><w:name w:val=\"Hidden\"/>"
+ "<w:rPr><w:vanish/></w:rPr></w:style></w:styles>";
byte[] doc = docx("xmlns:w=\"" + W_NS + "\"", body, A4_SECT,
rels("<Relationship Id=\"rId2\" Type=\"" + REL_NS + "styles\" Target=\"styles.xml\"/>"),
"<Override PartName=\"/word/styles.xml\" ContentType=\"application/vnd.openxmlformats-officedocument.wordprocessingml.styles+xml\"/>",
Map.of("word/styles.xml", styles));
String t = norm(pdfText(convertPdf(doc, "тест")));
assertFalse(t.contains("СКРЫТОСТИЛЬМ"), t);
assertTrue(t.contains("ПЕРЕКРЫТОМ"), t);
}
/**
* База руби печатается (правило 10, RubyNormalizer): схема docx4j не
* биндит {@code w:rubyBase}/{@code w:rt} — unmarshaller терял их до
* XSLT. Надстрочница удаляется (принятая деградация, §17.3.3.19/.20 —
* XSLT. Надстрочница удаляется (принятая деградация, §17.3.3.24/.27 —
* ruby-разметки в FOP нет) и пинится негативом.
*/
@Test
void rubyBase_textPrinted() throws IOException {
String body = "<w:p><w:r><w:t>ДО</w:t></w:r>"
+ "<w:r><w:rubyPr/><w:rubyBase><w:r><w:t>РУБИБАЗА</w:t></w:r></w:rubyBase>"
+ "<w:rt><w:r><w:t>РУБИБАШКА</w:t></w:r></w:rt></w:r>"
+ "<w:r><w:ruby><w:rubyPr/>"
+ "<w:rubyBase><w:r><w:t>РУБИБАЗА</w:t></w:r></w:rubyBase>"
+ "<w:rt><w:r><w:t>РУБИБАШКА</w:t></w:r></w:rt></w:ruby></w:r>"
+ "<w:r><w:t>ПОСЛЕ</w:t></w:r></w:p>";
String t = norm(pdfText(convertPdf(minimalDocx(body), "тест")));
assertTrue(t.contains("РУБИБАЗА"), t);
@@ -2386,7 +2416,7 @@ class WordPdfConverterTest {
}
/**
* {@code w:bdo}/{@code w:dir} (§17.3.2.4/.7): текст печатается
* {@code w:bdo}/{@code w:dir} (§17.3.2.3/§17.3.2.8): текст печатается
* (AUDIT-FIX-2 в вендорном XSLT, до патча ловил catch-all);
* bidi-направление — принятая деградация.
*/
@@ -2401,7 +2431,8 @@ class WordPdfConverterTest {
/**
* Текст перемещённых правок ({@code w:moveFrom}/{@code w:moveTo},
* §17.13.5.15/.17) печатается (AUDIT-FIX-2): до патча терялся целиком.
* §17.13.5.21–.22/§17.13.5.25–.26) печатается (AUDIT-FIX-2): до патча
* терялся целиком.
*/
@Test
void movedRevision_textPrinted() throws IOException {
@@ -2720,7 +2751,8 @@ class WordPdfConverterTest {
put16(wd, 0, 0xA5EC);
put16(wd, 2, 0x00C1);
put16(wd, 10, 1 << 9);
put16(wd, 62, 4);
put16(wd, 32, 14); // csw (MUST 0x000E, §2.5.1)
put16(wd, 62, 22); // cslw (MUST 0x0016, §2.5.1)
put32(wd, 64, wd.length);
put32(wd, 76, 14); // ccpText
put32(wd, 80, 0); // ccpFtn
@@ -908,8 +908,8 @@ class WordPdfValidatorTest {
* ({@code internal.doc}) бросает {@code ConversionException}, вердикт
* «вход некорректен» выносит только валидатор, оборачивая отказ в
* {@link WordPdfValidator#checkPageCountDoc(byte[], int)}. Синтетика:
* CFB-подпись + нули — sectorShift = 0, {@code CfbReader} отказывает
* до всякого разбора WordDocument-потока.
* CFB-подпись + нули — ByteOrder = 0x0000 ≠ 0xFFFE ([MS-CFB] §2.2),
* {@code CfbReader} отказывает до всякого разбора WordDocument-потока.
*/
@Test
void checkPageCountDoc_brokenBridge_wrappedAsValidation() {
@@ -919,7 +919,7 @@ class WordPdfValidatorTest {
ValidationException ex = assertThrows(ValidationException.class,
() -> WordPdfValidator.checkPageCountDoc(bytes, 100));
assertSame(ValidationException.class, ex.getClass());
assertTrue(ex.getMessage().contains("Неподдерживаемый размер сектора CFB"),
assertTrue(ex.getMessage().contains("Неизвестный Byte Order контейнера .doc"),
ex.getMessage());
}
@@ -52,6 +52,13 @@ class DocxOnOffNormalizerTest {
throw new AssertionError("нет записи " + name);
}
/** w:scrollbar — ST_FrameScrollbar (§17.18.32), on/off не переписывать. */
@Test
void scrollbarVal_onOffUntouched() {
String xml = "<w:framePr><w:scrollbar w:val=\"off\"/></w:framePr>";
assertNull(DocxOnOffNormalizer.rewrite(xml));
}
@Test
void rewritesOnOffInWordParts() throws Exception {
byte[] result = DocxOnOffNormalizer.normalize(makeDocx(DOCUMENT_XML));
@@ -15,6 +15,7 @@ import java.util.zip.ZipOutputStream;
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.assertNotSame;
import static org.junit.jupiter.api.Assertions.assertNull;
import static org.junit.jupiter.api.Assertions.assertSame;
@@ -23,7 +24,7 @@ import static org.junit.jupiter.api.Assertions.assertTrue;
/**
* Юниты {@link HiddenTextNormalizer}: вырезание ранов с truthy
* {@code w:vanish} (прямой и стилевой по цепочке {@code w:basedOn},
* Part 1 §17.3.2.30 / §17.18.69).
* Part 1 §17.3.2.41; ST_OnOff §22.9.2.7).
*/
class HiddenTextNormalizerTest {
@@ -48,7 +49,23 @@ class HiddenTextNormalizerTest {
assertTrue(fixed.contains("ВИДИМОЕ"), fixed);
}
/** val="false" — ран остаётся (ST_OnOff §17.18.69). */
/** Явный val="false" перекрывает стилевой vanish — ран остаётся (§17.7.3). */
@Test
void directFalseOverridesStyleVanish_kept() {
String xml = para(run("<w:rStyle w:val=\"Hidden\"/><w:vanish w:val=\"false\"/>", "ЯВНО"));
assertNull(HiddenTextNormalizer.rewrite(Set.of("Hidden"), xml));
}
/** Стилевой vanish без прямого перекрытия — ран вырезан (контроль пары). */
@Test
void styleVanishWithoutDirect_removed() {
String xml = para(run("<w:rStyle w:val=\"Hidden\"/>", "СКРЫТО"));
String fixed = HiddenTextNormalizer.rewrite(Set.of("Hidden"), xml);
assertNotNull(fixed, "ран должен быть вырезан");
assertFalse(fixed.contains("СКРЫТО"), fixed);
}
/** val="false" — ран остаётся (ST_OnOff §22.9.2.7). */
@Test
void vanishValFalse_kept() {
String xml = para(run("<w:vanish w:val=\"false\"/>", "НЕТАЙНОЕ"));
@@ -17,9 +17,9 @@ import static org.junit.jupiter.api.Assertions.assertSame;
import static org.junit.jupiter.api.Assertions.assertTrue;
/**
* Юниты правила 10: разворот {@code w:rubyBase}/{@code w:rubyBaseText},
* вырезание {@code w:rt}/{@code w:rubyPr}/{@code w:rubyAlign}
* (Part 1 §17.3.3.18/.19/.20/.21).
* Юниты правила 10: разворот {@code w:rubyBase}, снятие обёртки
* {@code w:ruby}, вырезание {@code w:rt}/{@code w:rubyPr}/{@code w:rubyAlign}
* (Part 1 §17.3.3.24–.28).
*/
class RubyNormalizerTest {
@@ -35,11 +35,15 @@ class RubyNormalizerTest {
assertEquals("<w:r><w:t>Б</w:t></w:r>", RubyNormalizer.rewrite(xml));
}
/** Схемно-валидная разметка: обёртка {@code w:ruby} снимается, база разворачивается. */
@Test
void rubyBaseText_unwrapped() {
String xml = "<w:rubyBase><w:rubyBaseText><w:r><w:t>Т</w:t></w:r></w:rubyBaseText>"
+ "</w:rubyBase>";
assertEquals("<w:r><w:t>Т</w:t></w:r>", RubyNormalizer.rewrite(xml));
void validRuby_wrapperStripped() {
String xml = "<w:r><w:ruby><w:rubyPr/><w:rt><w:r><w:t>А</w:t></w:r></w:rt>"
+ "<w:rubyBase><w:r><w:t>Б</w:t></w:r></w:rubyBase></w:ruby></w:r>";
String out = RubyNormalizer.rewrite(xml);
assertFalse(out.contains("<w:ruby"), out);
assertFalse(out.contains("А"), out);
assertEquals("<w:r><w:r><w:t>Б</w:t></w:r></w:r>", out);
}
@Test
@@ -263,7 +263,7 @@ class StrictOoxmlNormalizerTest {
}
/**
* w:pgNumType/@w:start — старт нумерации страниц (Part 1 §17.13.7),
* w:pgNumType/@w:start — старт нумерации страниц (Part 1 §17.6.12),
* одинаков в strict и transitional — атрибутому renaming не подлежит
* (раньше превращался в w:left, и сброс нумерации терялся — регрессия
* WordPdfConverterTest#docClassD_pageNumberRestartLowerRoman).
@@ -317,7 +317,8 @@ class StrictOoxmlNormalizerTest {
assertTrue(r.contains("<w:jc w:val=\"left\"/>"), r);
}
/** А w:tab val="start" правится всегда: STTabJc docx4j 17.3.2 — только left/right. */
/** А w:tab val="start" правится всегда: enum STTabJc docx4j 17.3.2 — без
* start/end (спека ST_TabJc §17.18.84 их содержит, JAXB-enum не принимает). */
@Test
void tabStartRenamedTransitional() {
String r = StrictOoxmlNormalizer.rewrite(
@@ -283,26 +283,43 @@ class SymbolFontNormalizerTest {
* слот без маппинга — элемент удаляется, соседний текст сохраняется. */
@Test
void unresolvableSymElementDropped() {
// без w:char — элемент невалиден, удаляется
String noChar = SymbolFontNormalizer.rewrite(
"<w:r><w:t>a</w:t><w:sym w:font=\"Symbol\"/></w:r>");
assertNotNull(noChar);
assertFalse(noChar.contains("<w:sym"), "неразрешимый w:sym остался: " + noChar);
assertFalse(noChar.contains("<w:sym"), "w:sym без w:char остался: " + noChar);
assertTrue(noChar.contains("<w:t>a</w:t>"), "текст потерян: " + noChar);
// валидный w:sym без шрифта/мапа — сохраняется verbatim (§17.3.3.30)
String noFontNoMap = SymbolFontNormalizer.rewrite(
"<w:r><w:t>a</w:t><w:sym w:char=\"F0A9\"/></w:r>");
assertNotNull(noFontNoMap);
assertFalse(noFontNoMap.contains("<w:sym"), "w:sym без шрифта остался: " + noFontNoMap);
String asciiChar = SymbolFontNormalizer.rewrite(
"<w:r><w:t>a</w:t><w:sym w:font=\"Symbol\" w:char=\"0041\"/></w:r>");
assertNotNull(asciiChar);
assertFalse(asciiChar.contains("<w:sym"), "w:sym с кодом вне PUA остался: " + asciiChar);
assertTrue(noFontNoMap.contains("<w:sym w:char=\"F0A9\"/>"),
"валидный w:sym удалён: " + noFontNoMap);
// слот 0 таблицы (нет соответствия) — тоже сохраняется
String unmappedChar = SymbolFontNormalizer.rewrite(
"<w:r><w:t>a</w:t><w:sym w:font=\"Symbol\" w:char=\"F000\"/></w:r>");
assertNotNull(unmappedChar);
assertFalse(unmappedChar.contains("<w:sym"), "w:sym без маппинга остался: " + unmappedChar);
assertTrue(unmappedChar.contains("<w:sym"),
"w:sym без маппинга удалён: " + unmappedChar);
// прямой код ≤0xFF — маппится по той же cmap (§17.3.3.30)
String asciiChar = SymbolFontNormalizer.rewrite(
"<w:r><w:t>a</w:t><w:sym w:font=\"Symbol\" w:char=\"0041\"/></w:r>");
assertNotNull(asciiChar);
assertFalse(asciiChar.contains("<w:sym"), "w:sym с прямым кодом не заменён: " + asciiChar);
}
/** Прямой код w:sym="0041" в Symbol = слот 65 cmap = U+0391 (Word-семантика). */
@Test
void directCode_mappedLikeWord() {
String out = SymbolFontNormalizer.rewrite(
"<w:r><w:sym w:font=\"Symbol\" w:char=\"0041\"/></w:r>");
assertNotNull(out);
assertTrue(out.contains("\u0391"), "нет Α (U+0391): " + out);
assertTrue(out.contains("DejaVu Sans"), out);
assertFalse(out.contains("<w:sym"), out);
}
/** w:sym не самозакрывающийся — под regex не попадает, ран не трогаем. */
@@ -52,6 +52,40 @@ class TableIndentNormalizerTest {
assertFalse(fixed.contains("<w:jc"), "jc удалён: " + fixed);
}
/** Парный (не самозакрывающийся) tblInd — свёртка пропускается целиком. */
@Test
void pairedIndent_foldSkipped() {
String xml = doc(table("<w:jc w:val=\"center\"/>"
+ "<w:tblInd w:w=\"720\" w:type=\"dxa\"></w:tblInd>", GRID_6000));
assertNull(TableIndentNormalizer.rewrite(xml),
"парный tblInd: вставка дала бы дубль (maxOccurs=1) — не трогаем");
}
/** tblInd без w:type — по умолчанию dxa (§17.4.87): (9922−6000)/2+720 = 2681. */
@Test
void centerWithIndentNoType_treatedAsDxa() {
String xml = doc(table("<w:jc w:val=\"center\"/>"
+ "<w:tblInd w:w=\"720\"/>", GRID_6000));
String fixed = TableIndentNormalizer.rewrite(xml);
assertTrue(fixed != null && fixed.contains("<w:tblInd w:w=\"2681\""), String.valueOf(fixed));
}
/** Явный w:type="pct" — величина сдвига неизвестна, свёртку пропускаем. */
@Test
void indentExplicitPctType_skipped() {
String xml = doc(table("<w:jc w:val=\"center\"/>"
+ "<w:tblInd w:w=\"720\" w:type=\"pct\"/>", GRID_6000));
assertNull(TableIndentNormalizer.rewrite(xml));
}
/** tblInd без w:w — величина неизвестна, свёртку пропускаем. */
@Test
void indentWithoutWidth_skipped() {
String xml = doc(table("<w:jc w:val=\"center\"/>"
+ "<w:tblInd w:type=\"dxa\"/>", GRID_6000));
assertNull(TableIndentNormalizer.rewrite(xml));
}
/** right + tblInd 720: (9922−6000)+720 = 4642. */
@Test
void rightWithIndent_rewritten() {
@@ -256,16 +290,6 @@ class TableIndentNormalizerTest {
"собственная полоса 9922, не внешний band: " + fixed);
}
/** strict-pgMar (w:start/w:end) — band считается, а не берётся из дефолтов. */
@Test
void bandOf_strictStartEndFields() {
String xml = "<w:document xmlns:w=\"http://purl.oclc.org/ooxml/wordprocessingml/main\">"
+ "<w:body><w:sectPr><w:pgSz w:w=\"11906\" w:h=\"16838\"/>"
+ "<w:pgMar w:top=\"1134\" w:end=\"850\" w:bottom=\"1134\" w:start=\"1134\"/>"
+ "</w:sectPr></w:body></w:document>";
assertEquals(9922, TableIndentNormalizer.bandOf(xml));
}
/** bandOf: несколько body-level sectPr — полоса неоднозначна (−1). */
@Test
void bandOf_ambiguous_returnsMinusOne() {
@@ -43,7 +43,7 @@ class CfbReaderTest {
// mini stream + MiniFAT
ByteArrayOutputStream mini = new ByteArrayOutputStream();
int[] miniHead = new int[small.size()];
int[] miniFat = new int[64];
int[] miniFat = new int[128]; // один сектор MiniFAT: до 128 mini-секторов
for (int i = 0; i < miniFat.length; i++) {
miniFat[i] = (int) FREE;
}
@@ -62,16 +62,21 @@ class CfbReaderTest {
miniSects += n;
}
boolean hasMini = !small.isEmpty();
// mini stream занимает ceil(size/512) FAT-секторов — root-цепочка
int rootSects = hasMini ? Math.max(1, (mini.size() + SECTOR - 1) / SECTOR) : 0;
int miniStart = hasMini ? 3 : -1;
int bigStart = hasMini ? 3 + miniSects : 2;
int[] fat = new int[128];
int bigStart = hasMini ? 3 + rootSects : 2;
int[] fat = new int[Math.max(128, bigStart)];
for (int i = 0; i < fat.length; i++) {
fat[i] = (int) FREE;
}
fat[0] = (int) FATSECT;
fat[1] = (int) END;
if (hasMini) {
fat[2] = (int) END;
fat[2] = (int) END; // один сектор MiniFAT
for (int k = 0; k < rootSects; k++) {
fat[miniStart + k] = k == rootSects - 1 ? (int) END : miniStart + k + 1;
}
}
int next = bigStart;
int[] bigHead = new int[big.size()];
@@ -89,6 +94,7 @@ class CfbReaderTest {
byte[] file = new byte[SECTOR * (1 + sectorTotal)];
// заголовок (§2.2)
System.arraycopy(CfbReader.SIGNATURE, 0, file, 0, 8);
put16(file, 0x1C, 0xFFFE); // byteOrder (MUST, §2.2)
put16(file, 0x1E, 9); // sectorShift
put16(file, 0x20, 6); // miniSectorShift
put32(file, 0x30, 1); // firstDir
@@ -182,12 +188,44 @@ class CfbReaderTest {
() -> CfbReader.readStreams(badSector));
assertSame(ConversionException.class, ex.getClass());
byte[] badMini = build();
put16(badMini, 0x20, 17); // mini shift за потолком
put16(badMini, 0x20, 17); // mini shift ≠ 6 (§2.2 MUST)
ex = assertThrows(ConversionException.class,
() -> CfbReader.readStreams(badMini));
assertSame(ConversionException.class, ex.getClass());
}
/**
* MUST-поля заголовка ([MS-CFB] §2.2): ByteOrder 0xFFFE, Mini Sector
* Shift 6, Mini Stream Cutoff 0x1000 — неравенство даёт отказ вместо
* разбора мусора.
*/
@Test
void mustHeaderFields_rejected() {
byte[] badOrder = build();
put16(badOrder, 0x1C, 0x00FF);
assertThrows(ConversionException.class, () -> CfbReader.readStreams(badOrder));
byte[] badMini5 = build();
put16(badMini5, 0x20, 5); // раньше проходил («под потолком 16»)
assertThrows(ConversionException.class, () -> CfbReader.readStreams(badMini5));
byte[] badCutoff = build();
put32(badCutoff, 0x38, 512);
assertThrows(ConversionException.class, () -> CfbReader.readStreams(badCutoff));
}
/**
* Бюджет аллокаций учитывает только big-потоки: данные всех mini-потоков
* физически лежат внутри rootSize (§2.1/§2.4 — mini stream), двойной
* учёт мини-контейнера раньше отвергал валидный контейнер из одних
* мелких потоков («Суммарный размер потоков … больше лимита»).
*/
@Test
void allMiniStreams_notFalseRejected() {
byte[] f = build(new Spec("A", new byte[4000]), new Spec("B", new byte[4000]));
Map<String, byte[]> streams = CfbReader.readStreams(f);
assertEquals(4000, streams.get("A").length);
assertEquals(4000, streams.get("B").length);
}
/**
* OOM-атака .doc: объявленный размер root-потока (mini stream) больше
* контейнера — отказ ДО аллокации (первая строка readChain —
@@ -260,6 +298,15 @@ class CfbReaderTest {
assertSame(ConversionException.class, ex.getClass());
}
@Test
void difatSectorFarBeyondFile_rejected() {
byte[] file = build(new Spec("WordDocument", "abc".getBytes()));
put32(file, 0x4C, 0x400000); // (0x400000+1)·512 > Integer.MAX_VALUE
ConversionException ex = assertThrows(ConversionException.class,
() -> CfbReader.readStreams(file));
assertTrue(ex.getMessage().contains("за концом файла"), ex.getMessage());
}
@Test
void difatTooManyFatSectors_rejected() {
byte[] file = build();
@@ -304,6 +351,7 @@ class CfbReaderTest {
ConversionException ex = assertThrows(ConversionException.class,
() -> CfbReader.readStreams(file));
assertSame(ConversionException.class, ex.getClass());
assertTrue(ex.getMessage().contains("за концом FAT"), ex.getMessage());
}
@Test
@@ -382,6 +430,7 @@ class CfbReaderTest {
ConversionException ex = assertThrows(ConversionException.class,
() -> CfbReader.readStreams(file));
assertSame(ConversionException.class, ex.getClass());
assertTrue(ex.getMessage().contains("за концом FAT"), ex.getMessage());
}
private static void put16(byte[] b, int off, int v) {
@@ -62,6 +62,17 @@ class ChpxIndexTest {
ex = assertThrows(ConversionException.class,
() -> ChpxIndex.read(t, 0, t.length + 1, wd)); // за таблицей
assertSame(ConversionException.class, ex.getClass());
ex = assertThrows(ConversionException.class,
() -> ChpxIndex.read(t, -4, 12, wd)); // отрицательный fcBte
assertSame(ConversionException.class, ex.getClass());
}
/** fc раньше первого диапазона — свойства не найдены, граница = fcLimit. */
@Test
void fcBeforeFirstRange_defaults() {
ChpxIndex idx = ChpxIndex.read(table(2), 0, 12, wordDocument(5, 3, GRPRL));
assertArrayEquals(new byte[0], idx.grpprlFor(1024));
assertEquals(999, idx.rangeEnd(1024, 999));
}
@Test
@@ -95,9 +106,12 @@ class ChpxIndexTest {
+ "WordPdfConverterTest#docClassD_landscapeHiddenDelCaps)");
byte[] cbZero = wordDocument(5, 0, GRPRL);
assertArrayEquals(new byte[0],
ChpxIndex.read(table(2), 0, 12, cbZero).grpprlFor(2048),
ChpxIndex cbZeroIdx = ChpxIndex.read(table(2), 0, 12, cbZero);
assertArrayEquals(new byte[0], cbZeroIdx.grpprlFor(2048),
"cb=0 — свойств нет");
assertEquals(2100, cbZeroIdx.rangeEnd(2048, Long.MAX_VALUE >>> 1),
"Chpx с cb=0 (§2.9.33 «there is no Chpx») — граница диапазона "
+ "валидна и сохраняется");
}
@Test
@@ -58,7 +58,8 @@ class DocToDocxFormattingTest {
put16(wd, 0, 0xA5EC);
put16(wd, 2, 0x00C1);
put16(wd, 10, 1 << 9); // fWhichTblStm → 1Table
put16(wd, 62, 4); // cslw
put16(wd, 32, 14); // csw (MUST 0x000E, §2.5.1)
put16(wd, 62, 22); // cslw (MUST 0x0016, §2.5.1)
put32(wd, 64, wd.length); // cbMac
put32(wd, 76, TEXT.length()); // ccpText
put16(wd, 152, 98); // cbRgFcLcb
@@ -394,6 +395,100 @@ class DocToDocxFormattingTest {
}
}
/**
* WordDocument для двухbucket'ного PlcBtePapx (§2.8.6): страница 3 —
* только p1..p8 (rgfc кончается на 2138 = начало p9), p9 «jc80» — на
* странице 5 (rgfc [2138, 2148), тот же grpprl 80-отступов); границы
* bucket'ов [2048, 2140) + [2140, 2148) — aFc[1] внутри p9. Пары Fib и
* раскладка 1Table сдвинуты ({@link #tableStreamTwoBuckets()}).
*/
private static byte[] wordDocumentTwoBuckets() {
byte[] wd = java.util.Arrays.copyOf(wordDocument(), 3072); // pn=5 свободен
put32(wd, 64, wd.length); // cbMac
pair(wd, 1, 190, STSH.length);
pair(wd, 13, 32, 20); // PlcfBtePapx: 2 bucket'а
pair(wd, 15, 52, 110); // SttbfFfn (+8)
pair(wd, 33, 168, 21); // Clx (+8)
// страница 3: обрезаем p9 — cpara=8, rgfc[8]=2138 остаётся концом,
// массив BxPap сдвигается на (8+1)*4
wd[3 * 512 + 511] = 8;
int[] bx8 = {87, 94, 0, 103, 106, 112, 117, 186};
for (int i = 0; i < bx8.length; i++) {
wd[3 * 512 + 36 + i * 13] = (byte) bx8[i];
}
// страница 5: p9 [2138, 2148) с grpprl 80-отступов (как p9 на стр.3)
int page = 5 * 512;
put32(wd, page, 2138);
put32(wd, page + 4, 2148);
wd[page + 8] = 40; // rgbx[0].bOffset
wd[page + 511] = 1; // cpara
papxEntry(wd, page, 40, 0,
concat(prl(0x2403, 4), prl2(0x840F, 600), prl2(0x8411, -240)));
return wd;
}
/** 1Table для {@link #wordDocumentTwoBuckets()}: PlcBtePapx из 2 bucket'ов. */
private static byte[] tableStreamTwoBuckets() {
byte[] t = new byte[190 + STSH.length];
put32(t, 0, 0);
put32(t, 4, TEXT.length());
put32(t, 20, TEXT_FC);
put32(t, 24, TEXT_FC + 100);
put32(t, 28, 2);
// PlcfBtePapx @32: bucket'ы [2048,2140)→pn3, [2140,2148)→pn5
put32(t, 32, 2048);
put32(t, 36, 2140);
put32(t, 40, 2148);
put32(t, 44, 3);
put32(t, 48, 5);
// SttbfFfn @52: Arial, T&imes (вторая запись: 56+1+cch₁=108)
t[52] = 2;
t[56] = 51;
byte[] arial = "Arial\0".getBytes(StandardCharsets.UTF_16LE);
System.arraycopy(arial, 0, t, 96, arial.length);
t[108] = 53;
byte[] times = "T&imes\0".getBytes(StandardCharsets.UTF_16LE);
System.arraycopy(times, 0, t, 148, times.length);
// Clx @168: Pcdt, один несжатый кусок
t[168] = 0x02;
put32(t, 169, 16);
put32(t, 173, 0);
put32(t, 177, TEXT.length());
put32(t, 183, TEXT_FC);
System.arraycopy(STSH, 0, t, 190, STSH.length);
return t;
}
private static byte[] cfbTwoBuckets() throws IOException {
try (POIFSFileSystem fs = new POIFSFileSystem()) {
fs.getRoot().createDocument("WordDocument",
new ByteArrayInputStream(wordDocumentTwoBuckets()));
fs.getRoot().createDocument("1Table",
new ByteArrayInputStream(tableStreamTwoBuckets()));
fs.getRoot().createDocument("Data", new ByteArrayInputStream(new byte[64]));
ByteArrayOutputStream out = new ByteArrayOutputStream();
fs.writeFilesystem(out);
return out.toByteArray();
}
}
/**
* Регрессия 2.5: граница bucket'а PlcBtePapx внутри абзаца p9 — предыдущая
* PapxFkp-страница кончается раньше первого FC p9, следующая начинается
* позже. По §2.8.6/§2.4.6.1 свойства абзаца определяются его ПОСЛЕДНИМ
* символом (маркером) — PAPX p9 находится: jc80→both и w:left=600 на месте.
*/
@Test
void papxBucketBoundary_insideParagraph_propsKept() throws IOException {
String xml = documentXml(cfbTwoBuckets());
int at = xml.indexOf(">jc80<");
assertTrue(at > 0, "абзац jc80 на месте: " + xml);
String p = xml.substring(xml.lastIndexOf("<w:p>", at), at);
assertTrue(p.contains("<w:jc w:val=\"both\"/>"),
"PAPX p9 из второго bucket'а не потерян: " + p);
assertTrue(p.contains("w:left=\"600\""), "w:ind не потерян: " + p);
}
private static String documentXml(byte[] doc) throws IOException {
return partXml(doc, DOCUMENT_XML);
}
@@ -428,7 +523,8 @@ class DocToDocxFormattingTest {
assertTrue(xml.contains("<w:szCs w:val=\"24\"/>"), xml);
assertTrue(xml.contains("<w:color w:val=\"FF0000\"/>"), xml);
assertTrue(xml.contains("w:ascii=\"Arial\" w:hAnsi=\"Arial\""), xml);
assertTrue(xml.contains("w:cs=\"T&amp;imes\""), "escapeAttr имени шрифта: " + xml);
assertTrue(xml.contains("w:eastAsia=\"T&amp;imes\""),
"ftc1 → w:eastAsia, escapeAttr имени шрифта: " + xml);
assertTrue(xml.contains("Bold&amp;&lt;&gt;"), "escape текста: " + xml);
}
@@ -586,7 +682,8 @@ class DocToDocxFormattingTest {
put16(wd, 0, 0xA5EC);
put16(wd, 2, 0x00C1);
put16(wd, 10, 1 << 9);
put16(wd, 62, 4);
put16(wd, 32, 14); // csw (MUST 0x000E, §2.5.1)
put16(wd, 62, 22); // cslw (MUST 0x0016, §2.5.1)
put32(wd, 64, wd.length);
put32(wd, 76, 4); // ccpText
put32(wd, 80, 0); // ccpFtn
@@ -601,7 +698,9 @@ class DocToDocxFormattingTest {
System.arraycopy(t, 0, wd, TEXT_FC, t.length);
// PapxFkp pn=3: p1 istd=11 (без Prl), footer-абзац istd=10
int page = 3 * 512;
int[] rgfc = {TEXT_FC, TEXT_FC + 2, TEXT_FC + 26, TEXT_FC + 28,
// rgfc — началА абзацев (возрастающие границы -блоков, §2.9.174):
// «one\r» [0,4), -блок [4,13), «ft\r» [13,16), guard [16,18)
int[] rgfc = {TEXT_FC, TEXT_FC + 8, TEXT_FC + 26, TEXT_FC + 32,
TEXT_FC + 2 * text.length()};
for (int i = 0; i < rgfc.length; i++) {
put32(wd, page + i * 4, rgfc[i]);
@@ -688,7 +787,8 @@ class DocToDocxFormattingTest {
put16(wd, 0, 0xA5EC);
put16(wd, 2, 0x00C1);
put16(wd, 10, 1 << 9);
put16(wd, 62, 4);
put16(wd, 32, 14); // csw (MUST 0x000E, §2.5.1)
put16(wd, 62, 22); // cslw (MUST 0x0016, §2.5.1)
put32(wd, 64, wd.length);
put32(wd, 76, text.length());
put16(wd, 152, 98);
@@ -779,7 +879,8 @@ class DocToDocxFormattingTest {
put16(wd, 0, 0xA5EC);
put16(wd, 2, 0x00C1);
put16(wd, 10, 1 << 9);
put16(wd, 62, 4);
put16(wd, 32, 14); // csw (MUST 0x000E, §2.5.1)
put16(wd, 62, 22); // cslw (MUST 0x0016, §2.5.1)
put32(wd, 64, wd.length);
put32(wd, 76, text.length());
put16(wd, 152, 98);
@@ -896,7 +997,8 @@ class DocToDocxFormattingTest {
put16(wd, 0, 0xA5EC);
put16(wd, 2, 0x00C1);
put16(wd, 10, 1 << 9);
put16(wd, 62, 4);
put16(wd, 32, 14); // csw (MUST 0x000E, §2.5.1)
put16(wd, 62, 22); // cslw (MUST 0x0016, §2.5.1)
put32(wd, 64, wd.length);
put32(wd, 76, text.length());
put16(wd, 152, 98);
@@ -988,7 +1090,8 @@ class DocToDocxFormattingTest {
put16(wd, 0, 0xA5EC);
put16(wd, 2, 0x00C1);
put16(wd, 10, 1 << 9);
put16(wd, 62, 4);
put16(wd, 32, 14); // csw (MUST 0x000E, §2.5.1)
put16(wd, 62, 22); // cslw (MUST 0x0016, §2.5.1)
put32(wd, 64, wd.length);
put32(wd, 76, text.length());
put16(wd, 152, 98);
@@ -1205,7 +1308,8 @@ class DocToDocxFormattingTest {
put16(wd, 0, 0xA5EC);
put16(wd, 2, 0x00C1);
put16(wd, 10, 1 << 9);
put16(wd, 62, 4);
put16(wd, 32, 14); // csw (MUST 0x000E, §2.5.1)
put16(wd, 62, 22); // cslw (MUST 0x0016, §2.5.1)
put32(wd, 64, wd.length);
put32(wd, 76, 6); // ccpText
put32(wd, 80, 0); // ccpFtn
@@ -1344,7 +1448,8 @@ class DocToDocxFormattingTest {
put16(wd, 0, 0xA5EC);
put16(wd, 2, 0x00C1);
put16(wd, 10, 1 << 9);
put16(wd, 62, 4);
put16(wd, 32, 14); // csw (MUST 0x000E, §2.5.1)
put16(wd, 62, 22); // cslw (MUST 0x0016, §2.5.1)
put32(wd, 64, wd.length);
put32(wd, 76, 4); // ccpText
put16(wd, 152, 98);
@@ -1401,7 +1506,8 @@ class DocToDocxFormattingTest {
put16(wd, 0, 0xA5EC);
put16(wd, 2, 0x00C1);
put16(wd, 10, 1 << 9);
put16(wd, 62, 4);
put16(wd, 32, 14); // csw (MUST 0x000E, §2.5.1)
put16(wd, 62, 22); // cslw (MUST 0x0016, §2.5.1)
put32(wd, 64, wd.length);
put32(wd, 76, 2); // ccpText
put32(wd, 80, 0); // ccpFtn
@@ -1487,7 +1593,8 @@ class DocToDocxFormattingTest {
put16(wd, 0, 0xA5EC);
put16(wd, 2, 0x00C1);
put16(wd, 10, 1 << 9); // fWhichTblStm → 1Table
put16(wd, 62, 4); // cslw
put16(wd, 32, 14); // csw (MUST 0x000E, §2.5.1)
put16(wd, 62, 22); // cslw (MUST 0x0016, §2.5.1)
put32(wd, 64, wd.length); // cbMac
put32(wd, 76, text.length()); // ccpText
put16(wd, 152, 98); // cbRgFcLcb
@@ -1701,7 +1808,8 @@ class DocToDocxFormattingTest {
put16(wd, 0, 0xA5EC);
put16(wd, 2, 0x00C1);
put16(wd, 10, 1 << 9);
put16(wd, 62, 4); // cslw (FibHeader guard)
put16(wd, 32, 14); // csw (MUST 0x000E, §2.5.1)
put16(wd, 62, 22); // cslw (MUST 0x0016, §2.5.1)
put32(wd, 64, wd.length);
put32(wd, 76, text.length());
put16(wd, 152, 98);
@@ -1813,9 +1921,12 @@ class DocToDocxFormattingTest {
assertFalse(xml.contains("Hide"), "скрытый текст утёк в вывод: " + xml);
assertTrue(xml.contains(">CAPS<"), "sprmCFCaps → верхний регистр: " + xml);
assertTrue(xml.contains(">LOW<"), "sprmCFSmallCaps → верхний регистр: " + xml);
assertTrue(xml.contains("<w:del><w:r><w:delText xml:space=\"preserve\">Del</w:delText>"
+ "</w:r></w:del>"), "sprmCFRMarkDel: " + xml);
assertTrue(xml.contains("<w:ins><w:r><w:t xml:space=\"preserve\">Ins</w:t>"
assertTrue(xml.contains("<w:del w:id=\"1\" w:author=\"\"><w:r>"
+ "<w:delText xml:space=\"preserve\">Del</w:delText>"
+ "</w:r></w:del>"),
"sprmCFRMarkDel, CT_TrackChange w:id+w:author обязательны: " + xml);
assertTrue(xml.contains("<w:ins w:id=\"2\" w:author=\"\"><w:r>"
+ "<w:t xml:space=\"preserve\">Ins</w:t>"
+ "</w:r></w:ins>"), "sprmCFRMarkIns: " + xml);
}
@@ -1907,7 +2018,7 @@ class DocToDocxFormattingTest {
assertFalse(xml.contains("<w:vAlign"), "top и out-of-range не эмитятся: " + xml);
}
/** CSSAOperand (§2.9.209) как Prl: cb=6 + itc(2) + grfbrc + fts + wWidth(2). */
/** CSSAOperand (§2.9.46) как Prl: cb=6 + itc(2) + grfbrc + fts + wWidth(2). */
private static byte[] cssaOp(int sprm, int itcFirst, int itcLim, int grfbrc,
int fts, int wWidth) {
return new byte[] {(byte) (sprm & 0xFF), (byte) (sprm >>> 8), 6,
@@ -1915,7 +2026,7 @@ class DocToDocxFormattingTest {
(byte) wWidth, (byte) (wWidth >>> 8)};
}
/** SHDOperand (§2.9.177): cb=10 + cvFore(4) + cvBack(4) + ipat(2), COLORREF R-first. */
/** SHDOperand (§2.9.249): cb=10 + cvFore(4) + cvBack(4) + ipat(2), COLORREF R-first. */
private static byte[] shd10(int sprm, int[] fore, int[] back, int ipat) {
byte[] op = new byte[3 + 10];
op[0] = (byte) (sprm & 0xFF);
@@ -1994,13 +2105,13 @@ class DocToDocxFormattingTest {
}
/**
* sprmCIstd: chpx-цепочка символьного стиля (stk=3) между стилевой
* sprmCIstd: chpx-цепочка символьного стиля (stk=2) между стилевой
* papx-цепочкой и прямыми CHPX; прямые перекрывают стиль (last-wins).
*/
@Test
void charStyle_viaIstd_mergesUnderDirect() throws IOException {
// стиль istd=10 (stk=3): синий + underline; ран: istd + прямой cv=red
byte[] style = std(65, 3, 0x0FFF, 1, null,
// стиль istd=10 (stk=2): синий + underline; ран: istd + прямой cv=red
byte[] style = std(65, 2, 0x0FFF, 1, null,
concat(new byte[] {0x70, 0x68, 0, 0, (byte) 0xFF, 0}, prl(0x2A3E, 1)));
byte[] stsh = new byte[2 + 18 + 10 * 2 + 2 + style.length];
put16(stsh, 0, 18); // cbStshi
@@ -2023,6 +2134,41 @@ class DocToDocxFormattingTest {
assertFalse(xml.contains("<w:color w:val=\"0000FF\""), xml);
}
/**
* §2.6.1: при применении sprmCIstd прямое форматирование сбрасывается
* к результату стиля абзаца, значения preserv-list (здесь — highlight)
* сохраняются; Prl после sprmCIstd применяются поверх стиля.
*/
@Test
void charStyleIstd_resetsDirectKeepsPreserveList() throws IOException {
// стиль istd=10 (stk=2): underline
byte[] style = std(65, 2, 0x0FFF, 1, null, prl(0x2A3E, 1));
byte[] stsh = new byte[2 + 18 + 10 * 2 + 2 + style.length];
put16(stsh, 0, 18); // cbStshi
put16(stsh, 2, 11); // cstd
put16(stsh, 4, 0x0A); // cbSTDBaseInFile
int p = 20;
for (int i = 0; i < 10; i++) {
put16(stsh, p, 0);
p += 2;
}
lpstd(stsh, p, style);
String xml = documentXml(craftDoc("Rst\r", null, null,
List.of(new ChpxRun(0, concat(
prl(0x0835, 1), // bold до CIstd — сбрасывается
prl(0x2A0C, 7), // highlight (U8) — preserv-list
prl2(0x4A30, 10), // sprmCIstd
prl(0x0836, 1)))), // italic после — действует
List.of(new PapxRun(0, null)), stsh));
assertFalse(xml.contains("<w:b/>"),
"прямой bold до sprmCIstd обязан быть сброшен: " + xml);
assertTrue(xml.contains("<w:highlight w:val=\"yellow\"/>"),
"highlight из preserv-list потерян: " + xml);
assertTrue(xml.contains("<w:i/>"), "italic после sprmCIstd потерян: " + xml);
assertTrue(xml.contains("<w:u w:val=\"single\"/>"),
"underline из символьного стиля потерян: " + xml);
}
/**
* sprmTCellPaddingDefault/…CellPadding → w:tcMar ячеек: Default — весь
* ряд, диапазонный — свои ячейки; порядок детей CT_TcMar top→left (§17.4.66).
@@ -22,7 +22,8 @@ class FibHeaderTest {
put16(wd, 0, 0xA5EC); // wIdent
put16(wd, 2, 0x00C1); // nFib = Word 97
put16(wd, 10, flags); // grpprl FIB
put16(wd, 62, 4); // cslw
put16(wd, 32, 14); // csw (MUST 0x000E, §2.5.1)
put16(wd, 62, 22); // cslw (MUST 0x0016, §2.5.1)
put32(wd, 76, 10); // ccpText
put32(wd, 152, 98); // cbRgFcLcb
return wd;
@@ -37,6 +38,21 @@ class FibHeaderTest {
assertFalse(f0.use1Table());
}
/** WordDocument ровно 154 байта: cbRgFcLcb — u16@152 (§2.5.1), u32 читал бы за массив. */
@Test
void blobEndAtBoundary_rejectedNotCrash() {
byte[] wd = new byte[154];
put16(wd, 0, 0xA5EC);
put16(wd, 2, 0x00C1);
put16(wd, 10, 1 << 9);
put16(wd, 32, 14);
put16(wd, 62, 22);
put32(wd, 76, 10);
ConversionException ex = assertThrows(ConversionException.class,
() -> FibHeader.read(wd));
assertSame(ConversionException.class, ex.getClass());
}
@Test
void tooShort_rejected() {
ConversionException ex = assertThrows(ConversionException.class,
@@ -83,6 +99,28 @@ class FibHeaderTest {
assertTrue(ex.getMessage().contains("Обрезанный FIB"), ex.getMessage());
}
/** §2.5.1 Fib: csw «MUST be 0x000E» — любое другое значение = отказ. */
@Test
void badCsw_rejected() {
byte[] wd = fib(1 << 9);
put16(wd, 32, 15);
assertThrows(ConversionException.class, () -> FibHeader.read(wd));
}
/**
* Старый FIB короче 98 пар: пары с индексом ≥ cbRgFcLcb отсутствуют
* (fc=0/lcb=0), а не читают за blob — списки просто «нет».
*/
@Test
void shortPairBlob_absentPairsZero() {
byte[] wd = fib(1 << 9);
put32(wd, 152, 34); // CLX — последняя объявленная пара (индекс 33)
FibHeader f = FibHeader.read(wd);
assertEquals(0, f.fcPlfLst());
assertEquals(0, f.lcbPlfLst());
assertEquals(0, f.fcPlfLfo());
}
@Test
void negativeCcpText_rejected() {
byte[] wd = fib(1 << 9);
@@ -2,6 +2,7 @@ package ru.pjandro.wordpdf.internal.doc;
import static org.junit.jupiter.api.Assertions.assertEquals;
import static org.junit.jupiter.api.Assertions.assertFalse;
import static org.junit.jupiter.api.Assertions.assertNull;
import static org.junit.jupiter.api.Assertions.assertTrue;
import java.util.ArrayList;
@@ -117,10 +118,53 @@ class GrpprlTest {
assertEquals(0xCDAB1234, Grpprl.operandInt(buf, 0, 5), "длиннее 4 — обрезается");
}
/** ToggleOperand §2.9.327: 0x00 off, 0x01 on, 0x80 = стилевое, 0x81 = инверсия. */
@Test
void toggleOn_parity() {
assertTrue(Grpprl.toggleOn(new byte[] {1}, 0));
assertFalse(Grpprl.toggleOn(new byte[] {2}, 0));
void toggle_fourOperands() {
assertFalse(Grpprl.toggle(true, (byte) 0x00));
assertTrue(Grpprl.toggle(false, (byte) 0x01));
assertTrue(Grpprl.toggle(true, (byte) 0x80), "0x80 — значение стиля");
assertFalse(Grpprl.toggle(false, (byte) 0x80));
assertFalse(Grpprl.toggle(true, (byte) 0x81), "0x81 — инверсия стилевого");
assertTrue(Grpprl.toggle(false, (byte) 0x81));
assertTrue(Grpprl.toggle(true, (byte) 0x7F), "вне перечисления — current");
}
/** Kul (§2.9.127) → ST_Underline: 0 — null, известный — имя, прочий ≠0 — single. */
@Test
void underlineVal_mapping() {
assertNull(Grpprl.underlineVal(0x00));
assertEquals("single", Grpprl.underlineVal(0x01));
assertEquals("words", Grpprl.underlineVal(0x02));
assertEquals("double", Grpprl.underlineVal(0x03));
assertEquals("dotted", Grpprl.underlineVal(0x04));
assertEquals("thick", Grpprl.underlineVal(0x06));
assertEquals("dash", Grpprl.underlineVal(0x07));
assertEquals("dotDash", Grpprl.underlineVal(0x09));
assertEquals("dotDotDash", Grpprl.underlineVal(0x0A));
assertEquals("wave", Grpprl.underlineVal(0x0B));
assertEquals("dottedHeavy", Grpprl.underlineVal(0x14));
assertEquals("dashedHeavy", Grpprl.underlineVal(0x17));
assertEquals("dashDotHeavy", Grpprl.underlineVal(0x19));
assertEquals("dashDotDotHeavy", Grpprl.underlineVal(0x1A));
assertEquals("wavyHeavy", Grpprl.underlineVal(0x1B));
assertEquals("dashLong", Grpprl.underlineVal(0x27));
assertEquals("wavyDouble", Grpprl.underlineVal(0x2B));
assertEquals("dashLongHeavy", Grpprl.underlineVal(0x37));
assertEquals("single", Grpprl.underlineVal(0x77), "нераспознанный — single");
}
/** XAS-операнды отступов — со знаком (§2.9.349): 0xFD30 = −720. */
@Test
void indents_signedXas() {
byte[] neg = {
(byte) 0x5E, (byte) 0x84, 0x30, (byte) 0xFD, // dxaLeft = −720
(byte) 0x5D, (byte) 0x84, 0x30, (byte) 0xFD, // dxaRight = −720
};
Grpprl.Indents ind = new Grpprl.Indents();
Grpprl.scan(neg, 0, neg.length, ind::prl);
assertEquals(-720, ind.left(), "dxaLeft — знаковый XAS");
assertEquals(-720, ind.right(), "dxaRight — знаковый XAS");
}
@Test
@@ -65,7 +65,7 @@ class ListsTest {
return concat(u32(1), lfo, u32(0xFFFFFFFFL), lfoData);
}
/** SttbfFfn (§2.9.147 FontTable) с одним семейством на индексе ftc. */
/** SttbfFfn (§2.9.286) с одним семейством на индексе ftc. */
private static FontTable fonts(String... names) {
ByteArrayOutputStream out = new ByteArrayOutputStream();
byte[] header = new byte[4];
@@ -309,6 +309,52 @@ class ListsTest {
.hasNumbering());
}
/**
* Обрыв LFOData на первом LFO (mac=3): элементы после точки обрыва
* остаются null — {@code hasNum} даёт false, {@code numberingXml} не
* бросает NPE (контракт javadoc: неполный результат без исключения).
*/
@Test
void lfoDataTruncatedMidArray_hasNumFalseNoNpe() {
byte[] lfos = concat(u32(3),
lfoRecord(100, 1), lfoRecord(101, 1), lfoRecord(102, 1),
u32(0)); // только cp первого — обрыв до LFOLVL
byte[] head = plfLst(lstf(100, true), lstf(101, true), lstf(102, true));
byte[] lvls = concat(plainLvl(0), plainLvl(0), plainLvl(0));
byte[] table = concat(head, lvls, lfos);
Lists lists = Lists.read(table, 0, head.length,
head.length + lvls.length, lfos.length, fonts());
assertTrue(lists.hasNum(1), "первый LFO разобран до обрыва");
assertFalse(lists.hasNum(2), "null LFO — нет номера, не NPE");
assertFalse(lists.hasNum(3));
String xml = lists.numberingXml();
assertFalse(xml.contains("numId=\"2\""), xml);
assertFalse(xml.contains("numId=\"3\""), xml);
}
/** LFOData за пределами lcbPlfLfo — не парсится (§2.5.6: lcb покрывает LFOData). */
@Test
void lfoDataBeyondLcb_notParsed() {
byte[] data = lfoLvl(0, true, 7, false, null);
byte[] full = plfLfo(100, 1, data);
byte[] head = plfLst(lstf(100, true));
byte[] lvls = plainLvl(0);
// lcb = только заголовок PlfLfo (4+16); LFOLVL лежит «за» ним в потоке
byte[] table = concat(head, lvls, full);
Lists lists = Lists.read(table, 0, head.length,
head.length + lvls.length, 20L, fonts());
assertTrue(lists.hasNum(1));
assertFalse(lists.numberingXml().contains("startOverride"),
lists.numberingXml());
}
private static byte[] lfoRecord(int lsid, int clfolvl) {
byte[] lfo = new byte[16];
put32(lfo, 0, lsid);
lfo[12] = (byte) clfolvl;
return lfo;
}
@Test
void lfoDataTruncated_keepsLfoWithoutOverrides() {
// clfolvl=1, но LFOData обрывается на cp / первом LFOLVL
@@ -49,8 +49,9 @@ class OfficeArtTest {
@Test
void jpegBlip_extracted() {
// [MS-ODRAW] §2.2.27: 0x46B = JPEG RGB с ДВУМЯ UID (данные после 32+1)
byte[] jpeg = {(byte) 0xFF, (byte) 0xD8, (byte) 0xFF, (byte) 0xE0, 1, 2, 3};
byte[] region = region(picf(100, 100, 1000, 1000), blip(0x46B, 0xF01D, 16, jpeg));
byte[] region = region(picf(100, 100, 1000, 1000), blip(0x46B, 0xF01D, 32, jpeg));
OfficeArt.Picture pic = OfficeArt.read(region, 0, MAX_PX);
assertNotNull(pic);
assertEquals("jpg", pic.extension());
@@ -61,7 +62,7 @@ class OfficeArtTest {
void jpegAltRecType_accepted() {
// [MS-ODRAW] A.1: 0xF02A трактуется как 0xF01D
byte[] jpeg = {(byte) 0xFF, (byte) 0xD8, 1, 2};
byte[] region = region(picf(100, 100, 1000, 1000), blip(0x46B, 0xF02A, 16, jpeg));
byte[] region = region(picf(100, 100, 1000, 1000), blip(0x46B, 0xF02A, 32, jpeg));
assertNotNull(OfficeArt.read(region, 0, MAX_PX));
}
@@ -75,6 +76,40 @@ class OfficeArtTest {
}
}
/** TIFF-BLIP (§2.2.30, 0xF029): passthrough без перекодировки. */
@Test
void tiffBlip_passthrough() {
byte[] tiff = {'I', 'I', '*', 0, 8, 0, 0, 0, 1, 2, 3, 4};
byte[] region = region(picf(100, 100, 1000, 1000), blip(0x6E4, 0xF029, 16, tiff));
OfficeArt.Picture pic = OfficeArt.read(region, 0, MAX_PX);
assertNotNull(pic, "TIFF-BLIP обязан извлекаться как есть");
assertEquals("tif", pic.extension());
assertEquals("image/tiff", pic.contentType());
assertArrayEquals(tiff, pic.data());
}
/**
* DIB 8 bpp с u16-палитрой из 16 записей (biClrUsed=16): dataOff обязан
* считаться по biClrUsed, а не по полному 2^8 — иначе пиксельные данные
* уезжают за конец и ImageIO возвращает null.
* Регрессия — OfficeArt#wrapAsBmp (biClrUsed, [MS-WMF] §2.2.2.8).
*/
@Test
void dib8bpp_clrUsedPalette_decoded() {
ByteBuffer buf = ByteBuffer.allocate(40 + 16 * 4 + 2 * 4).order(ByteOrder.LITTLE_ENDIAN);
buf.putInt(40).putInt(2).putInt(2).putShort((short) 1).putShort((short) 8)
.putInt(0).putInt(0).putInt(0).putInt(0).putInt(16).putInt(0);
for (int i = 0; i < 16; i++) {
buf.put((byte) (i * 16)).put((byte) (i * 8)).put((byte) i).put((byte) 0);
}
buf.put((byte) 0).put((byte) 1).put((byte) 0).put((byte) 0);
buf.put((byte) 1).put((byte) 0).put((byte) 0).put((byte) 0);
byte[] region = region(picf(100, 100, 1000, 1000), blip(0x7A8, 0xF01F, 16, buf.array()));
OfficeArt.Picture pic = OfficeArt.read(region, 0, MAX_PX);
assertNotNull(pic, "DIB 8bpp с biClrUsed=16 обязан декодироваться");
assertEquals("png", pic.extension());
}
@Test
void pngSignatureRequired() {
byte[] region = region(picf(100, 100, 1000, 1000),
@@ -9,7 +9,7 @@ import org.junit.jupiter.api.Test;
import ru.pjandro.wordpdf.ConversionException;
/**
* Юниты {@link PapxIndex} ([MS-DOC] §2.4.6.1, §2.9.16/.175): крафтовый
* Юниты {@link PapxIndex} ([MS-DOC] §2.4.6.1, §2.9.174/.175): крафтовый
* PlcfBtePapx + PapxFkp — обе формы PapxInFkp (cb≠0 и cb=0→cb'), пропуски
* и {@code countPageBreakBefore}.
*/
@@ -77,6 +77,19 @@ class PapxIndexTest {
ex = assertThrows(ConversionException.class,
() -> PapxIndex.read(t, 0, 13, wd));
assertSame(ConversionException.class, ex.getClass());
ex = assertThrows(ConversionException.class,
() -> PapxIndex.read(t, -4, 12, wd)); // отрицательный fcBte
assertSame(ConversionException.class, ex.getClass());
}
/** Вырожденный rgfc (конец ≤ начало, §2.4.6.1) — запись пропускается. */
@Test
void degenerateRgfc_skipped() {
byte[] wd = wordDocument(11, false, 3, GRPRL_PB);
put32(wd, 2 * 512 + 4, 2048); // rgfc[1] = rgfc[0]
PapxIndex idx = PapxIndex.read(table(2), 0, 12, wd);
assertArrayEquals(new byte[0], idx.grpprlFor(2048));
assertEquals(0, idx.countPageBreakBefore());
}
@Test
@@ -93,7 +106,7 @@ class PapxIndexTest {
ConversionException ex = assertThrows(ConversionException.class,
() -> PapxIndex.read(table(2), 0, 12, wd));
assertSame(ConversionException.class, ex.getClass());
wd[2 * 512 + 511] = 0x61;
wd[2 * 512 + 511] = 0x1E; // > 0x1D — PapxFkp не влезает в 512 (§2.9.174)
ex = assertThrows(ConversionException.class,
() -> PapxIndex.read(table(2), 0, 12, wd));
assertSame(ConversionException.class, ex.getClass());
@@ -36,12 +36,25 @@ class PieceTableTest {
return new byte[] {(byte) v, (byte) (v >>> 8), (byte) (v >>> 16), (byte) (v >>> 24)};
}
/** aCP[0] < 0 (§2.8.35 «All CPs MUST be greater than or equal to zero»). */
@Test
void negativeStartCp_rejected() throws Exception {
byte[] table = clxOnePiece(10, 0, false);
table[5] = (byte) 0xFF; // aCP[0] (u32 LE @5) = 0xFFFFFFFF → (int) −1
table[6] = (byte) 0xFF;
table[7] = (byte) 0xFF;
table[8] = (byte) 0xFF;
ConversionException e = assertThrows(ConversionException.class,
() -> PieceTable.read(table, 0, table.length, new byte[64], 64));
assertSame(ConversionException.class, e.getClass());
}
@Test
void uncompressedPieceBeyondWordDocument_rejected() throws Exception {
byte[] table = clxOnePiece(10, 0, false); // 10 CP × 2 байта = 20
byte[] wordDocument = new byte[8];
ConversionException e = assertThrows(ConversionException.class,
() -> PieceTable.read(table, 0, table.length, wordDocument));
() -> PieceTable.read(table, 0, table.length, wordDocument, wordDocument.length));
assertSame(ConversionException.class, e.getClass());
assertTrue(e.getMessage().contains("WordDocument"));
}
@@ -51,7 +64,7 @@ class PieceTableTest {
byte[] table = clxOnePiece(10, 2 * 8, true); // сжатый: fc/2=8, span=10 > 8
byte[] wordDocument = new byte[8];
ConversionException e = assertThrows(ConversionException.class,
() -> PieceTable.read(table, 0, table.length, wordDocument));
() -> PieceTable.read(table, 0, table.length, wordDocument, wordDocument.length));
assertSame(ConversionException.class, e.getClass());
}
@@ -59,9 +72,34 @@ class PieceTableTest {
void pieceWithinWordDocument_reads() throws Exception {
byte[] table = clxOnePiece(2, 0, false);
byte[] wordDocument = {'H', 0, 'i', 0};
PieceTable pt = PieceTable.read(table, 0, table.length, wordDocument);
PieceTable pt = PieceTable.read(table, 0, table.length, wordDocument, wordDocument.length);
assertEquals('H', pt.charAt(0));
assertEquals('i', pt.charAt(1));
assertEquals(2, pt.fcOf(1));
}
/** §2.9.178: дубли в aCP («Duplicate values MUST NOT be present») = отказ. */
@Test
void duplicateACp_rejected() throws Exception {
byte[] table = clxOnePiece(0, 0, false); // aCp = [0, 0]
byte[] wordDocument = {'H', 0};
ConversionException e = assertThrows(ConversionException.class,
() -> PieceTable.read(table, 0, table.length, wordDocument, wordDocument.length));
assertTrue(e.getMessage().contains("aCP"), e.getMessage());
}
/**
* §2.5.4 cbMac: байты WordDocument начиная с cbMac «MUST be ignored» —
* читаемая часть куска клампится, символы за cbMac дают 0 вместо чтения
* мусора.
* Регрессия — PieceTable#read (кламп по cbMac).
*/
@Test
void pieceBeyondCbMac_textIgnored() throws Exception {
byte[] table = clxOnePiece(2, 0, false);
byte[] wordDocument = {'H', 0, 'i', 0};
PieceTable pt = PieceTable.read(table, 0, table.length, wordDocument, 2);
assertEquals('H', pt.charAt(0));
assertEquals(0, pt.charAt(1), "символ за cbMac обязан игнорироваться");
}
}
@@ -34,34 +34,47 @@ class PrcDataTest {
}
@Test
void tablePropsChain_mergesKeepingTailAfterPointer() {
void tablePropsChain_stopsAfterPointer() {
// PrcData[0] = [jc][→PrcData[1]][inTable]; PrcData[1] = [inTable].
// Хвост после PTableProps СОХРАНЯЕТСЯ: spec (§2.6.2) велит его игнорировать,
// но Word пишет в нём легаси-зеркало (в ru-table-image.doc — единственный
// TDefTable), а TInsert из PrcData конвертер не читает → union.
// §2.6.2: после разворачивания PrcData дальнейшие Prl массива НЕ
// читаются — хвост [inTable] за указателем (легаси-зеркало) отброшен.
DataStream d = data(at -> concat(prl(0x2461, 2), ptr(0x646B, at[1]), inTable()),
at -> inTable());
assertArrayEquals(concat(prl(0x2461, 2), inTable(), inTable()),
assertArrayEquals(concat(prl(0x2461, 2), inTable()),
PrcData.resolve(d.bytes, ptr(0x6646, d.at[0])));
}
@Test
void hugePapxInMultiPrlArray_othersKeptInPlace() {
void hugePapxNotFirst_ignoredOthersKept() {
// §2.6.2: HugePapx не первым в массиве — Prl игнорируется,
// цепочка не разворачивается, остальные Prl остаются
DataStream d = data(at -> inTable());
assertArrayEquals(concat(prl(0x2461, 2), inTable(), prl(0x2407, 1)),
assertArrayEquals(concat(prl(0x2461, 2), prl(0x2407, 1)),
PrcData.resolve(d.bytes,
concat(prl(0x2461, 2), ptr(0x6646, d.at[0]), prl(0x2407, 1))));
}
@Test
void topLevelTableProps_expandsChainKeepsTail() {
// Ровная форма TTP-массива из ru-table-image.doc: PTableProps первым,
// легаси-зеркало (здесь — jc) после него; побеждает оба (union).
void topLevelTableProps_stopsAfterPointer() {
// Форма TTP-массива из ru-table-image.doc: PTableProps первым,
// легаси-зеркало (здесь — jc) после него. §2.6.2 — зеркало не
// потребляется: в выход идёт только содержимое цепочки.
DataStream d = data(at -> inTable());
assertArrayEquals(concat(inTable(), prl(0x2461, 2)),
assertArrayEquals(inTable(),
PrcData.resolve(d.bytes, concat(ptr(0x646B, d.at[0]), prl(0x2461, 2))));
}
/** Appendix A <9>: TDefTable-зеркало за указателем переносится (сетка). */
@Test
void tailTDefTableMirror_survivesStop() {
// хвост = [jc (отбрасывается), TDefTable-макет (переносится)];
// операнд §2.9.321: cb=3 (2 Б LE) + 2 Б данных → весь Prl 6 Б
byte[] mirror = {0x08, (byte) 0xD6, 0x03, 0x00, (byte) 0xAA, (byte) 0xBB};
DataStream d = data(at -> inTable());
assertArrayEquals(concat(inTable(), mirror), PrcData.resolve(d.bytes,
concat(ptr(0x646B, d.at[0]), prl(0x2461, 2), mirror)));
}
@Test
void pointerBeyondData_keepsForeignPrlsStops() {
assertArrayEquals(prl(0x2461, 2),
@@ -98,8 +111,9 @@ class PrcDataTest {
void cycleStopsWithinHopBudget() {
// PrcData[0] ↔ PrcData[1] — цикл через PTableProps; разбор обязан
// остановиться (цепочка по spec обязана завершаться) без исключения.
// Указатель первым → развёрнут (пусто) → хвост [jc] не читается.
DataStream d = data(at -> ptr(0x646B, at[1]), at -> ptr(0x646B, at[0]));
assertArrayEquals(prl(0x2461, 2),
assertArrayEquals(EMPTY,
PrcData.resolve(d.bytes, concat(ptr(0x6646, d.at[0]), prl(0x2461, 2))));
}
@@ -2,6 +2,7 @@ package ru.pjandro.wordpdf.internal.doc;
import static org.junit.jupiter.api.Assertions.assertEquals;
import static org.junit.jupiter.api.Assertions.assertFalse;
import static org.junit.jupiter.api.Assertions.assertNull;
import static org.junit.jupiter.api.Assertions.assertSame;
import static org.junit.jupiter.api.Assertions.assertThrows;
import static org.junit.jupiter.api.Assertions.assertTrue;
@@ -270,6 +271,58 @@ class SectionsTest {
assertEquals(1, s.list().get(0).pgNumStart());
}
/** §2.6.3/§2.6.4: sprmSDzaGutter (U16) → gutter; YAS-поля top/bottom —
* знаковые, отрицательное (фиксированное поле) берётся по модулю. */
@Test
void gutterAndSignedYasMargins() {
byte[] wd = new byte[4096];
sepx(wd, 64, concat(
prl2(Grpprl.SPRM_S_DZA_GUTTER, 720), // gutter 0.5"
prl2(Grpprl.SPRM_S_DYA_TOP, 0xFF10), // −240 → фикс. 240
prl2(Grpprl.SPRM_S_DYA_BOTTOM, 1440)));
Sections s = Sections.read(plcfSed(64), 0, plcfSed(64).length, wd, 100);
Sections.Section sec = s.list().get(0);
assertEquals(720, sec.gutter());
assertEquals(240, sec.marginTop(), "YAS<0 — фиксированное поле по модулю");
assertEquals(1440, sec.marginBottom());
}
/**
* sprmSPgnStart 0x7044 (§2.6.4, U32) — pre-97-предок sprmSPgnStart97:
* при restart без 97-варианта даёт старт; restart=0 — оба игнорируются.
*/
@Test
void pgnStartLegacy_u32Fallback() {
byte[] wd = new byte[4096];
sepx(wd, 64, concat(new byte[] {0x11, 0x30, 1}, // restart
new byte[] {0x44, 0x70, 5, 0, 0, 0})); // pgnStart=5
Sections s = Sections.read(plcfSed(64), 0, plcfSed(64).length, wd, 100);
assertEquals(5, s.list().get(0).pgNumStart());
// restart=0 → старт игнорируется (§2.6.4 «MUST be ignored»)
sepx(wd, 128, new byte[] {0x44, 0x70, 5, 0, 0, 0});
Sections noRestart = Sections.read(plcfSed(128), 0, plcfSed(128).length, wd, 100);
assertEquals(0, noRestart.list().get(0).pgNumStart());
}
/** §2.9.235 SBkcOperand + §17.6.22: wTypeName для всех видов разрывов. */
@Test
void bkcTypeName_mapping() {
byte[] wd = new byte[4096];
sepx(wd, 64, new byte[] {0x09, 0x30, 3}); // bkcEvenPage
sepx(wd, 128, new byte[] {0x09, 0x30, 4}); // bkcOddPage
sepx(wd, 192, new byte[] {0x09, 0x30, 1}); // bkcNewColumn
byte[] t = plcfSed(new int[] {0, 10, 20, 30}, 64, 128, 192);
List<Sections.Section> list =
Sections.read(t, 0, t.length, wd, 30).list();
assertEquals("evenPage", list.get(0).wTypeName());
assertEquals("oddPage", list.get(1).wTypeName());
assertEquals("continuous", list.get(2).wTypeName(), "newColumn — не новая страница");
// bkcNewPage (дефолт без sprmSBkc) — атрибут не эмитится
List<Sections.Section> plain = Sections.read(plcfSed(0), 0,
plcfSed(0).length, new byte[0], 100).list();
assertNull(plain.get(0).wTypeName());
}
private static byte[] colPrl(int sprm, int iCol, int dxa) {
return new byte[] {(byte) sprm, (byte) (sprm >>> 8), (byte) iCol, (byte) dxa,
(byte) (dxa >>> 8)};
@@ -133,22 +133,23 @@ class StylesTest {
}
@Test
void characterStyle_noParagraphProps() {
// stk=2 (символьный) — UpxPapx/UpxChpx не читаются (§2.9.267)
byte[] table = stsh(12, std(65, 2, 0x0FFF, JC_CENTER, BOLD));
void characterStyle_boldViaCharChain() {
// stk=2 (символьный, §2.9.260): единственный UPX = UpxChpx (§2.9.263),
// papx-цепочка пуста
byte[] table = stsh(12, std(65, 2, 0x0FFF, null, BOLD));
Styles s = Styles.read(table, 0, table.length);
assertArrayEquals(new byte[0], s.papxChain(10));
assertArrayEquals(new byte[0], s.chpxChain(10));
assertArrayEquals(BOLD, s.charChain(10), "символьный stk=2 читается");
}
@Test
void characterStyle_stk3_chainViaCharChain() {
// stk=3 (STCF, Word 97+): единственный UPX = UpxChpx целиком; цепочка
void characterStyle_stk2_chainViaCharChain() {
// stk=2: единственный UPX = UpxChpx целиком; цепочка
// base-first (источник sprmCIstd); papx-цепочка символьного стиля пуста
byte[] blue = {0x70, 0x68, 0x00, 0x00, (byte) 0xFF, 0x00}; // sprmCCv blue
byte[] table = stsh(13,
std(65, 3, 0x0FFF, null, blue),
std(105, 3, 10, null, BOLD));
std(65, 2, 0x0FFF, null, blue),
std(105, 2, 10, null, BOLD));
Styles s = Styles.read(table, 0, table.length);
assertArrayEquals(concat(blue, BOLD), s.charChain(11),
"символьная цепочка base-first");
@@ -158,10 +159,12 @@ class StylesTest {
@Test
void charChain_nonCharacterStk_empty() {
// sprmCIstd обязан указывать на символьный стиль; stk=1/2 и промахи — пусто
byte[] table = stsh(12, std(65, 1, 0x0FFF, JC_CENTER, BOLD));
// sprmCIstd обязан указывать на символьный стиль; stk≠2 и промахи — пусто
byte[] table = stsh(13, std(65, 1, 0x0FFF, JC_CENTER, BOLD),
std(105, 3, 0x0FFF, null, BOLD));
Styles s = Styles.read(table, 0, table.length);
assertArrayEquals(new byte[0], s.charChain(10), "stk=1 через charChain — пусто");
assertArrayEquals(new byte[0], s.charChain(11), "stk=3 (табличный) — пусто");
assertArrayEquals(new byte[0], s.charChain(99));
assertArrayEquals(new byte[0], s.charChain(-1));
}
@@ -8,7 +8,7 @@ import static org.junit.jupiter.api.Assertions.assertTrue;
import org.junit.jupiter.api.Test;
/**
* Юниты {@link Tables} ([MS-DOC] §2.6.3, §2.9.321/.302/.303/.39/.171):
* Юниты {@link Tables} ([MS-DOC] §2.6.3, §2.9.321/.302/.303/.16/.119):
* TAP TTP-абзаца → сетка (ширины из rgdxaCenter, сдвиг от поля) и границы
* w:tblBorders; деградация в {@code null} на битом/отсутствующем
* sprmTDefTable.
@@ -44,6 +44,9 @@ class TablesTest {
return concat(new byte[] {0x13, (byte) 0xD6}, op);
}
/** Полей в Brc80-кортеже без флагов (dptLineWidth, brcType, ico). */
private static final int BRC80_LEN_NO_FLAGS = 3;
/** TableBordersOperand80: 6 × Brc80 (dptLineWidth + brcType + ico + флаги). */
private static byte[] borders80(int[][] brc80s) {
byte[] op = new byte[1 + 6 * 4];
@@ -53,6 +56,9 @@ class TablesTest {
op[b] = (byte) brc80s[i][0]; // dptLineWidth
op[b + 1] = (byte) brc80s[i][1]; // brcType
op[b + 2] = (byte) brc80s[i][2]; // ico
if (brc80s[i].length > BRC80_LEN_NO_FLAGS) {
op[b + 3] = (byte) brc80s[i][3]; // флаги
}
}
return concat(new byte[] {0x05, (byte) 0xD6}, op);
}
@@ -175,10 +181,10 @@ class TablesTest {
void borders80_fallbackAndPrecedence() {
Tables.Grid only80 = Tables.parse(concat(
defTable(new int[] {0, 100}),
borders80(new int[][] {{1, 1, 2}}))); // ico=2 → blue (§2.9.171)
borders80(new int[][] {{1, 1, 2}}))); // ico=2 → blue (§2.9.119)
String xml = only80.bordersXml();
assertTrue(xml.contains("<w:top w:val=\"single\" w:sz=\"2\""),
"dptLineWidth<2 → 2 (§2.9.37): " + xml);
"dptLineWidth<2 → 2 (§2.9.16): " + xml);
assertTrue(xml.contains("w:color=\"0000FF\""), "ico→цвет: " + xml);
Tables.Grid both = Tables.parse(concat(
defTable(new int[] {0, 100}),
@@ -200,7 +206,7 @@ class TablesTest {
@Test
void borderVal_fullStBorderTable() {
// ST_Border §2.9.39: каждый brcType — своё имя ST_Border
// BrcType §2.9.22: каждый brcType — своё имя ST_Border
assertEquals("single", Tables.borderVal(0x01));
assertEquals("double", Tables.borderVal(0x03));
assertEquals("dotted", Tables.borderVal(0x06));
@@ -224,10 +230,29 @@ class TablesTest {
assertEquals("threeDEmboss", Tables.borderVal(0x18));
assertEquals("threeDEngrave", Tables.borderVal(0x19));
assertEquals("outset", Tables.borderVal(0x1A));
assertEquals("outset", Tables.borderVal(0x1B));
assertEquals("inset", Tables.borderVal(0x1B));
assertEquals("single", Tables.borderVal(0x02), "неизвестный тип — single");
}
/** Brc80MayBeNil/BrcMayBeNil (§2.9.18/.20): все байты 0xFF — границы нет. */
@Test
void mayBeNil_borders_skipped() {
Tables.Grid g80 = Tables.parse(concat(defTable(new int[] {0, 100}),
borders80(new int[][] {{0xFF, 0xFF, 0xFF, 0xFF}})));
assertEquals("", g80.bordersXml(), "Brc80MayBeNil должен пропускаться: "
+ g80.bordersXml());
// BrcMayBeNil: последние 4 байта (dptLineWidth+brcType+флаги) = 0xFF…FF
byte[] op = new byte[1 + 6 * 8];
op[0] = 0x30;
for (int k = 4; k < 8; k++) {
op[1 + k] = (byte) 0xFF;
}
Tables.Grid g = Tables.parse(concat(defTable(new int[] {0, 100}),
concat(new byte[] {0x13, (byte) 0xD6}, op)));
assertFalse(g.bordersXml().contains("w:top"),
"NilBrc эмитит w:top: " + g.bordersXml());
}
@Test
void malformedOperands_ignored() {
// sprmTDefTable с operand < 3 байт — пропускается сканером
@@ -245,7 +270,7 @@ class TablesTest {
@Test
void borders80_icoBeyondPalette_noColor() {
// ico за таблицей §2.9.171 — цвет не пишется (FOP возьмёт auto)
// ico за таблицей §2.9.119 — цвет не пишется (FOP возьмёт auto)
Tables.Grid g = Tables.parse(concat(
defTable(new int[] {0, 100}),
borders80(new int[][] {{4, 1, 0xFF}})));
@@ -277,7 +302,7 @@ class TablesTest {
assertNull(Tables.parse(concat(defTable(new int[] {0, 3000}), bad)).cellVAlign());
}
/** CSSAOperand (§2.9.209): cb(1)=6 + itc(2) + grfbrc(1) + fts(1) + wWidth(2). */
/** CSSAOperand (§2.9.46): cb(1)=6 + itc(2) + grfbrc(1) + fts(1) + wWidth(2). */
private static byte[] cssa(int sprm, int itcFirst, int itcLim, int grfbrc,
int fts, int wWidth) {
return new byte[] {(byte) (sprm & 0xFF), (byte) (sprm >>> 8), 6,