OLE-вычистка сохраняет картинку-плейсхолдер (ECMA-376 §15.2.10) #58

Merged
pjandro merged 1 commits from ole-placeholder-preservation into main 2026-10-26 13:53:42 +03:00
6 changed files with 530 additions and 32 deletions
Showing only changes of commit c67786151c - Show all commits
+5 -5
View File
File diff suppressed because one or more lines are too long
@@ -6,7 +6,8 @@ package ru.pjandro.wordpdf;
* ({@link ConvertOptions#errorOnCharts()}, {@link ConvertOptions#errorOnSmartArt()}, * ({@link ConvertOptions#errorOnCharts()}, {@link ConvertOptions#errorOnSmartArt()},
* {@link ConvertOptions#errorOnOle()}). * {@link ConvertOptions#errorOnOle()}).
* Диаграммы/SmartArt конвертируются всегда; OLE-объекты при выключенном * Диаграммы/SmartArt конвертируются всегда; OLE-объекты при выключенном
* {@code errorOnOle} тихо удаляются из документа (в отличие от них). * {@code errorOnOle} теряют свои данные, но сохраняют картинку-плейсхолдер
* (в отличие от них).
* Исключение отвергает документ целиком. * Исключение отвергает документ целиком.
* *
* <p>Наследник {@link ConversionException} — наружу по-прежнему ловится * <p>Наследник {@link ConversionException} — наружу по-прежнему ловится
@@ -22,7 +22,8 @@ import java.util.zip.ZipInputStream;
import java.util.zip.ZipOutputStream; import java.util.zip.ZipOutputStream;
/** /**
* Удаление OLE-объектов из docx перед загрузкой docx4j. * Вычистка OLE-объектов из docx перед загрузкой docx4j — со сохранением
* статичного представления.
* *
* <p>docx4j падает на документах с внедрёнными OLE-объектами двумя путями: * <p>docx4j падает на документах с внедрёнными OLE-объектами двумя путями:
* (1) продюсер файла пишет ложный content type для бинарной части * (1) продюсер файла пишет ложный content type для бинарной части
@@ -33,19 +34,29 @@ import java.util.zip.ZipOutputStream;
* {@code chunkType is null} даже при честном типе * {@code chunkType is null} даже при честном типе
* {@code application/vnd.openxmlformats-officedocument.oleObject}. * {@code application/vnd.openxmlformats-officedocument.oleObject}.
* Лечится одинаково: OLE-части, ссылки на них и элементы {@code w:object} * Лечится одинаково: OLE-части, ссылки на них и элементы {@code w:object}
* удаляются из контейнера — документ конвертируется без объектов.</p> * удаляются из контейнера. При этом {@code w:object} НЕ выбрасывается целиком:
* 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
* удаляется. OLE-бинарники при этом никогда не читаются — байты только
* удаляются, так что содержимое объекта (вплоть до враждебного архива) на
* вывод не влияет.</p>
* *
* <p>Отличие от остальных нормализаторов пакета: принимает флаг * <p>Отличие от остальных нормализаторов пакета: принимает флаг
* {@code errorOnOle} и умеет бросать {@link DrawingFoundException} * {@code errorOnOle} и умеет бросать {@link DrawingFoundException}
* (при включённом флаге документ отвергается вместо удаления), и правит * (при включённом флаге документ отвергается вместо вычистки), и правит
* не только {@code word/*.xml}, но и {@code [Content_Types].xml} с * не только {@code word/*.xml}, но и {@code [Content_Types].xml} с
* {@code *.rels}. Хука {@code rewrite(String)} нет — нормализатор * {@code *.rels}. Хука {@code rewrite(String)} нет — нормализатор
* многочастный (решение об удалении зависит от связки content type + rels), * многочастный (решение об удалении зависит от связки content type + rels),
* тесты работают через {@link #normalize} на in-memory zip.</p> * тесты работают через {@link #normalize} на in-memory zip.</p>
* *
* <p>Если OLE-объектов нет, возвращает исходный массив без переупаковки zip. * <p>Если OLE-объектов нет, возвращает исходный массив без переупаковки zip.
* Регрессия — WordPdfConverterTest#oleObjects_removedAndConverted, * Регрессия — WordPdfConverterTest#oleObjects_removedAndConverted
* (плейсхолдер доезжает до PDF),
* WordPdfConverterTest#drawingErrors_errorFlagRejectsOle, * WordPdfConverterTest#drawingErrors_errorFlagRejectsOle,
* OleObjectNormalizerTest#objectWithImagedata_placeholderKept,
* OleObjectNormalizerTest#objectWithoutImage_removed,
* фикстура samples/ole-embedded.docx.</p> * фикстура samples/ole-embedded.docx.</p>
*/ */
public final class OleObjectNormalizer { public final class OleObjectNormalizer {
@@ -74,6 +85,49 @@ public final class OleObjectNormalizer {
/** Парный w:object (внутри VML-обёртка, роняющая экспорт) и самозакрытый. */ /** Парный w:object (внутри VML-обёртка, роняющая экспорт) и самозакрытый. */
private static final Pattern W_OBJECT = Pattern.compile( private static final Pattern W_OBJECT = Pattern.compile(
"<w:object\\b[^>]*>.*?</w:object>|<w:object\\b[^>]*/>", Pattern.DOTALL); "<w:object\\b[^>]*>.*?</w:object>|<w:object\\b[^>]*/>", Pattern.DOTALL);
/** Первый w:drawing внутри блока w:object — готовая DrawingML-картинка (ветка mc:Choice). */
private static final Pattern W_DRAWING = Pattern.compile(
"<w:drawing\\b[^>]*>.*?</w:drawing>|<w:drawing\\b[^>]*/>", Pattern.DOTALL);
/** v:imagedata с r:id — ссылка на картинку-плейсхолдер (§15.2.10). */
private static final Pattern V_IMAGEDATA = Pattern.compile(
"<v:imagedata\\b[^>]*\\br:id=\"([^\"]*)\"[^>]*>");
/** style первого v:shape блока — источник размера плейсхолдера. */
private static final Pattern SHAPE_STYLE = Pattern.compile(
"<v:shape\\b[^>]*\\bstyle=\"([^\"]*)\"");
private static final Pattern STYLE_WIDTH = Pattern.compile(
"width\\s*:\\s*([0-9]+(?:\\.[0-9]+)?)\\s*(pt|in|cm|mm|pc|px|em)");
private static final Pattern STYLE_HEIGHT = Pattern.compile(
"height\\s*:\\s*([0-9]+(?:\\.[0-9]+)?)\\s*(pt|in|cm|mm|pc|px|em)");
/** Размер w:object в твиксах (§17.3.3.19 dxaOrig/dyaOrig), ×635 = EMU. */
private static final Pattern DXA_ORIG = Pattern.compile("\\bdxaOrig=\"([0-9]+)\"");
private static final Pattern DYA_ORIG = Pattern.compile("\\bdyaOrig=\"([0-9]+)\"");
/** Тип rels-ссылки на OLE-часть; External (связанные объекты) тоже. */
private static final Pattern OLE_OBJECT_REL = Pattern.compile(
"\\bType=\"[^\"]*/oleObject\"");
/**
* Замена `w:object` с VML-плейсхолдером: минимально валидный `CT_Inline`
* (extent + docPr + graphic) с `pic:pic` на ту же image-часть. Пространства
* `wp/a/pic/r` объявлены на самом `wp:inline` — документ-обёртка может их
* не объявлять (без DrawingML на корне нет `xmlns:pic`); `w:` объявлен на
* корне любого wordprocessingml-документа. Форма — как у
* `DrawingPreRenderer.swapForPicture` (тот JAXB-ный, здесь байтовый уровень).
*/
private static final String PLACEHOLDER =
"<w:drawing><wp:inline xmlns:wp=\"http://schemas.openxmlformats.org/drawingml/2006/wordprocessingDrawing\""
+ " xmlns:a=\"http://schemas.openxmlformats.org/drawingml/2006/main\""
+ " xmlns:pic=\"http://schemas.openxmlformats.org/drawingml/2006/picture\""
+ " xmlns:r=\"http://schemas.openxmlformats.org/officeDocument/2006/relationships\""
+ " distT=\"0\" distB=\"0\" distL=\"0\" distR=\"0\">"
+ "<wp:extent cx=\"{CX}\" cy=\"{CY}\"/>"
+ "<wp:docPr id=\"{ID}\" name=\"OLE placeholder\"/>"
+ "<a:graphic><a:graphicData uri=\"http://schemas.openxmlformats.org/drawingml/2006/picture\">"
+ "<pic:pic><pic:nvPicPr><pic:cNvPr id=\"{ID}\" name=\"OLE placeholder\"/><pic:cNvPicPr/></pic:nvPicPr>"
+ "<pic:blipFill><a:blip r:embed=\"{RID}\"/><a:stretch><a:fillRect/></a:stretch></pic:blipFill>"
+ "<pic:spPr><a:xfrm><a:off x=\"0\" y=\"0\"/><a:ext cx=\"{CX}\" cy=\"{CY}\"/></a:xfrm>"
+ "<a:prstGeom prst=\"rect\"><a:avLst/></a:prstGeom></pic:spPr></pic:pic>"
+ "</a:graphicData></a:graphic></wp:inline></w:drawing>";
/** Стартовый docPr/@id вставляемых плейсхолдеров — заведомо за пределами реальных id части. */
private static final int FIRST_DOC_PR_ID = 900000;
private static final Pattern PART_NAME_ATTR = Pattern.compile("\\bPartName=\"([^\"]*)\""); private static final Pattern PART_NAME_ATTR = Pattern.compile("\\bPartName=\"([^\"]*)\"");
private static final Logger LOG = Logger.getLogger(OleObjectNormalizer.class.getName()); private static final Logger LOG = Logger.getLogger(OleObjectNormalizer.class.getName());
@@ -82,14 +136,15 @@ public final class OleObjectNormalizer {
} }
/** /**
* Удаляет из docx OLE-объекты: бинарные `.bin`-части с OLE-типом (или * Вычистляет из docx OLE-объекты: бинарные `.bin`-части с OLE-типом (или
* ложным XML-типом), ссылки на них в `*.rels`, элементы `w:object` в * ложным XML-типом), ссылки на них и oleObject-ссылки (включая External) в
* `word/*.xml` и `Override` удалённых частей в `[Content_Types].xml`. * `*.rels`, `Override` удалённых частей в `[Content_Types].xml`; элементы
* `w:object` в `word/*.xml` заменяются их статичным представлением
* (плейсхолдером), а без плейсхолдера — удаляются.
* *
* @param docx байты .docx (zip) * @param docx байты .docx (zip)
* @param errorOnOle true — не удалять, а отвергнуть документ * @param errorOnOle true — не вычищать, а отвергнуть документ
* @return те же байты, если OLE-объектов нет; иначе переупакованный zip без OLE * @return те же байты, если OLE-объектов нет; иначе переупакованный zip без OLE
* @throws DrawingFoundException при {@code errorOnOle} и найденном OLE-объекте
*/ */
public static byte[] normalize(byte[] docx, boolean errorOnOle) throws IOException { public static byte[] normalize(byte[] docx, boolean errorOnOle) throws IOException {
Map<String, byte[]> entries = new LinkedHashMap<>(); Map<String, byte[]> entries = new LinkedHashMap<>();
@@ -108,18 +163,23 @@ public final class OleObjectNormalizer {
Map<String, String> overrides = overrideTypes(ctXml); Map<String, String> overrides = overrideTypes(ctXml);
Set<String> oleParts = new HashSet<>(); Set<String> oleParts = new HashSet<>();
boolean hasObjectMarkup = false;
for (Map.Entry<String, byte[]> e : entries.entrySet()) { for (Map.Entry<String, byte[]> e : entries.entrySet()) {
String name = e.getKey(); String name = e.getKey();
if (!name.endsWith(BIN_SUFFIX)) { if (name.endsWith(BIN_SUFFIX)) {
continue; String type = effectiveType(name, overrides, defaults);
} if (type != null && (OLE_OBJECT_TYPE.equalsIgnoreCase(type)
String type = effectiveType(name, overrides, defaults); || type.endsWith(XML_TYPE_SUFFIX))) {
if (type != null && (OLE_OBJECT_TYPE.equalsIgnoreCase(type) oleParts.add(name);
|| type.endsWith(XML_TYPE_SUFFIX))) { }
oleParts.add(name); } else if (!hasObjectMarkup && name.startsWith("word/") && name.endsWith(".xml")
&& new String(e.getValue(), StandardCharsets.UTF_8).contains("<w:object")) {
// сам w:object — уже OLE: без bin-части он всё равно роняет docx4j
// (NPE chunkType is null) и обязан быть переписан
hasObjectMarkup = true;
} }
} }
if (oleParts.isEmpty()) { if (oleParts.isEmpty() && !hasObjectMarkup) {
return docx; return docx;
} }
if (errorOnOle) { if (errorOnOle) {
@@ -144,7 +204,7 @@ public final class OleObjectNormalizer {
data = fixed.getBytes(StandardCharsets.UTF_8); data = fixed.getBytes(StandardCharsets.UTF_8);
} }
} else if (name.startsWith("word/") && name.endsWith(".xml")) { } else if (name.startsWith("word/") && name.endsWith(".xml")) {
String fixed = stripObjects( String fixed = rewriteObjects(
new String(data, StandardCharsets.UTF_8)); new String(data, StandardCharsets.UTF_8));
if (fixed != null) { if (fixed != null) {
data = fixed.getBytes(StandardCharsets.UTF_8); data = fixed.getBytes(StandardCharsets.UTF_8);
@@ -200,8 +260,10 @@ public final class OleObjectNormalizer {
} }
/** /**
* Удаляет из `.rels` элементы Relationship, чей Target резолвится в * Удаляет из `.rels` элементы Relationship типа oleObject (независимо от
* удалённую часть. Внешние ссылки (TargetMode="External") не трогаем. * TargetMode — внешние ссылки связанных объектов после замены `w:object`
* осиротеют) и элементы, чей Target резолвится в удалённую часть.
* Прочие внешние ссылки (TargetMode="External") не трогаем.
* *
* @return новая строка либо null, если удалять нечего * @return новая строка либо null, если удалять нечего
*/ */
@@ -218,6 +280,12 @@ public final class OleObjectNormalizer {
boolean changed = false; boolean changed = false;
while (m.find()) { while (m.find()) {
String rel = m.group(); String rel = m.group();
if (OLE_OBJECT_REL.matcher(rel).find()) {
sb.append(relsXml, last, m.start());
last = m.end();
changed = true;
continue;
}
Matcher mode = TARGET_MODE_EXTERNAL.matcher(rel); Matcher mode = TARGET_MODE_EXTERNAL.matcher(rel);
if (mode.find()) { if (mode.find()) {
continue; continue;
@@ -269,12 +337,18 @@ public final class OleObjectNormalizer {
} }
/** /**
* Вырезает из word/*.xml элементы w:object (внутри — VML-обёртка, * Заменяет в word/*.xml каждый w:object его статичным представлением
* которая сама по себе роняет экспорт docx4j). * (плейсхолдером, ECMA-376 §15.2.10/§17.3.3.3): 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
* image-часть; без картинки (или без вычислимого размера) блок удаляется.
* VML-обёртка внутри w:object сама по себе роняет экспорт docx4j, поэтому
* ни один блок не остаётся как есть.
* *
* @return новая строка либо null, если совпадений не было * @return новая строка либо null, если совпадений не было
*/ */
private static String stripObjects(String xml) { private static String rewriteObjects(String xml) {
if (xml.indexOf("<w:object") < 0) { if (xml.indexOf("<w:object") < 0) {
return null; return null;
} }
@@ -282,7 +356,84 @@ public final class OleObjectNormalizer {
if (!m.find()) { if (!m.find()) {
return null; return null;
} }
return m.reset().replaceAll(""); StringBuilder sb = new StringBuilder(xml.length());
int docPrId = FIRST_DOC_PR_ID;
m.reset();
while (m.find()) {
String block = m.group();
String replacement;
Matcher drawing = W_DRAWING.matcher(block);
Matcher image = V_IMAGEDATA.matcher(block);
if (block.indexOf("<w:control") >= 0) {
replacement = "";
} else if (drawing.find()) {
replacement = drawing.group();
} else if (image.find()) {
long[] size = placeholderSize(block);
if (size.length == 0) {
replacement = "";
} else {
replacement = PLACEHOLDER
.replace("{RID}", image.group(1))
.replace("{CX}", Long.toString(size[0]))
.replace("{CY}", Long.toString(size[1]))
.replace("{ID}", Integer.toString(docPrId));
docPrId++;
}
} else {
replacement = "";
}
m.appendReplacement(sb, Matcher.quoteReplacement(replacement));
}
m.appendTail(sb);
return sb.toString();
}
/**
* Размер плейсхолдера в EMU: сначала `style` того же `v:shape`, затем
* `w:dxaOrig`/`w:dyaOrig` самого `w:object` (твиксы ×635, §17.3.3.19).
*
* @return {cx, cy} либо пустой массив, если размер вычислить не удалось
*/
private static long[] placeholderSize(String block) {
Matcher shape = SHAPE_STYLE.matcher(block);
if (shape.find()) {
String style = shape.group(1);
Matcher w = STYLE_WIDTH.matcher(style);
Matcher h = STYLE_HEIGHT.matcher(style);
if (w.find() && h.find()) {
long cx = toEmu(w);
long cy = toEmu(h);
if (cx > 0 && cy > 0) {
return new long[] {cx, cy};
}
}
}
Matcher dxa = DXA_ORIG.matcher(block);
Matcher dya = DYA_ORIG.matcher(block);
if (dxa.find() && dya.find()) {
long cx = Long.parseLong(dxa.group(1)) * 635;
long cy = Long.parseLong(dya.group(1)) * 635;
if (cx > 0 && cy > 0) {
return new long[] {cx, cy};
}
}
return new long[0];
}
/** CSS-размер из style v:shape → EMU (1pt = 12700 EMU). */
private static long toEmu(Matcher m) {
double value = Double.parseDouble(m.group(1));
long perUnit = switch (m.group(2)) {
case "in" -> 914_400L;
case "cm" -> 360_000L;
case "mm" -> 36_000L;
case "pc" -> 152_400L;
case "px" -> 9_525L;
case "em" -> 190_500L;
default -> 12_700L; // pt — единственная оставшаяся единица регулярки
};
return Math.round(value * perUnit);
} }
/** /**
@@ -230,8 +230,9 @@ class WordPdfConverterTest {
/** /**
* Регрессия: OLE-объекты (осиротевший bin с ложным XML-типом и настоящий * Регрессия: OLE-объекты (осиротевший bin с ложным XML-типом и настоящий
* w:object) роняли экспорт docx4j; при выключенном errorOnOle * w:object) роняли экспорт docx4j; при выключенном errorOnOle
* OleObjectNormalizer тихо удаляет их и документ конвертируется. * OleObjectNormalizer вычищает их данные, а картинку-плейсхолдер
* Фикстура samples/ole-embedded.docx. * (fallback.png, ECMA-376 §15.2.10) сохраняет — она обязана доехать
* до PDF. Фикстура samples/ole-embedded.docx.
*/ */
@Test @Test
void oleObjects_removedAndConverted() throws Exception { void oleObjects_removedAndConverted() throws Exception {
@@ -242,6 +243,9 @@ class WordPdfConverterTest {
"пропал текст до OLE-объекта: " + text); "пропал текст до OLE-объекта: " + text);
assertTrue(text.contains("OLE object test after"), assertTrue(text.contains("OLE object test after"),
"пропал текст после OLE-объекта: " + text); "пропал текст после OLE-объекта: " + text);
// RGBA-PNG FOP режет на картинку + SMask — считаем различные потоки без масок
assertEquals(1, distinctImageCount(pdf),
"картинка-плейсхолдер OLE-объекта обязана остаться в PDF");
} }
/** /**
@@ -66,6 +66,45 @@ class OleObjectNormalizerTest {
+ "</Relationships>"; + "</Relationships>";
private static final byte[] BIN = {'P', 'K', 3, 4, 0, 1, 2, (byte) 0xFF}; private static final byte[] BIN = {'P', 'K', 3, 4, 0, 1, 2, (byte) 0xFF};
private static final byte[] PNG = {(byte) 0x89, 'P', 'N', 'G', 1, 2, 3};
/** CT_OLE + png (image-часть плейсхолдера). */
private static final String CT_OLE_PNG =
"<?xml version=\"1.0\" encoding=\"UTF-8\"?>"
+ "<Types xmlns=\"http://schemas.openxmlformats.org/package/2006/content-types\">"
+ "<Default Extension=\"rels\" ContentType=\"application/vnd.openxmlformats-package.relationships+xml\"/>"
+ "<Default Extension=\"xml\" ContentType=\"application/xml\"/>"
+ "<Default Extension=\"png\" ContentType=\"image/png\"/>"
+ "<Override PartName=\"/word/document.xml\" ContentType=\"application/vnd.openxmlformats-officedocument.wordprocessingml.document.main+xml\"/>"
+ "<Override PartName=\"/word/_embedded/ole.bin\" ContentType=\"application/vnd.openxmlformats-officedocument.oleObject\"/>"
+ "</Types>";
/** Без OLE-частей вообще (для w:object без bin-части). */
private static final String CT_PLAIN_PNG =
"<?xml version=\"1.0\" encoding=\"UTF-8\"?>"
+ "<Types xmlns=\"http://schemas.openxmlformats.org/package/2006/content-types\">"
+ "<Default Extension=\"rels\" ContentType=\"application/vnd.openxmlformats-package.relationships+xml\"/>"
+ "<Default Extension=\"xml\" ContentType=\"application/xml\"/>"
+ "<Default Extension=\"png\" ContentType=\"image/png\"/>"
+ "<Override PartName=\"/word/document.xml\" ContentType=\"application/vnd.openxmlformats-officedocument.wordprocessingml.document.main+xml\"/>"
+ "</Types>";
/** w:object с VML-плейсхолдером — форма фикстуры samples/ole-embedded.docx. */
private static final String DOC_OBJECT_WITH_IMAGE =
"<w:document xmlns:w=\"http://schemas.openxmlformats.org/wordprocessingml/2006/main\">"
+ "<w:body><w:p><w:r><w:t>before</w:t></w:r>"
+ "<w:r><w:object><v:shape id=\"ole1\" style=\"width:60pt;height:30pt\">"
+ "<v:imagedata r:id=\"rId2\" o:title=\"fallback\"/></v:shape>"
+ "<o:OLEObject Type=\"Embed\" r:id=\"rId1\"/></w:object></w:r>"
+ "<w:r><w:t>after</w:t></w:r></w:p></w:body></w:document>";
/** oleObject-rel (rId1) + image-rel плейсхолдера (rId2). */
private static final String DOCRELS_OLE_AND_IMAGE =
"<?xml version=\"1.0\" encoding=\"UTF-8\"?>"
+ "<Relationships xmlns=\"http://schemas.openxmlformats.org/package/2006/relationships\">"
+ "<Relationship Id=\"rId1\" Type=\"http://schemas.openxmlformats.org/officeDocument/2006/relationships/oleObject\" Target=\"_embedded/ole.bin\"/>"
+ "<Relationship Id=\"rId2\" Type=\"http://schemas.openxmlformats.org/officeDocument/2006/relationships/image\" Target=\"media/fallback.png\"/>"
+ "</Relationships>";
private static byte[] zip(Map<String, byte[]> entries) throws IOException { private static byte[] zip(Map<String, byte[]> entries) throws IOException {
ByteArrayOutputStream out = new ByteArrayOutputStream(); ByteArrayOutputStream out = new ByteArrayOutputStream();
@@ -431,4 +470,307 @@ class OleObjectNormalizerTest {
assertFalse(outCt.contains("word/_embedded/ole.bin"), assertFalse(outCt.contains("word/_embedded/ole.bin"),
"Override без ведущего слэша обязан быть удалён: " + outCt); "Override без ведущего слэша обязан быть удалён: " + outCt);
} }
/**
* ECMA-376 §15.2.10: у OLE-обязан быть картинка-плейсхолдер — при
* вычистке bin удаляется, плейсхолдер переезжает в inline-DrawingML
* на ту же image-часть с размером из style v:shape (60x30pt = 762000x381000 EMU).
*/
@Test
void objectWithImagedata_placeholderKept() throws Exception {
Map<String, byte[]> m = new LinkedHashMap<>();
m.put("[Content_Types].xml", utf8(CT_OLE_PNG));
m.put("_rels/.rels", utf8(ROOT_RELS));
m.put("word/document.xml", utf8(DOC_OBJECT_WITH_IMAGE));
m.put("word/_rels/document.xml.rels", utf8(DOCRELS_OLE_AND_IMAGE));
m.put("word/_embedded/ole.bin", BIN);
m.put("word/media/fallback.png", PNG);
byte[] result = OleObjectNormalizer.normalize(zip(m), false);
String doc = readEntry(result, "word/document.xml");
assertFalse(doc.contains("<w:object"), "w:object обязан быть переписан: " + doc);
assertFalse(doc.contains("</w:object>"), "закрытия w:object остаться не должно: " + doc);
assertTrue(doc.contains("r:embed=\"rId2\""),
"плейсхолдер обязан ссылаться на image-часть: " + doc);
assertTrue(doc.contains("cx=\"762000\"") && doc.contains("cy=\"381000\""),
"размер 60x30pt обязан переехать в EMU: " + doc);
assertTrue(doc.contains("before") && doc.contains("after"),
"тексты вокруг объекта обязаны сохраниться: " + doc);
Map<String, byte[]> entries = unzip(result);
assertFalse(entries.containsKey("word/_embedded/ole.bin"),
"bin-часть обязана быть удалена");
assertTrue(entries.containsKey("word/media/fallback.png"),
"image-часть плейсхолдера обязана остаться");
String rels = readEntry(result, "word/_rels/document.xml.rels");
assertFalse(rels.contains("oleObject"), "oleObject-rel обязан исчезнуть: " + rels);
assertTrue(rels.contains("media/fallback.png"),
"image-rel обязан остаться: " + rels);
}
/** Нет никакой картинки в блоке — нечего сохранять, блок удаляется. */
@Test
void objectWithoutImage_removed() throws Exception {
String doc = "<w:document xmlns:w=\"http://schemas.openxmlformats.org/wordprocessingml/2006/main\">"
+ "<w:body><w:p><w:r><w:t>before</w:t></w:r>"
+ "<w:r><w:object><o:OLEObject Type=\"Embed\" r:id=\"rId1\"/></w:object></w:r>"
+ "<w:r><w:t>after</w:t></w:r></w:p></w:body></w:document>";
Map<String, byte[]> m = new LinkedHashMap<>();
m.put("[Content_Types].xml", utf8(CT_OLE));
m.put("_rels/.rels", utf8(ROOT_RELS));
m.put("word/document.xml", utf8(doc));
m.put("word/_rels/document.xml.rels", utf8(DOCRELS_TO_BIN));
m.put("word/_embedded/ole.bin", BIN);
String out = readEntry(OleObjectNormalizer.normalize(zip(m), false),
"word/document.xml");
assertFalse(out.contains("w:object"), "блок без картинки обязан быть вырезан: " + out);
assertTrue(out.contains("before") && out.contains("after"), "тексты обязаны остаться: " + out);
}
/** Блок с готовым w:drawing (ветка mc:Choice) — drawing сохраняется дословно. */
@Test
void objectWithDrawing_reusedVerbatim() throws Exception {
String drawing = "<w:drawing><wp:inline><wp:extent cx=\"12700\" cy=\"25400\"/>"
+ "<a:blip r:embed=\"rId9\"/></wp:inline></w:drawing>";
String doc = "<w:document xmlns:w=\"http://schemas.openxmlformats.org/wordprocessingml/2006/main\">"
+ "<w:body><w:p><w:r><w:object>" + drawing
+ "<o:OLEObject Type=\"Embed\" r:id=\"rId1\"/></w:object></w:r></w:p></w:body></w:document>";
Map<String, byte[]> m = new LinkedHashMap<>();
m.put("[Content_Types].xml", utf8(CT_OLE));
m.put("_rels/.rels", utf8(ROOT_RELS));
m.put("word/document.xml", utf8(doc));
m.put("word/_rels/document.xml.rels", utf8(DOCRELS_TO_BIN));
m.put("word/_embedded/ole.bin", BIN);
String out = readEntry(OleObjectNormalizer.normalize(zip(m), false),
"word/document.xml");
assertTrue(out.contains(drawing), "w:drawing обязан сохраниться дословно: " + out);
assertFalse(out.contains("<w:object"), "обёртка w:object обязана исчезнуть: " + out);
assertFalse(out.contains("</w:object>"), "закрытие w:object обязано исчезнуть: " + out);
}
/** ActiveX (w:control) — блок удаляется целиком (нынешнее поведение). */
@Test
void controlBlockRemoved() throws Exception {
String doc = "<w:document xmlns:w=\"http://schemas.openxmlformats.org/wordprocessingml/2006/main\">"
+ "<w:body><w:p><w:r><w:object><w:control r:id=\"rId5\"/></w:object></w:r></w:p></w:body></w:document>";
Map<String, byte[]> m = new LinkedHashMap<>();
m.put("[Content_Types].xml", utf8(CT_OLE));
m.put("_rels/.rels", utf8(ROOT_RELS));
m.put("word/document.xml", utf8(doc));
m.put("word/_rels/document.xml.rels", utf8(DOCRELS_TO_BIN));
m.put("word/_embedded/ole.bin", BIN);
String out = readEntry(OleObjectNormalizer.normalize(zip(m), false),
"word/document.xml");
assertFalse(out.contains("w:object"), "блок с w:control обязан быть вырезан: " + out);
assertFalse(out.contains("w:control"), "w:control обязан быть вырезан: " + out);
}
/** Нет style у v:shape — размер берётся из w:dxaOrig/w:dyaOrig (твиксы ×635). */
@Test
void sizeFromDxaOrig() throws Exception {
String doc = "<w:document xmlns:w=\"http://schemas.openxmlformats.org/wordprocessingml/2006/main\">"
+ "<w:body><w:p><w:r><w:object w:dxaOrig=\"3360\" w:dyaOrig=\"2520\">"
+ "<v:shape><v:imagedata r:id=\"rId2\"/></v:shape>"
+ "<o:OLEObject Type=\"Embed\" r:id=\"rId1\"/></w:object></w:r></w:p></w:body></w:document>";
Map<String, byte[]> m = new LinkedHashMap<>();
m.put("[Content_Types].xml", utf8(CT_OLE_PNG));
m.put("_rels/.rels", utf8(ROOT_RELS));
m.put("word/document.xml", utf8(doc));
m.put("word/_rels/document.xml.rels", utf8(DOCRELS_OLE_AND_IMAGE));
m.put("word/_embedded/ole.bin", BIN);
m.put("word/media/fallback.png", PNG);
String out = readEntry(OleObjectNormalizer.normalize(zip(m), false),
"word/document.xml");
assertTrue(out.contains("cx=\"2133600\"") && out.contains("cy=\"1600200\""),
"3360x2520 твиксов = 2133600x1600200 EMU: " + out);
}
/** Ни style, ни dxaOrig — размер вычислить нечем, блок удаляется. */
@Test
void imagedataWithoutSize_removed() throws Exception {
String doc = "<w:document xmlns:w=\"http://schemas.openxmlformats.org/wordprocessingml/2006/main\">"
+ "<w:body><w:p><w:r><w:object><v:shape><v:imagedata r:id=\"rId2\"/></v:shape>"
+ "<o:OLEObject Type=\"Embed\" r:id=\"rId1\"/></w:object></w:r></w:p></w:body></w:document>";
Map<String, byte[]> m = new LinkedHashMap<>();
m.put("[Content_Types].xml", utf8(CT_OLE_PNG));
m.put("_rels/.rels", utf8(ROOT_RELS));
m.put("word/document.xml", utf8(doc));
m.put("word/_rels/document.xml.rels", utf8(DOCRELS_OLE_AND_IMAGE));
m.put("word/_embedded/ole.bin", BIN);
m.put("word/media/fallback.png", PNG);
String out = readEntry(OleObjectNormalizer.normalize(zip(m), false),
"word/document.xml");
assertFalse(out.contains("w:object"), "блок без размера обязан быть вырезан: " + out);
assertFalse(out.contains("r:embed"), "плейсхолдер без размера вставлять нельзя: " + out);
}
/**
* w:object без bin-части (осиротевшая разметка) — блок всё равно
* переписывается: иначе доходит до docx4j и падает NPE chunkType is null.
*/
@Test
void objectWithoutBin_stillRewritten() throws Exception {
Map<String, byte[]> m = new LinkedHashMap<>();
m.put("[Content_Types].xml", utf8(CT_PLAIN_PNG));
m.put("_rels/.rels", utf8(ROOT_RELS));
m.put("word/document.xml", utf8(DOC_OBJECT_WITH_IMAGE));
m.put("word/_rels/document.xml.rels", utf8(DOCRELS_OLE_AND_IMAGE));
m.put("word/media/fallback.png", PNG);
byte[] docx = zip(m);
byte[] result = OleObjectNormalizer.normalize(docx, false);
assertNotSame(docx, result, "документ с w:object обязан быть переупакован");
String doc = readEntry(result, "word/document.xml");
assertFalse(doc.contains("<w:object"), "w:object обязан быть переписан: " + doc);
assertTrue(doc.contains("r:embed=\"rId2\""), "плейсхолдер обязан появиться: " + doc);
}
/** Внешний oleObject-rel (связанный объект) удаляется, прочие External целы. */
@Test
void externalOleLinkRelRemoved() throws Exception {
String rels = "<?xml version=\"1.0\" encoding=\"UTF-8\"?>"
+ "<Relationships xmlns=\"http://schemas.openxmlformats.org/package/2006/relationships\">"
+ "<Relationship Id=\"rId1\" Type=\"http://schemas.openxmlformats.org/officeDocument/2006/relationships/oleObject\" Target=\"file:///home/other/book.xlsx\" TargetMode=\"External\"/>"
+ "<Relationship Id=\"rId2\" Type=\"http://schemas.openxmlformats.org/officeDocument/2006/relationships/image\" Target=\"media/fallback.png\"/>"
+ "<Relationship Id=\"rId3\" Type=\"http://schemas.openxmlformats.org/officeDocument/2006/relationships/hyperlink\" Target=\"https://example.com/\" TargetMode=\"External\"/>"
+ "</Relationships>";
Map<String, byte[]> m = new LinkedHashMap<>();
m.put("[Content_Types].xml", utf8(CT_PLAIN_PNG));
m.put("_rels/.rels", utf8(ROOT_RELS));
m.put("word/document.xml", utf8(DOC_OBJECT_WITH_IMAGE));
m.put("word/_rels/document.xml.rels", utf8(rels));
m.put("word/media/fallback.png", PNG);
String out = readEntry(OleObjectNormalizer.normalize(zip(m), false),
"word/_rels/document.xml.rels");
assertFalse(out.contains("oleObject"),
"внешний oleObject-rel обязан быть удалён: " + out);
assertTrue(out.contains("https://example.com/"),
"чужая внешняя ссылка обязана остаться: " + out);
assertTrue(out.contains("media/fallback.png"),
"image-rel плейсхолдера обязан остаться: " + out);
}
/** errorOnOle и только w:object-разметка (без bin-части) — документ отвергается. */
@Test
void errorFlagObjectWithoutBin_rejects() throws Exception {
Map<String, byte[]> m = new LinkedHashMap<>();
m.put("[Content_Types].xml", utf8(CT_PLAIN_PNG));
m.put("_rels/.rels", utf8(ROOT_RELS));
m.put("word/document.xml", utf8(DOC_OBJECT_WITH_IMAGE));
m.put("word/_rels/document.xml.rels", utf8(DOCRELS_OLE_AND_IMAGE));
m.put("word/media/fallback.png", PNG);
DrawingFoundException ex = assertThrows(DrawingFoundException.class,
() -> OleObjectNormalizer.normalize(zip(m), true));
assertEquals(DrawingFoundException.Kind.OLE, ex.kind());
}
/** doc из переданных блоков w:object (все ссылаются на rId1/rId2 из DOCRELS_OLE_AND_IMAGE). */
private static String objectDoc(String... objects) {
StringBuilder sb = new StringBuilder(
"<w:document xmlns:w=\"http://schemas.openxmlformats.org/wordprocessingml/2006/main\">"
+ "<w:body><w:p>");
for (String o : objects) {
sb.append("<w:r>").append(o).append("</w:r>");
}
return sb.append("</w:p></w:body></w:document>").toString();
}
/** Блок w:object с v:shape/v:imagedata; атрибуты — с ведущим пробелом или пустые. */
private static String obj(String objectAttrs, String shapeAttrs) {
return "<w:object" + objectAttrs + "><v:shape" + shapeAttrs + ">"
+ "<v:imagedata r:id=\"rId2\"/></v:shape>"
+ "<o:OLEObject Type=\"Embed\" r:id=\"rId1\"/></w:object>";
}
/** zip с DOCRELS_OLE_AND_IMAGE + bin + png и произвольным document.xml. */
private static byte[] objectZip(String docXml) throws IOException {
Map<String, byte[]> m = new LinkedHashMap<>();
m.put("[Content_Types].xml", utf8(CT_OLE_PNG));
m.put("_rels/.rels", utf8(ROOT_RELS));
m.put("word/document.xml", utf8(docXml));
m.put("word/_rels/document.xml.rels", utf8(DOCRELS_OLE_AND_IMAGE));
m.put("word/_embedded/ole.bin", BIN);
m.put("word/media/fallback.png", PNG);
return zip(m);
}
/** Все CSS-единицы style v:shape переводятся в EMU (pt 12700, in 914400, …). */
@Test
void styleUnits_allConvertToEmu() throws Exception {
String doc = objectDoc(
obj("", " style=\"width:1in;height:2in\""),
obj("", " style=\"width:1cm;height:2cm\""),
obj("", " style=\"width:1mm;height:2mm\""),
obj("", " style=\"width:1pc;height:2pc\""),
obj("", " style=\"width:1px;height:2px\""),
obj("", " style=\"width:1em;height:2em\""));
String out = readEntry(OleObjectNormalizer.normalize(objectZip(doc), false),
"word/document.xml");
String[][] expect = {
{"914400", "1828800"}, {"360000", "720000"}, {"36000", "72000"},
{"152400", "304800"}, {"9525", "19050"}, {"190500", "381000"}};
for (String[] e : expect) {
assertTrue(out.contains("cx=\"" + e[0] + "\"") && out.contains("cy=\"" + e[1] + "\""),
"нет EMU " + e[0] + "x" + e[1] + ": " + out);
}
}
/** В style только ширина — полная пара не собралась, размер берётся из dxaOrig/dyaOrig. */
@Test
void styleWidthWithoutHeight_fallsBackToDxaOrig() throws Exception {
String doc = objectDoc(obj(" w:dxaOrig=\"3360\" w:dyaOrig=\"2520\"", " style=\"width:60pt\""));
String out = readEntry(OleObjectNormalizer.normalize(objectZip(doc), false),
"word/document.xml");
assertTrue(out.contains("cx=\"2133600\"") && out.contains("cy=\"1600200\""),
"без пары в style размер обязан взять из твиксов: " + out);
}
/** Нулевой размер в style — не размер, фолбэк на dxaOrig/dyaOrig. */
@Test
void zeroStyleSize_fallsBackToDxaOrig() throws Exception {
String doc = objectDoc(obj(" w:dxaOrig=\"3360\" w:dyaOrig=\"2520\"",
" style=\"width:0pt;height:0pt\""));
String out = readEntry(OleObjectNormalizer.normalize(objectZip(doc), false),
"word/document.xml");
assertTrue(out.contains("cx=\"2133600\"") && out.contains("cy=\"1600200\""),
"нулевой style не размер, обязан сработать фолбэк: " + out);
}
/** dxaOrig без dyaOrig — размер вычислить нечем, блок удаляется. */
@Test
void dxaOrigWithoutDyaOrig_removed() throws Exception {
String doc = objectDoc(obj(" w:dxaOrig=\"3360\"", ""));
String out = readEntry(OleObjectNormalizer.normalize(objectZip(doc), false),
"word/document.xml");
assertFalse(out.contains("w:object"), "блок без полной пары твиксов обязан быть вырезан: " + out);
assertFalse(out.contains("r:embed"), "плейсхолдер без размера вставлять нельзя: " + out);
}
/** Нулевой dxaOrig — не размер, блок удаляется. */
@Test
void zeroDxaOrig_removed() throws Exception {
String doc = objectDoc(obj(" w:dxaOrig=\"0\" w:dyaOrig=\"2520\"", ""));
String out = readEntry(OleObjectNormalizer.normalize(objectZip(doc), false),
"word/document.xml");
assertFalse(out.contains("w:object"), "блок с нулевым твиксом обязан быть вырезан: " + out);
assertFalse(out.contains("r:embed"), "плейсхолдер без размера вставлять нельзя: " + out);
}
} }