Мост .doc → .docx: конвертация бинарного Word 97-2003 #76

Merged
pjandro merged 2 commits from feature/doc-to-pdf-parity into main 2026-10-31 21:26:30 +03:00
65 changed files with 68352 additions and 121 deletions
+3
View File
@@ -29,6 +29,9 @@ Thumbs.db
# Рабочие материалы и эталоны разработки (вне git) # Рабочие материалы и эталоны разработки (вне git)
/develop/ /develop/
# Исходный dated-.docx [MS-DOC] — скачивается по команде из docs/standards/doc/README.md
docs/standards/doc/ms-doc.docx
# Секреты деплоя # Секреты деплоя
.env .env
+44 -16
View File
File diff suppressed because one or more lines are too long
+4 -1
View File
@@ -1,7 +1,10 @@
# Dev-стенд без ключа доступа: WORDPDF_API_KEY не задан → wordpdf.api-key пуст # Dev-стенд без ключа доступа: WORDPDF_API_KEY не задан → wordpdf.api-key пуст
# → ApiKeyFilter прозрачен, springdoc включён. Проект wordpdf-dev — собственные # → ApiKeyFilter прозрачен, springdoc включён. Проект wordpdf-dev — собственные
# образы/контейнеры, с прод-запуском (wordpdf-prod, :9010) не конфликтует. # образы/контейнеры, с прод-запуском (wordpdf-prod, :9010) не конфликтует.
# Запуск: podman-compose -f compose.dev.yml up -d --build # Запуск: podman-compose -f compose.dev.yml up -d --build --force-recreate
# (--force-recreate обязателен: без него podman-compose пересоберёт
# образ, но контейнеры оставит на старом — будет крутиться jar
# прошлой сборки)
# Вход: http://<LAN-IP хоста>:9011 (доступен из локальной сети; hostname -I на хосте) # Вход: http://<LAN-IP хоста>:9011 (доступен из локальной сети; hostname -I на хосте)
name: wordpdf-dev name: wordpdf-dev
# podman-compose по умолчанию разделяет имя проекта/сервиса/номера подчёркиванием # podman-compose по умолчанию разделяет имя проекта/сервиса/номера подчёркиванием
+5
View File
@@ -11,6 +11,7 @@ SHA-256 `.md`-файлов — справочные: они производны
|Файл|Документ|Редакция/дата|URL|SHA-256| |Файл|Документ|Редакция/дата|URL|SHA-256|
|---|---|---|---|---| |---|---|---|---|---|
|`ms-doc.md`|[MS-DOC] «Word (.doc) Binary File Format» — бинарный формат .doc Word 97–2003 (WordDocument/1Table-потоки, FIB, CHPX/PAPX, Clx/PlcPcd/Pcd — «piece table»)|12.5 (260217, февраль 2026)|https://officeprotocoldocs-f5hpbjgea6b8gneq.b02.azurefd.net/files/MS-DOC/%5bMS-DOC%5d-260217.docx|`c2886120e92aa2790a5603156fb0ca8b23151d58476592fef3ede7fb6841ee7d`| |`ms-doc.md`|[MS-DOC] «Word (.doc) Binary File Format» — бинарный формат .doc Word 97–2003 (WordDocument/1Table-потоки, FIB, CHPX/PAPX, Clx/PlcPcd/Pcd — «piece table»)|12.5 (260217, февраль 2026)|https://officeprotocoldocs-f5hpbjgea6b8gneq.b02.azurefd.net/files/MS-DOC/%5bMS-DOC%5d-260217.docx|`c2886120e92aa2790a5603156fb0ca8b23151d58476592fef3ede7fb6841ee7d`|
|`ms-doc-full.md`|Тот же [MS-DOC] 12.5, полный конверт **с** HTML-packet-diagram'ами (`-t gfm`, raw_html включён): битовые макеты §2.4/§2.6/§2.9 и таблицы sprm §2.6.1–2.6.3 — то, что в `ms-doc.md` свёрнуто в `[TABLE]`|12.5 (260217, февраль 2026)|тот же dated-.docx, что `ms-doc.md`|`35cbcd5b5228cf02200008c2145d941e66dbf8a9e296305745d2bdc099c8a5ad`|
|`ms-cfb.md`|[MS-CFB] «Compound File Binary File Format» — OLE2-контейнер .doc (заголовок, FAT/MiniFAT, directory entries, потоки)|13.0 (261026, октябрь 2026)|https://winprotocoldocs-bhdugrdyduf5h2e4.b02.azurefd.net/MS-CFB/%5bMS-CFB%5d-261026.docx|`84d0f9f282aa00dac631a575514264b6bc1f3cec1b9c8fed095e12f7cc042913`| |`ms-cfb.md`|[MS-CFB] «Compound File Binary File Format» — OLE2-контейнер .doc (заголовок, FAT/MiniFAT, directory entries, потоки)|13.0 (261026, октябрь 2026)|https://winprotocoldocs-bhdugrdyduf5h2e4.b02.azurefd.net/MS-CFB/%5bMS-CFB%5d-261026.docx|`84d0f9f282aa00dac631a575514264b6bc1f3cec1b9c8fed095e12f7cc042913`|
|`ms-oshared.md`|[MS-OSHARED] «Office Common Data Types and Objects Structures» — общие типы MS-DOC/MS-PPT/MS-XLS (MSONFC/FilePointer/FixedPoint, тулбары TBC, property sets, RefEdit, VBA-подпись)|11.1 (251113, ноябрь 2025)|https://officeprotocoldocs-f5hpbjgea6b8gneq.b02.azurefd.net/files/MS-OSHARED/%5bMS-OSHARED%5d-251113.docx|`ccac510af0266a0804f6a242b08bc4df2f6d1f5b27935c113609b4faf198cb57`| |`ms-oshared.md`|[MS-OSHARED] «Office Common Data Types and Objects Structures» — общие типы MS-DOC/MS-PPT/MS-XLS (MSONFC/FilePointer/FixedPoint, тулбары TBC, property sets, RefEdit, VBA-подпись)|11.1 (251113, ноябрь 2025)|https://officeprotocoldocs-f5hpbjgea6b8gneq.b02.azurefd.net/files/MS-OSHARED/%5bMS-OSHARED%5d-251113.docx|`ccac510af0266a0804f6a242b08bc4df2f6d1f5b27935c113609b4faf198cb57`|
|`ms-odraw.md`|[MS-ODRAW] «Office Drawing Binary File Format» — бинарные рисунки OfficeArt (картинки/фигуры внутри .doc)|12.4 (250819, август 2025)|https://officeprotocoldocs-f5hpbjgea6b8gneq.b02.azurefd.net/files/MS-ODRAW/%5bMS-ODRAW%5d-250819.docx|`f7b9b19222ca8b22ab773846a0c7ff4fa1898e391fff1b3ce41ca3b528f36cf6`| |`ms-odraw.md`|[MS-ODRAW] «Office Drawing Binary File Format» — бинарные рисунки OfficeArt (картинки/фигуры внутри .doc)|12.4 (250819, август 2025)|https://officeprotocoldocs-f5hpbjgea6b8gneq.b02.azurefd.net/files/MS-ODRAW/%5bMS-ODRAW%5d-250819.docx|`f7b9b19222ca8b22ab773846a0c7ff4fa1898e391fff1b3ce41ca3b528f36cf6`|
@@ -39,6 +40,10 @@ SHA-256 `.md`-файлов — справочные: они производны
curl -sSL -o /tmp/msdoc.docx "https://officeprotocoldocs-f5hpbjgea6b8gneq.b02.azurefd.net/files/MS-DOC/%5bMS-DOC%5d-260217.docx" curl -sSL -o /tmp/msdoc.docx "https://officeprotocoldocs-f5hpbjgea6b8gneq.b02.azurefd.net/files/MS-DOC/%5bMS-DOC%5d-260217.docx"
pandoc /tmp/msdoc.docx -t gfm-raw_html --wrap=none -o docs/standards/doc/ms-doc.md pandoc /tmp/msdoc.docx -t gfm-raw_html --wrap=none -o docs/standards/doc/ms-doc.md
# ms-doc-full.md — тот же dated-.docx, но raw_html ВКЛЮЧЁН: packet diagram'ы и
# таблицы sprm (§2.6.1–2.6.3) остаются HTML-таблицами вместо [TABLE]-плейсхолдеров.
pandoc /tmp/msdoc.docx -t gfm --wrap=none -o docs/standards/doc/ms-doc-full.md
# Окружение MS-DOC — те же dated-.docx (при 404 — самый свежий с лендингов ниже). # Окружение MS-DOC — те же dated-.docx (при 404 — самый свежий с лендингов ниже).
# Два CDN: у windows_protocols-документов (CFB, OLEPS, WMF, EMF) путь БЕЗ сегмента /files/. # Два CDN: у windows_protocols-документов (CFB, OLEPS, WMF, EMF) путь БЕЗ сегмента /files/.
O="https://officeprotocoldocs-f5hpbjgea6b8gneq.b02.azurefd.net/files" O="https://officeprotocoldocs-f5hpbjgea6b8gneq.b02.azurefd.net/files"
File diff suppressed because it is too large Load Diff
+15
View File
@@ -90,6 +90,21 @@ def test_convert_returns_pdf(url, samples, key_header):
assert "filename*=UTF-8''en-plain.pdf" in disp assert "filename*=UTF-8''en-plain.pdf" in disp
@needs_key
def test_convert_binary_doc(url, samples, key_header):
"""Бинарный .doc (Word 97-2003) → PDF: мост internal.doc на проде."""
r = requests.post(
url(CONVERT),
headers=key_header,
files={"file": ("ru-plain.doc", (samples / "ru-plain.doc").read_bytes())},
timeout=TIMEOUT,
)
assert r.status_code == 200
assert "application/pdf" in r.headers["content-type"]
assert r.content[:4] == b"%PDF"
assert "filename*=UTF-8''doc-ru.pdf" in r.headers["content-disposition"]
@needs_key @needs_key
def test_convert_cyrillic_filename_rfc5987(url, samples, key_header): def test_convert_cyrillic_filename_rfc5987(url, samples, key_header):
"""Кириллическое имя части → RFC 5987 filename* (safeBaseName), заголовок не режется наружным nginx. """Кириллическое имя части → RFC 5987 filename* (safeBaseName), заголовок не режется наружным nginx.
@@ -70,7 +70,14 @@ final class ConversionService {
* {@code null} не допускается (контроллер строит всегда).</p> * {@code null} не допускается (контроллер строит всегда).</p>
*/ */
byte[] convert(byte[] docxBytes, String originalFilename, ConvertOptions options) { byte[] convert(byte[] docxBytes, String originalFilename, ConvertOptions options) {
// Бинарный .doc — не zip: .docx-валидация к нему неприменима, размер
// проверяется общим checkInput, страницы — мостом по чистому .doc
// (ядро бросит ValidationException → 400 тем же обработчиком).
if (WordPdfValidator.isBinaryDoc(docxBytes)) {
WordPdfValidator.checkInput(docxBytes, options.maxMb());
} else {
WordPdfValidator.validate(docxBytes, options); WordPdfValidator.validate(docxBytes, options);
}
Future<byte[]> future; Future<byte[]> future;
try { try {
future = workers.submit(() -> doConvert(docxBytes, originalFilename, options)); future = workers.submit(() -> doConvert(docxBytes, originalFilename, options));
@@ -139,7 +146,7 @@ final class ConversionService {
/** /**
* Санитизация имени (единый источник для имени файла и Content-Disposition): * Санитизация имени (единый источник для имени файла и Content-Disposition):
* без каталога, только буквы/цифры/пробел/ {@code . _ -}, без суффикса * без каталога, только буквы/цифры/пробел/ {@code . _ -}, без суффикса
* .docx; пустое после очистки → {@code document}. Кириллица разрешена — * .docx/.doc; пустое после очистки → {@code document}. Кириллица разрешена —
* на Linux это валидное имя файла, и заголовок PDF остаётся читаемым. * на Linux это валидное имя файла, и заголовок PDF остаётся читаемым.
*/ */
static String safeBaseName(String original) { static String safeBaseName(String original) {
@@ -147,8 +154,11 @@ final class ConversionService {
: original.substring(Math.max(original.lastIndexOf('/'), : original.substring(Math.max(original.lastIndexOf('/'),
original.lastIndexOf('\\')) + 1); original.lastIndexOf('\\')) + 1);
base = base.replaceAll("[^\\p{L}\\p{N} ._-]", ""); base = base.replaceAll("[^\\p{L}\\p{N} ._-]", "");
if (base.toLowerCase(Locale.ROOT).endsWith(".docx")) { String lower = base.toLowerCase(Locale.ROOT);
if (lower.endsWith(".docx")) {
base = base.substring(0, base.length() - ".docx".length()); base = base.substring(0, base.length() - ".docx".length());
} else if (lower.endsWith(".doc")) {
base = base.substring(0, base.length() - ".doc".length());
} }
if (base.isBlank()) { if (base.isBlank()) {
base = "document"; base = "document";
@@ -58,8 +58,9 @@ final class ConvertController {
this.maxPages = maxPages; this.maxPages = maxPages;
} }
@Operation(summary = "Конвертировать .docx в PDF", @Operation(summary = "Конвертировать .docx/.doc в PDF",
description = "errorOnCharts/errorOnSmartArt/errorOnOle — факультативно, по умолчанию " description = "Принимаются .docx (OOXML) и .doc (Word 97–2003, переносится в .docx "
+ "мостом: текст и прямое форматирование). errorOnCharts/errorOnSmartArt/errorOnOle — факультативно, по умолчанию "
+ "настройки ядра (ошибка не выбрасывается); диаграммы/SmartArt " + "настройки ядра (ошибка не выбрасывается); диаграммы/SmartArt "
+ "конвертируются всегда, OLE-объекты при выключенном флаге тихо удаляются. " + "конвертируются всегда, OLE-объекты при выключенном флаге тихо удаляются. "
+ "Лимиты входа (размер/страницы) задаёт только конфигурация сервера " + "Лимиты входа (размер/страницы) задаёт только конфигурация сервера "
@@ -78,9 +79,11 @@ final class ConvertController {
throw new ValidationException("Файл не передан (multipart-поле «file» обязательно)"); throw new ValidationException("Файл не передан (multipart-поле «file» обязательно)");
} }
String name = file.getOriginalFilename(); String name = file.getOriginalFilename();
if (name == null || !name.toLowerCase(Locale.ROOT).endsWith(".docx")) { String lower = name == null ? "" : name.toLowerCase(Locale.ROOT);
// расширение проверяется здесь: ядро с байтов его не видит if (!lower.endsWith(".docx") && !lower.endsWith(".doc")) {
throw new ValidationException("Поддерживается только .docx (без .doc): " + name); // расширение проверяется здесь: ядро с байтов его не видит;
// .doc (Word 97–2003) переносится в .docx мостом internal.doc
throw new ValidationException("Поддерживаются только .docx и .doc: " + name);
} }
byte[] docxBytes; byte[] docxBytes;
try { try {
@@ -131,6 +131,9 @@ class ConversionServiceTest {
assertEquals("evil", ConversionService.safeBaseName("a/../../evil.docx")); assertEquals("evil", ConversionService.safeBaseName("a/../../evil.docx"));
assertEquals("evil", ConversionService.safeBaseName("C:\\tmp\\evil.docx")); assertEquals("evil", ConversionService.safeBaseName("C:\\tmp\\evil.docx"));
assertEquals("отчёт", ConversionService.safeBaseName("отчёт.DOCX")); assertEquals("отчёт", ConversionService.safeBaseName("отчёт.DOCX"));
assertEquals("отчёт", ConversionService.safeBaseName("отчёт.DOC"));
assertEquals("doc", ConversionService.safeBaseName("doc.doc"));
assertEquals("файл", ConversionService.safeBaseName("каталог\\файл.doc"));
} }
/** /**
@@ -280,6 +280,20 @@ class ConvertControllerTest {
org.hamcrest.Matchers.containsString(".docx"))); org.hamcrest.Matchers.containsString(".docx")));
} }
/** Бинарный .doc принимается расширением и конвертируется мостом internal.doc. */
@Test
void docFile_convertsToPdf() throws Exception {
MvcResult result = mockMvc.perform(multipart("/api/v1/convert")
.file(docx("report.doc", bytes("/samples/ru-plain.doc"))))
.andExpect(status().isOk())
.andExpect(content().contentType(MediaType.APPLICATION_PDF))
.andReturn();
byte[] pdf = result.getResponse().getContentAsByteArray();
assertTrue("%PDF".equals(new String(pdf, 0, 4, StandardCharsets.US_ASCII)),
"тело не начинается с %PDF");
assertTrue(norm(pdfText(pdf)).contains("Привет, мир!"), "текст .doc не доехал");
}
@Test @Test
void missingPart_rejected() throws Exception { void missingPart_rejected() throws Exception {
mockMvc.perform(multipart("/api/v1/convert")) mockMvc.perform(multipart("/api/v1/convert"))
@@ -15,6 +15,7 @@ import ru.pjandro.wordpdf.internal.chart.DrawingPreRenderer;
import ru.pjandro.wordpdf.internal.DependencyGuard; import ru.pjandro.wordpdf.internal.DependencyGuard;
import ru.pjandro.wordpdf.internal.DocxNormalizer; import ru.pjandro.wordpdf.internal.DocxNormalizer;
import ru.pjandro.wordpdf.internal.DocxRewritePipeline; import ru.pjandro.wordpdf.internal.DocxRewritePipeline;
import ru.pjandro.wordpdf.internal.doc.DocToDocx;
import ru.pjandro.wordpdf.internal.OleObjectNormalizer; import ru.pjandro.wordpdf.internal.OleObjectNormalizer;
import ru.pjandro.wordpdf.internal.FopFallbackFonts; import ru.pjandro.wordpdf.internal.FopFallbackFonts;
import ru.pjandro.wordpdf.internal.LayoutPostRenderer; import ru.pjandro.wordpdf.internal.LayoutPostRenderer;
@@ -61,20 +62,26 @@ public final class WordPdfConverter {
} }
/** /**
* Конвертирует байты .docx в PDF. Работа с файлами — забота вызывающего * Конвертирует байты .docx (или бинарного .doc Word 97–2003 — формат
* (файловое API было здесь раньше; ядро пути не принимает). * определяется по сигнатуре байтов) в PDF. Работа с файлами — забота
* вызывающего (файловое API было здесь раньше; ядро пути не принимает).
* *
* <p>Вход проверяется {@link WordPdfValidator#validate(byte[], ConvertOptions)} до рендера: * <p>.doc предварительно переносится в .docx мостом
* {@link ru.pjandro.wordpdf.internal.doc.DocToDocx} (текст + прямое
* форматирование); число страниц для .doc проверяется мостом по чистому
* бинарному документу (кэш PageCount + явные разрывы), сгенерированный
* .docx валидацией не проверяется. Для .docx вход проверяется
* {@link WordPdfValidator#validate(byte[], ConvertOptions)} до рендера:
* {@code null} / размер больше {@link WordPdfSettings#MAX_INPUT_MB} (МБ) / zip-подпись / * {@code null} / размер больше {@link WordPdfSettings#MAX_INPUT_MB} (МБ) / zip-подпись /
* число страниц больше {@link WordPdfSettings#MAX_PAGES} — при отказе байтов результата нет; * число страниц больше {@link WordPdfSettings#MAX_PAGES} — при отказе байтов результата нет;
* страницы дополнительно перепроверяются по нормализованным байтам (шаг 2.5). * страницы дополнительно перепроверяются по нормализованным байтам (шаг 2.5).
* *
* @param docxBytes байты .docx * @param docxBytes байты .docx или бинарного .doc
* @param title заголовок PDF (метаданные); {@code null}/пустая — заголовок не задаётся * @param title заголовок PDF (метаданные); {@code null}/пустая — заголовок не задаётся
* @return байты готового PDF * @return байты готового PDF
* @throws ValidationException некорректный вход: {@code null}, размер больше * @throws ValidationException некорректный вход: {@code null}, размер больше
* {@link WordPdfSettings#MAX_INPUT_MB} (МБ), не zip-архив, документ длиннее * {@link WordPdfSettings#MAX_INPUT_MB} (МБ), не .docx/.doc, зашифрованный .doc,
* {@link WordPdfSettings#MAX_PAGES} страниц * документ длиннее {@link WordPdfSettings#MAX_PAGES} страниц
* @throws ConversionException прочие ошибки (битый .docx, ошибка рендера) * @throws ConversionException прочие ошибки (битый .docx, ошибка рендера)
*/ */
public static byte[] convert(byte[] docxBytes, String title) throws ConversionException { public static byte[] convert(byte[] docxBytes, String title) throws ConversionException {
@@ -82,30 +89,43 @@ public final class WordPdfConverter {
} }
/** /**
* Конвертирует байты .docx в PDF с настройками на вызов: error-флаги * Конвертирует байты .docx (или бинарного .doc Word 97–2003 — формат
* диаграмм/SmartArt и лимиты входа. * определяется по сигнатуре байтов, см. перегрузку выше) в PDF с
* настройками на вызов: error-флаги диаграмм/SmartArt и лимиты входа.
* *
* <p>Вход проверяется {@link WordPdfValidator#validate(byte[], ConvertOptions)} до рендера: * <p>Вход проверяется {@link WordPdfValidator#validate(byte[], ConvertOptions)}
* {@code null} / размер больше {@code options.maxMb()} (МБ) / zip-подпись / число страниц * до рендера — одна проверка на оба формата: {@code null} / размер больше
* больше {@code options.maxPages()} — при отказе байтов результата нет; страницы * {@code options.maxMb()} (МБ) / не .docx и не .doc / число страниц больше
* дополнительно перепроверяются по нормализованным байтам (шаг 2.5). * {@code options.maxPages()} — при отказе байтов результата нет. Для .docx
* страницы дополнительно перепроверяются по нормализованным байтам (шаг 2.5);
* для .doc страницы считаются по чистому бинарному документу до конвертации,
* конвертат не перепроверяется.
* *
* @param docxBytes байты .docx * @param docxBytes байты .docx или бинарного .doc
* @param title заголовок PDF (метаданные); {@code null}/пустая — заголовок не задаётся * @param title заголовок PDF (метаданные); {@code null}/пустая — заголовок не задаётся
* @param options error-флаги и лимиты входа на этот вызов; {@code null} — * @param options error-флаги и лимиты входа на этот вызов; {@code null} —
* дефолты (константы {@link WordPdfSettings}) * дефолты (константы {@link WordPdfSettings})
* @return байты готового PDF * @return байты готового PDF
* @throws ValidationException некорректный вход: {@code null}, размер больше * @throws ValidationException некорректный вход: {@code null}, размер больше
* {@code options.maxMb()} (МБ), не zip-архив, документ длиннее * {@code options.maxMb()} (МБ), не .docx/.doc, зашифрованный .doc,
* {@code options.maxPages()} страниц * документ длиннее {@code options.maxPages()} страниц
* @throws ConversionException прочие ошибки (битый .docx, ошибка рендера) * @throws ConversionException прочие ошибки (битый .docx, ошибка рендера)
*/ */
public static byte[] convert(byte[] docxBytes, String title, ConvertOptions options) throws ConversionException { public static byte[] convert(byte[] docxBytes, String title, ConvertOptions options) throws ConversionException {
ConvertOptions opts = options == null ? ConvertOptions.defaults() : options; ConvertOptions opts = options == null ? ConvertOptions.defaults() : options;
// Полная проверка входа — одна на оба формата: размер до
// классификации (враждебный вход без подписи обязан получить ошибку
// лимита), затем для .docx — zip/контейнер/страницы, для .doc —
// страницы по чистому бинарному документу (до конвертации).
WordPdfValidator.validate(docxBytes, opts); WordPdfValidator.validate(docxBytes, opts);
ByteArrayOutputStream bos = new ByteArrayOutputStream(Math.max(1 << 16, docxBytes.length)); boolean fromDoc = WordPdfValidator.isBinaryDoc(docxBytes);
// Бинарный .doc (Word 97–2003): мост internal.doc. Сгенерированный
// .docx — собственный артефакт, его штатной валидацией/перепроверкой
// (шаг 2.5) не проверяем.
byte[] docx = fromDoc ? DocToDocx.convert(docxBytes) : docxBytes;
ByteArrayOutputStream bos = new ByteArrayOutputStream(Math.max(1 << 16, docx.length));
try { try {
convertToStream(docxBytes, title, opts, bos); convertToStream(docx, title, opts, bos, fromDoc);
} catch (ConversionException e) { } catch (ConversionException e) {
// ValidationException (отказ валидации входа) — подтип, уходит // ValidationException (отказ валидации входа) — подтип, уходит
// вызывающему без обёртки // вызывающему без обёртки
@@ -122,7 +142,7 @@ public final class WordPdfConverter {
* без неё старая версия библиотеки дала бы мутный NoSuchMethodError внутри docx4j. * без неё старая версия библиотеки дала бы мутный NoSuchMethodError внутри docx4j.
*/ */
private static void convertToStream(byte[] rawDocxBytes, String title, ConvertOptions options, private static void convertToStream(byte[] rawDocxBytes, String title, ConvertOptions options,
OutputStream os) throws Exception { OutputStream os, boolean skipPageRecheck) throws Exception {
// 0. Совместимость commons-compress: docx4j требует ковариантный // 0. Совместимость commons-compress: docx4j требует ковариантный
// ZipArchiveInputStream.getNextEntry() (>= 1.25.0); ниже — понятный // ZipArchiveInputStream.getNextEntry() (>= 1.25.0); ниже — понятный
// ConversionException с инструкцией вместо NoSuchMethodError. // ConversionException с инструкцией вместо NoSuchMethodError.
@@ -153,7 +173,12 @@ public final class WordPdfConverter {
// Делается до рендера, чтобы не тратить время на заведомо // Делается до рендера, чтобы не тратить время на заведомо
// длинный документ; внутри try — чтобы и на отказе отработал // длинный документ; внутри try — чтобы и на отказе отработал
// finally с чисткой temp-файлов встроенных шрифтов. // finally с чисткой temp-файлов встроенных шрифтов.
// Для .doc пропущена: страницы уже посчитаны мостом по чистому
// бинарному документу, перепроверять собственный конвертат —
// значит проверять не вход.
if (!skipPageRecheck) {
WordPdfValidator.checkPageCount(docxBytes, options.maxPages()); WordPdfValidator.checkPageCount(docxBytes, options.maxPages());
}
// после этой строки docxBytes больше не читается — HotSpot с точными // после этой строки docxBytes больше не читается — HotSpot с точными
// картами liveness считает его недостижимым, нормализованная копия // картами liveness считает его недостижимым, нормализованная копия
// освобождается до FOP-рендера (пик: JAXB-модель + FOP + PDF-буфер) // освобождается до FOP-рендера (пик: JAXB-модель + FOP + PDF-буфер)
@@ -1,5 +1,7 @@
package ru.pjandro.wordpdf; package ru.pjandro.wordpdf;
import ru.pjandro.wordpdf.internal.doc.DocToDocx;
import javax.xml.stream.XMLInputFactory; import javax.xml.stream.XMLInputFactory;
import javax.xml.stream.XMLStreamException; import javax.xml.stream.XMLStreamException;
import javax.xml.stream.XMLStreamReader; import javax.xml.stream.XMLStreamReader;
@@ -16,9 +18,10 @@ import java.util.zip.ZipEntry;
import java.util.zip.ZipInputStream; import java.util.zip.ZipInputStream;
/** /**
* Валидатор ограничений на входной .docx: * Валидатор ограничений на вход: .docx и бинарный .doc (Word 97–2003) —
* размер входа, корректность контейнера (.docx-манифест, защита от * размер входа, корректность контейнера (.docx-манифест, защита от
* zip-бомбы) и число страниц. * zip-бомбы; для .doc — CFB/Word-разбор {@code internal.doc}) и число
* страниц для обоих форматов.
* *
* <p>Вход валидатора — только {@code byte[]}: файловых проверок нет, * <p>Вход валидатора — только {@code byte[]}: файловых проверок нет,
* работа с файлами — забота вызывающего (приложения). * работа с файлами — забота вызывающего (приложения).
@@ -99,6 +102,26 @@ public final class WordPdfValidator {
} }
} }
/**
* CFB-подпись D0 CF 11 E0 A1 B1 1A E1 (MS-CFB §2.2) — контейнер бинарного
* .doc Word 97–2003. Классификация входа до любой работы с форматом:
* такой вход не проверяется .docx-валидацией (zip-пути), его страницы
* считает мост {@code internal.doc} по чистому бинарному документу.
*/
public static boolean isBinaryDoc(byte[] bytes) {
byte[] sig = {(byte) 0xD0, (byte) 0xCF, 0x11, (byte) 0xE0,
(byte) 0xA1, (byte) 0xB1, 0x1A, (byte) 0xE1};
if (bytes == null || bytes.length < sig.length) {
return false;
}
for (int i = 0; i < sig.length; i++) {
if (bytes[i] != sig[i]) {
return false;
}
}
return true;
}
/** /**
* Проверяет число страниц без загрузки документа в docx4j: .docx * Проверяет число страниц без загрузки документа в docx4j: .docx
* читается как zip напрямую (StAX по {@code word/document.xml}, * читается как zip напрямую (StAX по {@code word/document.xml},
@@ -183,8 +206,42 @@ public final class WordPdfValidator {
} }
/** /**
* Полная проверка входа: размер → zip-подпись → контейнер (.docx + * Число страниц бинарного .doc (Word 97–2003) — по чистому бинарному
* zip-бомба) → число страниц. Порядок * документу, <b>до</b> какой-либо конвертации в .docx: нижняя оценка
* {@code max(кэш SummaryInformation.PageCount [MS-OLEPS], 1 + явные
* разрывы 0x0C − непрерывные межсекционные разрывы + абзацы с
* pageBreakBefore)} — тот же контур, что lightweight-скан по zip для
* .docx. Разбор делает {@code internal.doc} ({@link DocToDocx#countPages(byte[])}).
*
* @throws ValidationException при {@code null}, не-.doc-входе, шифровании
* или превышении {@link WordPdfSettings#MAX_PAGES}
*/
public static void checkPageCountDoc(byte[] docBytes) throws ValidationException {
checkPageCountDoc(docBytes, WordPdfSettings.MAX_PAGES);
}
/**
* То же, что {@link #checkPageCountDoc(byte[])}, с явным лимитом
* страниц (переопределение на вызов, см. {@link ConvertOptions#maxPages()}).
*
* @throws ValidationException при {@code null}, не-.doc-входе, шифровании
* или превышении {@code maxPages}
*/
public static void checkPageCountDoc(byte[] docBytes, int maxPages) throws ValidationException {
if (docBytes == null) {
throw new ValidationException("Не указаны байты входного .doc");
}
int pages = DocToDocx.countPages(docBytes);
if (pages > maxPages) {
throw new ValidationException("Документ длиннее " + maxPages
+ " страниц: получено не менее " + pages);
}
}
/**
* Полная проверка входа: размер → классификация формата → (.docx:
* zip-подпись → контейнер (.docx + zip-бомба) → число страниц) /
* (.doc: число страниц по чистому бинарному документу). Порядок
* значим: размер — дешёвая, разбор zip без подписи бессмысленен. Лимиты * значим: размер — дешёвая, разбор zip без подписи бессмысленен. Лимиты
* берутся из {@link ConvertOptions} (переопределение на вызов, см. * берутся из {@link ConvertOptions} (переопределение на вызов, см.
* {@link ConvertOptions#maxMb()}, {@link ConvertOptions#maxPages()}). * {@link ConvertOptions#maxMb()}, {@link ConvertOptions#maxPages()}).
@@ -212,9 +269,15 @@ public final class WordPdfValidator {
*/ */
public static void validate(byte[] docxBytes, ConvertOptions options) throws ValidationException { public static void validate(byte[] docxBytes, ConvertOptions options) throws ValidationException {
checkInput(docxBytes, options.maxMb()); checkInput(docxBytes, options.maxMb());
if (isBinaryDoc(docxBytes)) {
// Бинарный .doc: страницы — по чистому бинарному документу,
// без конвертации в .docx (регрессия — WordPdfValidatorTest#checkPageCountDoc_*).
checkPageCountDoc(docxBytes, options.maxPages());
return;
}
if (docxBytes.length < 4 || docxBytes[0] != 'P' || docxBytes[1] != 'K' if (docxBytes.length < 4 || docxBytes[0] != 'P' || docxBytes[1] != 'K'
|| (docxBytes[2] & 0xFF) != 0x03 || (docxBytes[3] & 0xFF) != 0x04) { || (docxBytes[2] & 0xFF) != 0x03 || (docxBytes[3] & 0xFF) != 0x04) {
throw new ValidationException("Содержимое не похоже на .docx (не zip-архив)"); throw new ValidationException("Содержимое не похоже на .docx или .doc (не zip-архив)");
} }
checkDocxContainer(docxBytes); checkDocxContainer(docxBytes);
checkPageCount(docxBytes, options.maxPages()); checkPageCount(docxBytes, options.maxPages());
@@ -20,7 +20,11 @@ import org.apache.commons.compress.utils.SeekableInMemoryByteChannel;
* (TableIndent читает transitional-атрибуты {@code w:}); GlyphCoverage * (TableIndent читает transitional-атрибуты {@code w:}); GlyphCoverage
* режет раны по финальному тексту рана (после Symbol/Invisible). Каждый * режет раны по финальному тексту рана (после Symbol/Invisible). Каждый
* рерайт работает только содержимым одной части, поэтому по-частная * рерайт работает только содержимым одной части, поэтому по-частная
* цепочка эквивалентна последовательным полным проходам. * цепочка эквивалентна последовательным полным проходам. Правило 7
* (TableIndent) — исключение из «по-частности»: у header/footer-частей
* своей sectPr нет, ширина полосы передаётся из document.xml (один
* дополнительный inflate до цикла; многосекционный документ — полоса
* неоднозначна, header/footer пропускаются).
* *
* <p>Неизменённые записи (медиа, rels, прочее) переносятся raw-копией * <p>Неизменённые записи (медиа, rels, прочее) переносятся raw-копией
* сжатых байтов — без inflate/deflate; прочие (редкие методы сжатия, * сжатых байтов — без inflate/deflate; прочие (редкие методы сжатия,
@@ -55,6 +59,19 @@ public final class DocxRewritePipeline {
boolean changed = false; boolean changed = false;
try (ZipFile zf = new ZipFile(new SeekableInMemoryByteChannel(docx)); try (ZipFile zf = new ZipFile(new SeekableInMemoryByteChannel(docx));
ZipArchiveOutputStream zos = new ZipArchiveOutputStream(out)) { ZipArchiveOutputStream zos = new ZipArchiveOutputStream(out)) {
// Ширина полосы набора для правила 7 (таблицы в header/footer-
// 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).
// Записи нет/несколько секций → −1, header/footer консервативно
// пропускаются (та же неоднозначность полосы, что для body).
int band = -1;
ZipArchiveEntry docEntry = zf.getEntry("word/document.xml");
if (docEntry != null) {
band = TableIndentNormalizer.bandOf(
new String(zf.getInputStream(docEntry).readAllBytes(),
StandardCharsets.UTF_8));
}
for (ZipArchiveEntry entry : Collections.list(zf.getEntries())) { for (ZipArchiveEntry entry : Collections.list(zf.getEntries())) {
String name = entry.getName(); String name = entry.getName();
byte[] rewritten = null; byte[] rewritten = null;
@@ -86,7 +103,7 @@ public final class DocxRewritePipeline {
if (next != null) { if (next != null) {
cur = next; cur = next;
} }
next = TableIndentNormalizer.rewrite(cur); next = TableIndentNormalizer.rewritePart(name, cur, band);
if (next != null) { if (next != null) {
cur = next; cur = next;
} }
@@ -20,20 +20,31 @@ import java.util.zip.ZipOutputStream;
* (аудит раскладки ECMA-376, матрица B3) — таблица рендерилась без учёта * (аудит раскладки ECMA-376, матрица B3) — таблица рендерилась без учёта
* tblInd. Нормализатор вычисляет итоговый отступ сам и записывает его в * tblInd. Нормализатор вычисляет итоговый отступ сам и записывает его в
* {@code w:tblInd}, удалив {@code w:jc}: center → (W−T)/2+X, right → (W−T)+X, * {@code w:tblInd}, удалив {@code w:jc}: center → (W−T)/2+X, right → (W−T)+X,
* где W — ширина полосы набора (pgSz−pgMar left/right), T — Σ gridCol. * где W — ширина полосы набора (pgSz−pgMar left/right), T — Σ gridCol,
* X — прямой {@code w:tblInd} (отсутствующий или нулевой — 0). Свёртка
* обязательна и при X=0: docx4j пишет центрированию абсолютный
* {@code start-indent=(W−T)/2} БЕЗ вычета левого cellMar, а padding-
* компенсация {@code LayoutPostRenderer} (шаг 4.25, рассчитана на tblInd-ветку,
* где docx4j padding вычитает) прибавляет padding поверх — текст уезжает на
* +padding от Word (замер: 165.57pt вместо 160.15pt).
* *
* <p>Пропускается (не ломая существующее поведение): документы без * <p>Пропускается (не ломая существующее поведение): документы без
* единственного body-level {@code w:sectPr} (несколько секций — полоса * единственного body-level {@code w:sectPr} (несколько секций — полоса
* неоднозначна), таблицы без {@code w:tblInd} (jc docx4j обрабатывает * неоднозначна), {@code w:tblW type="pct"} и таблицы с gridCol без целого
* корректно — аудит PASS), {@code w:tblW type="pct"} и таблицы с gridCol без * {@code w:w} (фактическая ширина неизвестна), {@code w:tblInd} не-dxa и
* целого {@code w:w} (фактическая ширина неизвестна). Дефолты при отсутствии * {@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 * pgSz/pgMar — 11906 и 1440/1440: измеренное поведение docx4j при отсутствующем
* {@code w:pgMar} (левый край текста = 72pt = 1440 twips), а не ECMA-дефолт * {@code w:pgMar} (левый край текста = 72pt = 1440 twips), а не ECMA-дефолт
* 1800 — нормализатор обязан считать ту же полосу, что рендерит стек. * 1800 — нормализатор обязан считать ту же полосу, что рендерит стек.
* *
* <p>Трогает только {@code word/document.xml} (признак — {@code <w:body}); * <p>{@link #normalize} трогает только {@code word/document.xml} (признак —
* нечего менять → тот же массив. Регрессия — * {@code <w:body}); нечего менять → тот же массив. {@link #rewritePart} —
* WordPdfConverterTest#tableIndentCentered_shiftedLikeWord. * хук общего прохода {@code DocxRewritePipeline}: сворачивает и таблицы в
* {@code word/headerN.xml}/{@code word/footerN.xml} (полоса — из
* document.xml, своей sectPr у частей нет). Регрессии —
* WordPdfConverterTest#tableIndentCentered_shiftedLikeWord,
* #headerTableIndent_centeredInHeader.
*/ */
public final class TableIndentNormalizer { public final class TableIndentNormalizer {
@@ -46,8 +57,13 @@ public final class TableIndentNormalizer {
private static final String DOCUMENT_ENTRY = "word/document.xml"; private static final String DOCUMENT_ENTRY = "word/document.xml";
private static final Pattern PG_SZ_W = Pattern.compile("<w:pgSz\\b[^>]*w:w=\"(\\d+)\""); private static final Pattern PG_SZ_W = Pattern.compile("<w:pgSz\\b[^>]*w:w=\"(\\d+)\"");
private static final Pattern PG_MAR_LEFT = Pattern.compile("<w:pgMar\\b[^>]*w:left=\"(\\d+)\""); // strict-OOXML пишет поля как w:start/w:end; band считается из СЫРОГО
private static final Pattern PG_MAR_RIGHT = Pattern.compile("<w:pgMar\\b[^>]*w:right=\"(\\d+)\""); // document.xml (до rule 1, которая их переименует) — чередование
// обязательно, иначе полоса строгого документа молча возьмётся из дефолтов
private static final Pattern PG_MAR_LEFT =
Pattern.compile("<w:pgMar\\b[^>]*w:(?:left|start)=\"(\\d+)\"");
private static final Pattern PG_MAR_RIGHT =
Pattern.compile("<w:pgMar\\b[^>]*w:(?:right|end)=\"(\\d+)\"");
private static final Pattern JC = private static final Pattern JC =
Pattern.compile("<w:jc\\b[^>]*w:val=\"(center|right)\"[^>]*/>"); Pattern.compile("<w:jc\\b[^>]*w:val=\"(center|right)\"[^>]*/>");
private static final Pattern TBL_IND = Pattern.compile("<w:tblInd\\b[^>]*/>"); private static final Pattern TBL_IND = Pattern.compile("<w:tblInd\\b[^>]*/>");
@@ -91,6 +107,9 @@ public final class TableIndentNormalizer {
} }
/** /**
* Переписывает jc+tblInd в абсолютный tblInd в {@code word/document.xml}
* (полоса — из его единственной body-level sectPr).
*
* @return новая строка либо null, если менять нечего * @return новая строка либо null, если менять нечего
*/ */
static String rewrite(String xml) { static String rewrite(String xml) {
@@ -101,6 +120,47 @@ public final class TableIndentNormalizer {
if (band < 0) { if (band < 0) {
return null; return null;
} }
return rewriteBand(xml, band);
}
/**
* Рерайт одной zip-записи с известной шириной полосы набора: части
* {@code word/headerN.xml}/{@code word/footerN.xml} не содержат своей
* sectPr — полосу передаёт вызывающий из {@code word/document.xml}
* (геометрия инвариантна к рерайтам цепочки: Strict не трогает
* {@code w:pgSz/@w:w} и {@code w:pgMar/@w:left|right}). Многосекционный
* документ ({@code band < 0} — полоса неоднозначна) консервативно
* пропускается, как и body. Хук общего прохода DocxRewritePipeline.
*
* @param name имя zip-записи (правятся только document/header/footer-части)
* @param band ширина полосы в twips, &lt;0 — неоднозначна
* @return новая строка либо null, если менять нечего
*/
static String rewritePart(String name, String xml, int band) {
if (DOCUMENT_ENTRY.equals(name)) {
return rewrite(xml);
}
if (!name.startsWith("word/header") && !name.startsWith("word/footer")) {
return null;
}
if (xml.indexOf("<w:tbl") < 0 || band < 0) {
return null;
}
return rewriteBand(xml, band);
}
/** Ширина полосы по единственному body-level sectPr (хук DocxRewritePipeline). */
static int bandOf(String xml) {
return bandWidth(xml);
}
/**
* Ядро свёртки: jc(center/right)+tblInd → абсолютный tblInd при заданной
* полосе {@code band}.
*
* @return новая строка либо null, если менять нечего
*/
private static String rewriteBand(String xml, int band) {
StringBuilder sb = null; StringBuilder sb = null;
int mark = 0; int mark = 0;
int scan = 0; int scan = 0;
@@ -121,13 +181,18 @@ public final class TableIndentNormalizer {
continue; continue;
} }
Matcher ind = TBL_IND.matcher(pr); Matcher ind = TBL_IND.matcher(pr);
if (!ind.find()) { boolean hasInd = ind.find();
continue; int x = 0;
} if (hasInd) {
String indTag = ind.group(); String indTag = ind.group();
Matcher indW = TBL_IND_W.matcher(indTag); Matcher indW = TBL_IND_W.matcher(indTag);
if (!indW.find() || "0".equals(indW.group(1)) if (!indW.find() || !indTag.contains("w:type=\"dxa\"")) {
|| !indTag.contains("w:type=\"dxa\"")) { continue; // не-dxa — величина сдвига неизвестна
}
x = Integer.parseInt(indW.group(1));
} else if (pr.contains("<w:tblCellSpacing")) {
// tblInd по CT_TblPrBase идёт ПОСЛЕ tblCellSpacing — вставить
// тег в корректную позицию некуда, консервативно пропускаем
continue; continue;
} }
if (pr.contains("<w:tblW") && pr.contains("w:type=\"pct\"")) { if (pr.contains("<w:tblW") && pr.contains("w:type=\"pct\"")) {
@@ -137,11 +202,11 @@ public final class TableIndentNormalizer {
if (width < 0) { if (width < 0) {
continue; continue;
} }
int x = Integer.parseInt(indW.group(1));
int newInd = "center".equals(jc.group(1)) int newInd = "center".equals(jc.group(1))
? (int) Math.round((band - width) / 2.0) + x ? (int) Math.round((band - width) / 2.0) + x
: band - width + x; : band - width + x;
String fixedPr = pr.substring(0, jc.start()) + pr.substring(jc.end()); String fixedPr = pr.substring(0, jc.start()) + pr.substring(jc.end());
if (hasInd) {
Matcher indInFixed = TBL_IND.matcher(fixedPr); Matcher indInFixed = TBL_IND.matcher(fixedPr);
indInFixed.find(); indInFixed.find();
String indTagFixed = indInFixed.group(); String indTagFixed = indInFixed.group();
@@ -149,6 +214,15 @@ public final class TableIndentNormalizer {
Matcher.quoteReplacement("w:w=\"" + newInd + "\"")); Matcher.quoteReplacement("w:w=\"" + newInd + "\""));
fixedPr = fixedPr.substring(0, indInFixed.start()) + newTag fixedPr = fixedPr.substring(0, indInFixed.start()) + newTag
+ fixedPr.substring(indInFixed.end()); + fixedPr.substring(indInFixed.end());
} else {
// X=0: tblInd на место удалённого jc — правый сосед либо
// tblBorders, либо конец tblPr (tblCellSpacing отсеян выше),
// порядок CT_TblPrBase (tblW → jc → tblCellSpacing → tblInd →
// tblBorders, wml.xsd) сохранён
fixedPr = fixedPr.substring(0, jc.start())
+ "<w:tblInd w:w=\"" + newInd + "\" w:type=\"dxa\"/>"
+ fixedPr.substring(jc.start());
}
if (sb == null) { if (sb == null) {
sb = new StringBuilder(xml.length()); sb = new StringBuilder(xml.length());
} }
@@ -0,0 +1,331 @@
package ru.pjandro.wordpdf.internal.doc;
import ru.pjandro.wordpdf.ValidationException;
import java.nio.charset.StandardCharsets;
import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
/**
* Читатель OLE2-контейнера (CFB) — вход бинарного .doc.
*
* <p>Реализация строго по [MS-CFB]: заголовок §2.2, FAT/DIFAT §2.3–2.5,
* Mini FAT §2.4, Directory §2.6. Возвращает только потоки (storage'ы
* пропускаются): имя записи → содержимое. Сектор N лежит по смещению
* (N + 1) × Sector Size (§2.3, ms-cfb.md:567); потоки короче cutoff
* (4096 байт) — в mini stream по MiniFAT-цепочке (§2.4).</p>
*
* <p>Враждебный вход: битый заголовок, сектор за концом файла, цикл в
* FAT/MiniFAT/DIFAT/directory-цепочке — {@link ValidationException}; длина
* любой цепочки ограничена числом секторов файла, иначе враждебный FAT
* зациклил бы разбор.</p>
*/
public final class CfbReader {
/** Сигнатура контейнера, MS-CFB §2.2 (Header Signature). */
static final byte[] SIGNATURE = {(byte) 0xD0, (byte) 0xCF, 0x11, (byte) 0xE0,
(byte) 0xA1, (byte) 0xB1, 0x1A, (byte) 0xE1};
/** Конец цепочки / специальные значения FAT (MS-CFB §2.1). */
private static final long ENDOFCHAIN = 0xFFFFFFFEL;
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;
/** Размер directory-записи, байт (MS-CFB §2.6). */
private static final int ENTRY_SIZE = 128;
/** Смещения полей заголовка (MS-CFB §2.2: сигнатура 8 + CLSID 16). */
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;
private static final int OFF_CUTOFF = 0x38;
private static final int OFF_FIRST_MINI_FAT = 0x3C;
private static final int OFF_FIRST_DIFAT = 0x44;
private static final int OFF_DIFAT_COUNT = 0x48;
private static final int OFF_DIFAT_ENTRIES = 0x4C;
private static final int DIFAT_ENTRIES_IN_HEADER = 109;
/** Смещения полей directory-записи (MS-CFB §2.6). */
private static final int ENTRY_NAME_LEN = 0x40;
private static final int ENTRY_TYPE = 0x42;
private static final int ENTRY_START_SECT = 0x74;
private static final int ENTRY_SIZE_LO = 0x78;
/** Минимальный заголовок — 512 байт (сектор v3). */
private static final int HEADER_SIZE = 512;
private CfbReader() {
}
/**
* Разбирает контейнер и возвращает его потоки: имя записи → байты.
* Имена регистронезависимо ищёт вызывающий ({@link #stream}).
*
* @throws ValidationException если это не CFB, файл обрезан или цепочки
* секторов цикличны/указывают за конец файла
*/
public static Map<String, byte[]> readStreams(byte[] cfb) {
if (cfb == null || cfb.length < HEADER_SIZE || !startsWithSignature(cfb)) {
throw new ValidationException("Содержимое не похоже на .doc Word 97–2003");
}
int sectorShift = u16(cfb, OFF_SECTOR_SHIFT);
int miniSectorShift = u16(cfb, OFF_MINI_SECTOR_SHIFT);
if (sectorShift != 9 && sectorShift != 12) {
throw new ValidationException("Неподдерживаемый размер сектора CFB: 2^" + sectorShift);
}
if (miniSectorShift > MAX_MINI_SECTOR_SHIFT) {
throw new ValidationException("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);
long firstMiniFat = u32(cfb, OFF_FIRST_MINI_FAT);
long firstDifat = u32(cfb, OFF_FIRST_DIFAT);
long difatCount = u32(cfb, OFF_DIFAT_COUNT);
int sectorTotal = (cfb.length - sectorSize) / sectorSize + 1; // секторов после заголовка
int[] fat = readFat(cfb, sectorSize, firstDifat, difatCount, sectorTotal);
byte[] miniStream = null;
int[] miniFat = null;
int[] dirChain = chain(fat, firstDir, sectorTotal, "цепочка directory");
List<Entry> entries = new ArrayList<>();
long rootStart = -1;
long rootSize = 0;
for (int sect : dirChain) {
int base = sectorOffset(sect, sectorSize);
for (int off = 0; off + ENTRY_SIZE <= sectorSize && base + off + ENTRY_SIZE <= cfb.length;
off += ENTRY_SIZE) {
int type = cfb[base + off + ENTRY_TYPE] & 0xFF;
if (type == TYPE_ROOT) {
rootStart = u32(cfb, base + off + ENTRY_START_SECT);
rootSize = u32(cfb, base + off + ENTRY_SIZE_LO);
} else if (type == TYPE_STREAM) {
String name = entryName(cfb, base + off);
long start = u32(cfb, base + off + ENTRY_START_SECT);
long size = u32(cfb, base + off + ENTRY_SIZE_LO);
if (!name.isEmpty() && size >= 0 && size <= cfb.length) {
entries.add(new Entry(name, start, size));
}
}
}
}
if (rootStart >= 0 && rootSize > 0) {
miniStream = readChain(cfb, fat, rootStart, rootSize, sectorSize, sectorTotal, "mini stream");
}
if (firstMiniFat != FREESECT && firstMiniFat != ENDOFCHAIN && firstMiniFat <= MAX_SECT) {
int[] miniFatSects = chain(fat, firstMiniFat, sectorTotal, "цепочка MiniFAT");
miniFat = new int[miniFatSects.length * sectorSize / 4];
int i = 0;
for (int sect : miniFatSects) {
int base = sectorOffset(sect, sectorSize);
for (int off = 0; off + 4 <= sectorSize && base + off + 4 <= cfb.length; off += 4) {
miniFat[i++] = (int) u32(cfb, base + off);
}
}
}
// второй проход: содержимое потоков
Map<String, byte[]> result = new HashMap<>();
for (Entry e : entries) {
byte[] data;
if (e.size() >= cutoff) {
data = readChain(cfb, fat, e.start(), e.size(), sectorSize, sectorTotal,
"цепочка потока «" + e.name() + "»");
} else {
data = readMiniChain(miniFat, miniStream, e.start(), e.size(), miniSectorSize);
}
result.put(e.name(), data);
}
return result;
}
/** Directory-запись потока: имя + начало цепочки + размер (до чтения данных). */
private record Entry(String name, long start, long size) {
}
/** Потока {@code name} нет → пустой массив; поиск регистронезависимый (MS-CFB §2.6). */
static byte[] stream(Map<String, byte[]> streams, String name) {
byte[] direct = streams.get(name);
if (direct != null) {
return direct;
}
for (Map.Entry<String, byte[]> e : streams.entrySet()) {
if (e.getKey().equalsIgnoreCase(name)) {
return e.getValue();
}
}
return new byte[0];
}
// ---------- internals ----------
private static boolean startsWithSignature(byte[] b) {
for (int i = 0; i < SIGNATURE.length; i++) {
if (b[i] != SIGNATURE[i]) {
return false;
}
}
return true;
}
/** Список FAT-секторов: 109 из заголовка + DIFAT-цепочка (MS-CFB §2.5). */
private static int[] readFat(byte[] cfb, int sectorSize, long firstDifat,
long difatCount, int sectorTotal) {
List<Integer> fatSectors = new ArrayList<>();
for (int i = 0; i < DIFAT_ENTRIES_IN_HEADER; i++) {
long s = u32(cfb, OFF_DIFAT_ENTRIES + i * 4);
if (s != FREESECT && s <= MAX_SECT) {
fatSectors.add((int) s);
}
}
long seen = 0;
long sect = firstDifat;
long difatLimit = Math.min(difatCount + 1, sectorTotal + 1);
while (sect != FREESECT && sect != ENDOFCHAIN && sect <= MAX_SECT) {
if (++seen > difatLimit) {
throw new ValidationException("Циклическая DIFAT-цепочка в .doc");
}
int base = sectorOffset((int) sect, sectorSize);
requireInFile(base, sectorSize, cfb.length, "DIFAT-сектор");
int entries = sectorSize / 4 - 1;
for (int i = 0; i < entries; i++) {
long s = u32(cfb, base + i * 4);
if (s != FREESECT && s <= MAX_SECT) {
fatSectors.add((int) s);
}
}
sect = u32(cfb, base + entries * 4);
}
if (fatSectors.size() > sectorTotal) {
throw new ValidationException("DIFAT объявляет больше FAT-секторов, чем может быть в файле");
}
int[] fat = new int[fatSectors.size() * sectorSize / 4];
int i = 0;
for (int fs : fatSectors) {
int base = sectorOffset(fs, sectorSize);
requireInFile(base, sectorSize, cfb.length, "FAT-сектор");
for (int off = 0; off + 4 <= sectorSize && base + off + 4 <= cfb.length; off += 4) {
fat[i++] = (int) u32(cfb, base + off);
}
}
return fat;
}
/** Цепочка секторов по FAT; цикл/выход за FAT → {@link ValidationException}. */
private static int[] chain(int[] fat, long start, int sectorTotal, String what) {
List<Integer> sectors = new ArrayList<>();
long sect = start;
int limit = Math.min(fat.length, sectorTotal) + 1;
while (sect != ENDOFCHAIN && sect >= 0 && sect <= MAX_SECT) {
if (sectors.size() > limit) {
throw new ValidationException("Циклическая " + what + " в .doc");
}
if (sect >= fat.length) {
throw new ValidationException("Сектор за концом FAT в .doc: " + what);
}
sectors.add((int) sect);
sect = fat[(int) sect] & 0xFFFFFFFFL;
}
return sectors.stream().mapToInt(Integer::intValue).toArray();
}
private static byte[] readChain(byte[] cfb, int[] fat, long start, long size,
int sectorSize, int sectorTotal, String what) {
byte[] out = new byte[(int) size];
int done = 0;
int[] chain = chain(fat, start, sectorTotal, what);
for (int sect : chain) {
if (done >= size) {
break;
}
int base = sectorOffset(sect, sectorSize);
int n = (int) Math.min(sectorSize, size - done);
if (base + n > cfb.length) {
throw new ValidationException("Поток .doc ссылается за конец файла: " + what);
}
System.arraycopy(cfb, base, out, done, n);
done += n;
}
if (done != size) {
throw new ValidationException("Обрезанный поток .doc: " + what + " (ожидалось " + size
+ " байт, цепочка дала " + done + ")");
}
return out;
}
private static byte[] readMiniChain(int[] miniFat, byte[] miniStream,
long start, long size, int miniSectorSize) {
byte[] out = new byte[(int) size];
if (size == 0) {
return out;
}
if (miniStream == null || miniFat == null) {
throw new ValidationException("Mini stream отсутствует, но есть поток в mini FAT");
}
int done = 0;
long sect = start;
int limit = miniFat.length + 1;
int steps = 0;
while (sect != ENDOFCHAIN && sect >= 0 && sect <= MAX_SECT) {
if (++steps > limit) {
throw new ValidationException("Циклическая MiniFAT-цепочка в .doc");
}
if (sect >= miniFat.length) {
throw new ValidationException("Mini-сектор за концом MiniFAT в .doc");
}
int base = (int) sect * miniSectorSize;
int n = Math.min(miniSectorSize, (int) size - done);
if (base + n > miniStream.length) {
throw new ValidationException("Mini-поток .doc ссылается за конец mini stream");
}
System.arraycopy(miniStream, base, out, done, n);
done += n;
sect = miniFat[(int) sect] & 0xFFFFFFFFL;
}
if (done != size) {
throw new ValidationException("Обрезанный mini-поток .doc (ожидалось " + size
+ " байт, цепочка дала " + done + ")");
}
return out;
}
private static int sectorOffset(int sector, int sectorSize) {
return (sector + 1) * sectorSize;
}
private static void requireInFile(int offset, int len, int fileLen, String what) {
if (offset < HEADER_SIZE || offset + len > fileLen) {
throw new ValidationException("Ссылка за конец файла в .doc: " + what);
}
}
private static String entryName(byte[] cfb, int entryBase) {
int nameLen = u16(cfb, entryBase + ENTRY_NAME_LEN);
if (nameLen < 2 || nameLen > 64) {
return "";
}
return new String(cfb, entryBase, nameLen - 2, StandardCharsets.UTF_16LE);
}
static int u16(byte[] b, int off) {
return (b[off] & 0xFF) | ((b[off + 1] & 0xFF) << 8);
}
static long u32(byte[] b, int off) {
return (b[off] & 0xFFL) | ((b[off + 1] & 0xFFL) << 8)
| ((b[off + 2] & 0xFFL) << 16) | ((b[off + 3] & 0xFFL) << 24);
}
}
@@ -0,0 +1,90 @@
package ru.pjandro.wordpdf.internal.doc;
import ru.pjandro.wordpdf.ValidationException;
import java.util.ArrayList;
import java.util.List;
/**
* Индекс прямых символьных свойств CHPX: FC-диапазон → Grpprl.
*
* <p>Алгоритм [MS-DOC] §2.4.6.2 (Direct Character Formatting): PlcfBteChpx —
* PLC (aFc n+1, PnFkpChpx n по 4 байта: pn 22 бита); ChpxFkp-страница по
* {@code pn*512} в WordDocument-потоке: rgfc (crun+1 × 4 FC-границы),
* rgb (crun × 1 байт, смещение Chpx = байт×2), crun — последний байт
* страницы; Chpx = cb (1) + grpprl (cb байт). Диапазон rgfc[j]..rgfc[j+1]
* получает grpprl своего Chpx; bOffset=0 — свойств нет (дефолт).</p>
*/
final class ChpxIndex {
/** Размер FKP-страницы, байт (§2.9, ChpxFkp). */
private static final int FKP_PAGE_SIZE = 512;
private record Range(long fcStart, long fcEnd, byte[] grpprl) {
}
private final List<Range> ranges = new ArrayList<>();
private ChpxIndex(byte[] tableStream, long fcBte, long lcbBte, byte[] wordDocument) {
if (lcbBte <= 0) {
return;
}
if (fcBte < 0 || fcBte + lcbBte > tableStream.length || (lcbBte - 4) % 8 != 0) {
throw new ValidationException("Битый PlcfBteChpx в .doc");
}
int n = (int) ((lcbBte - 4) / 8);
for (int i = 0; i < n; i++) {
long fcStart = CfbReader.u32(tableStream, (int) fcBte + i * 4);
long fcEnd = CfbReader.u32(tableStream, (int) fcBte + i * 4 + 4);
long pn = CfbReader.u32(tableStream, (int) fcBte + (n + 1) * 4 + i * 4) & 0x3FFFFFL;
long pageOff = pn * FKP_PAGE_SIZE;
if (pageOff + FKP_PAGE_SIZE > wordDocument.length) {
throw new ValidationException("ChpxFkp вне WordDocument-потока в .doc");
}
int crun = wordDocument[(int) (pageOff + FKP_PAGE_SIZE - 1)] & 0xFF;
if (crun < 1 || crun > 0x65) {
throw new ValidationException("Битый crun в ChpxFkp .doc");
}
for (int j = 0; j < crun; j++) {
long rgfcStart = CfbReader.u32(wordDocument, (int) pageOff + j * 4);
long rgfcEnd = CfbReader.u32(wordDocument, (int) pageOff + (j + 1) * 4);
int bx = wordDocument[(int) pageOff + 4 * (crun + 1) + j] & 0xFF;
if (bx == 0 || rgfcEnd <= rgfcStart) {
continue;
}
int chpxOff = (int) pageOff + bx * 2;
int cb = wordDocument[chpxOff] & 0xFF;
if (cb == 0 || chpxOff + 1 + cb > pageOff + FKP_PAGE_SIZE) {
continue;
}
byte[] grpprl = new byte[cb];
System.arraycopy(wordDocument, chpxOff + 1, grpprl, 0, cb);
ranges.add(new Range(Math.max(rgfcStart, fcStart), Math.min(rgfcEnd, fcEnd), grpprl));
}
}
}
static ChpxIndex read(byte[] tableStream, long fcBte, long lcbBte, byte[] wordDocument) {
return new ChpxIndex(tableStream, fcBte, lcbBte, wordDocument);
}
/** Grpprl для FC или пустой массив (дефолтные свойства). */
byte[] grpprlFor(long fc) {
for (Range r : ranges) {
if (fc >= r.fcStart() && fc < r.fcEnd()) {
return r.grpprl();
}
}
return new byte[0];
}
/** FC конца текущего диапазона свойств (или {@code fcLimit}) — граница рана. */
long rangeEnd(long fc, long fcLimit) {
for (Range r : ranges) {
if (fc >= r.fcStart() && fc < r.fcEnd()) {
return Math.min(r.fcEnd(), fcLimit);
}
}
return fcLimit;
}
}
@@ -0,0 +1,97 @@
package ru.pjandro.wordpdf.internal.doc;
import java.util.Map;
import ru.pjandro.wordpdf.ValidationException;
/**
* Дешёвый разбор бинарного .doc: CFB-контейнер → FIB → piece table.
*
* <p>Общая основа моста {@link DocToDocx} и проверки числа страниц
* ({@link #countPages()}), которую {@code WordPdfValidator} вызывает через
* {@link DocToDocx#countPages(byte[]}) <b>до</b> конвертации в .docx —
* аналог lightweight-прохода валидатора по zip.</p>
*
* <p>Контракт ошибок: любой некорректный вход (не CFB, не Word, шифрование,
* Word 6/95, обрезка) — {@link ValidationException}.</p>
*/
final class DocFile {
private final Map<String, byte[]> streams;
private final byte[] wordDocument;
private final FibHeader fib;
private final byte[] table;
private final PieceTable pieces;
private DocFile(byte[] docBytes) {
streams = CfbReader.readStreams(docBytes);
if (CfbReader.stream(streams, "EncryptedPackage").length > 0
|| CfbReader.stream(streams, "EncryptedStream").length > 0) {
throw new ValidationException(
"Документ зашифрован (пароль на открытие) — конвертация невозможна");
}
wordDocument = CfbReader.stream(streams, "WordDocument");
if (wordDocument.length == 0) {
throw new ValidationException("Содержимое не похоже на .doc Word 97–2003");
}
fib = FibHeader.read(wordDocument);
table = CfbReader.stream(streams, fib.use1Table() ? "1Table" : "0Table");
if (table.length == 0) {
throw new ValidationException("В .doc нет потока "
+ (fib.use1Table() ? "1Table" : "0Table"));
}
pieces = PieceTable.read(table, fib.fcClx(), fib.lcbClx(), wordDocument);
}
static DocFile open(byte[] docBytes) {
return new DocFile(docBytes);
}
/**
* Число страниц (нижняя оценка, тот же нижний контур, что lightweight-скан
* валидатора для .docx): {@code max(кэш PageCount [MS-OLEPS], 1 + ручные
* разрывы 0x0C (§2.8.26) − непрерывные межсекционные разрывы (sprmSBkc) +
* абзацы с sprmPFPageBreakBefore)}. Кэша нет (0) — работают разрывы.
*/
int countPages() {
int cached = SummaryInfo.pageCount(
CfbReader.stream(streams, "\u0005SummaryInformation"));
PapxIndex papx = PapxIndex.read(table, fib.fcPlcfBtePapx(), fib.lcbPlcfBtePapx(),
wordDocument);
Sections sections = Sections.read(table, fib.fcPlcfSed(), fib.lcbPlcfSed(),
wordDocument, fib.ccpText());
return Math.max(cached, 1 + countPageBreaks() - sections.continuousSectionEnds()
+ papx.countPageBreakBefore());
}
/** Число символов 0x0C (разрыв страницы/колонки/секции, §2.2) в основном тексте. */
int countPageBreaks() {
int count = 0;
for (int cp = 0; cp < fib.ccpText(); cp++) {
if (pieces.charAt(cp) == DocToDocx.PAGE_OR_SECTION_BREAK) {
count++;
}
}
return count;
}
Map<String, byte[]> streams() {
return streams;
}
byte[] wordDocument() {
return wordDocument;
}
FibHeader fib() {
return fib;
}
byte[] table() {
return table;
}
PieceTable pieces() {
return pieces;
}
}
File diff suppressed because it is too large Load Diff
@@ -0,0 +1,128 @@
package ru.pjandro.wordpdf.internal.doc;
import java.io.ByteArrayOutputStream;
import java.io.IOException;
import java.nio.charset.StandardCharsets;
import java.util.LinkedHashSet;
import java.util.List;
import java.util.Set;
import java.util.zip.ZipEntry;
import java.util.zip.ZipOutputStream;
/**
* Сборка минимального transitional-OOXML пакета (.docx) из тела
* {@code <w:body>} и дополнительных частей (колонтитуки, картинки).
*
* <p>Части: [Content_Types].xml, _rels/.rels, word/_rels/document.xml.rels,
* word/document.xml + переданные {@link Part}. Ссылки частей получают
* {@code rId1…} в порядке списка (officeDocument — только в _rels/.rels,
* self-ссылка в rels документа недопустима); вызывающий обязан
* использовать те же id в {@code w:headerReference}/{@code w:pic}. XML-части
* идут в [Content_Types].xml как Override, медиа — как Default по расширению
* (дедупликация по расширению). Байты уходят в штатный пайплайн docx4j
* (шаги 1–7 {@code WordPdfConverter}).</p>
*/
final class DocxWriter {
/** Часть пакета кроме document.xml: zip-запись, content-type, тип связи, байты. */
record Part(String entry, String contentType, String relType, byte[] content) {
}
/** Пространства имён корня document.xml/hdr/ftr: w + r (rels) + DrawingML. */
static final String NAMESPACES = "xmlns:w=\"http://schemas.openxmlformats.org/wordprocessingml/2006/main\""
+ " xmlns:r=\"http://schemas.openxmlformats.org/officeDocument/2006/relationships\""
+ " 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\"";
private static final String XML_DECL = "<?xml version=\"1.0\" encoding=\"UTF-8\" standalone=\"yes\"?>";
private static final String ROOT_RELS = XML_DECL
+ "<Relationships xmlns=\"http://schemas.openxmlformats.org/package/2006/relationships\">"
+ "<Relationship Id=\"rId1\" "
+ "Type=\"http://schemas.openxmlformats.org/officeDocument/2006/relationships/officeDocument\" "
+ "Target=\"word/document.xml\"/></Relationships>";
private DocxWriter() {
}
/**
* Пакет из готового XML-тела {@code <w:body>} (без самого элемента)
* и дополнительных частей (их id — {@code rId2…} по порядку списка).
*/
static byte[] write(String bodyXml, List<Part> parts) {
String document = XML_DECL + "<w:document " + NAMESPACES + "><w:body>"
+ bodyXml + "</w:body></w:document>";
ByteArrayOutputStream bos = new ByteArrayOutputStream(1 << 14);
try (ZipOutputStream zip = new ZipOutputStream(bos, StandardCharsets.UTF_8)) {
put(zip, "[Content_Types].xml", contentTypes(parts));
put(zip, "_rels/.rels", ROOT_RELS);
put(zip, "word/_rels/document.xml.rels", documentRels(parts));
put(zip, "word/document.xml", document);
for (Part part : parts) {
zip.putNextEntry(new ZipEntry(part.entry()));
zip.write(part.content());
zip.closeEntry();
}
} catch (IOException e) {
throw new IllegalStateException("Не удалось собрать .docx из .doc", e);
}
return bos.toByteArray();
}
/** XML-часть колонтитука: {@code <w:hdr>}/{@code <w:ftr>} с полным набором имён. */
static byte[] storyPart(String rootElement, String paragraphsXml) {
return (XML_DECL + "<" + rootElement + " " + NAMESPACES + ">"
+ paragraphsXml + "</" + rootElement + ">").getBytes(StandardCharsets.UTF_8);
}
private static String contentTypes(List<Part> parts) {
StringBuilder xml = new StringBuilder(XML_DECL)
.append("<Types xmlns=\"http://schemas.openxmlformats.org/package/2006/content-types\">")
.append("<Default Extension=\"rels\" ")
.append("ContentType=\"application/vnd.openxmlformats-package.relationships+xml\"/>")
.append("<Default Extension=\"xml\" ContentType=\"application/xml\"/>");
Set<String> mediaExtensions = new LinkedHashSet<>();
for (Part part : parts) {
if (part.entry().endsWith(".xml")) {
xml.append("<Override PartName=\"/").append(part.entry())
.append("\" ContentType=\"").append(part.contentType()).append("\"/>");
} else {
int dot = part.entry().lastIndexOf('.');
String ext = dot < 0 ? part.entry() : part.entry().substring(dot + 1);
if (mediaExtensions.add(ext)) {
xml.append("<Default Extension=\"").append(ext)
.append("\" ContentType=\"").append(part.contentType()).append("\"/>");
}
}
}
xml.append("<Override PartName=\"/word/document.xml\" ")
.append("ContentType=\"application/vnd.openxmlformats-officedocument")
.append(".wordprocessingml.document.main+xml\"/></Types>");
return xml.toString();
}
/**
* Связи document.xml: части в порядке списка (rId1…). officeDocument
* здесь нет — он только в _rels/.rels; self-ссылка зациклила бы
* docx4j {@code PartialDeepCopy.deepCopyRelationships}.
*/
private static String documentRels(List<Part> parts) {
StringBuilder xml = new StringBuilder(XML_DECL)
.append("<Relationships xmlns=\"http://schemas.openxmlformats.org/package/2006/relationships\">");
for (int i = 0; i < parts.size(); i++) {
Part part = parts.get(i);
String target = part.entry().startsWith("word/")
? part.entry().substring("word/".length()) : part.entry();
xml.append("<Relationship Id=\"rId").append(1 + i).append("\" Type=\"")
.append(part.relType()).append("\" Target=\"").append(target).append("\"/>");
}
return xml.append("</Relationships>").toString();
}
private static void put(ZipOutputStream zip, String name, String content) throws IOException {
zip.putNextEntry(new ZipEntry(name));
zip.write(content.getBytes(StandardCharsets.UTF_8));
zip.closeEntry();
}
}
@@ -0,0 +1,253 @@
package ru.pjandro.wordpdf.internal.doc;
import ru.pjandro.wordpdf.ValidationException;
/**
* Разбор File Information Block (FIB) — заголовка WordDocument-потока.
*
* <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
* пары стоят на фиксированных индексах.</p>
*/
final class FibHeader {
/** Магическое число Word Binary File (§2.5.2, wIdent). */
private static final int W_IDENT = 0xA5EC;
/** Минимальная версия — Word 97 (§2.5.14 «Determining the nFib»). */
private static final int N_FIB_WORD97 = 0x00C1;
/** Смещения FibBase (§2.5.2). */
private static final int OFF_W_IDENT = 0;
private static final int OFF_N_FIB = 2;
private static final int OFF_FLAGS = 10;
private static final int BIT_F_ENCRYPTED = 8;
private static final int BIT_F_WHICH_TBL_STM = 9;
/** 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;
/** Смещения после FibBase (§2.5.1). */
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;
private static final int OFF_CCP_TEXT = OFF_FIB_RG_LW + 3 * 4;
private static final int OFF_CCP_FTN = OFF_FIB_RG_LW + 4 * 4;
private static final int OFF_CCP_HDD = OFF_FIB_RG_LW + 5 * 4;
private static final int OFF_CB_RG_FC_LCB = 152;
private static final int OFF_BLOB = 154;
/** Индексы пар (fc,lcb) в FibRgFcLcb97 (§2.5.6, порядок полей). */
private static final int PAIR_STSHF = 1;
private static final int PAIR_PLCF_SED = 6;
private static final int PAIR_PLCF_HDD = 11;
private static final int PAIR_PLCF_BTE_CHPX = 12;
private static final int PAIR_PLCF_BTE_PAPX = 13;
private static final int PAIR_STTBF_FFN = 15;
private static final int PAIR_CLX = 33;
private static final int PAIR_PLF_LST = 73;
private static final int PAIR_PLF_LFO = 74;
private final int ccpText;
private final int ccpFtn;
private final int ccpHdd;
private final int cbMac;
private final boolean use1Table;
private final long fcStshf;
private final long lcbStshf;
private final long fcPlcfSed;
private final long lcbPlcfSed;
private final long fcPlcfHdd;
private final long lcbPlcfHdd;
private final long fcPlcfBteChpx;
private final long lcbPlcfBteChpx;
private final long fcPlcfBtePapx;
private final long lcbPlcfBtePapx;
private final long fcSttbfFfn;
private final long lcbSttbfFfn;
private final long fcClx;
private final long lcbClx;
private final long fcPlfLst;
private final long lcbPlfLst;
private final long fcPlfLfo;
private final long lcbPlfLfo;
private FibHeader(byte[] wd) {
int wIdent = (int) CfbReader.u32(wd, OFF_W_IDENT) & 0xFFFF;
int nFib = (int) CfbReader.u32(wd, OFF_N_FIB) & 0xFFFF;
if (wIdent != W_IDENT) {
throw new ValidationException("Содержимое не похоже на .doc Word 97–2003");
}
if (nFib < N_FIB_WORD97) {
throw new ValidationException("Поддерживаются только документы Word 97–2003");
}
int flags = (int) CfbReader.u32(wd, OFF_FLAGS) & 0xFFFF;
if (((flags >> BIT_F_ENCRYPTED) & BIT_ON) == BIT_ON) {
throw new ValidationException("Документ зашифрован (пароль на открытие) — конвертация невозможна");
}
use1Table = ((flags >> BIT_F_WHICH_TBL_STM) & BIT_ON) == BIT_ON;
int cslw = (int) CfbReader.u32(wd, OFF_CSLW) & 0xFFFF;
if (cslw < MIN_CSLW) {
throw new ValidationException("Обрезанный FIB в .doc");
}
cbMac = (int) CfbReader.u32(wd, OFF_CB_MAC);
ccpText = (int) CfbReader.u32(wd, OFF_CCP_TEXT);
ccpFtn = (int) CfbReader.u32(wd, OFF_CCP_FTN);
ccpHdd = (int) CfbReader.u32(wd, OFF_CCP_HDD);
if (ccpText < 0) {
throw new ValidationException("Отрицательная длина текста в .doc");
}
int cbRgFcLcb = (int) CfbReader.u32(wd, OFF_CB_RG_FC_LCB) & 0xFFFF;
if (cbRgFcLcb <= PAIR_CLX) {
throw new ValidationException("Устаревшая структура FIB в .doc");
}
long[] stshf = pair(wd, PAIR_STSHF);
fcStshf = stshf[0];
lcbStshf = stshf[1];
long[] sed = pair(wd, PAIR_PLCF_SED);
fcPlcfSed = sed[0];
lcbPlcfSed = sed[1];
long[] hdd = pair(wd, PAIR_PLCF_HDD);
fcPlcfHdd = hdd[0];
lcbPlcfHdd = hdd[1];
long[] chpx = pair(wd, PAIR_PLCF_BTE_CHPX);
fcPlcfBteChpx = chpx[0];
lcbPlcfBteChpx = chpx[1];
long[] papx = pair(wd, PAIR_PLCF_BTE_PAPX);
fcPlcfBtePapx = papx[0];
lcbPlcfBtePapx = papx[1];
long[] ffn = pair(wd, PAIR_STTBF_FFN);
fcSttbfFfn = ffn[0];
lcbSttbfFfn = ffn[1];
long[] clx = pair(wd, PAIR_CLX);
fcClx = clx[0];
lcbClx = clx[1];
long[] lst = pair(wd, PAIR_PLF_LST);
fcPlfLst = lst[0];
lcbPlfLst = lst[1];
long[] lfo = pair(wd, PAIR_PLF_LFO);
fcPlfLfo = lfo[0];
lcbPlfLfo = lfo[1];
}
/** Точка входа: разбор WordDocument-потока. */
static FibHeader read(byte[] wordDocument) {
if (wordDocument.length < OFF_BLOB) {
throw new ValidationException("Содержимое не похоже на .doc Word 97–2003");
}
return new FibHeader(wordDocument);
}
private static long[] pair(byte[] wd, int index) {
int off = OFF_BLOB + index * 8;
if (off + 8 > wd.length) {
throw new ValidationException("Обрезанный FIB в .doc");
}
return new long[] {CfbReader.u32(wd, off), CfbReader.u32(wd, off + 4)};
}
/** Число CP основного текста (§2.5.4 ccpText). */
int ccpText() {
return ccpText;
}
/** Число CP сносок (§2.5.4 ccpFtn) — стори колонтитуков идут после них. */
int ccpFtn() {
return ccpFtn;
}
/** Число CP колонтитуков (§2.5.4 ccpHdd). */
int ccpHdd() {
return ccpHdd;
}
/** Предел значимых байт WordDocument-потока (§2.5.4 cbMac). */
int cbMac() {
return cbMac;
}
/** Табличный поток — {@code 1Table} при true, иначе {@code 0Table} (§2.2). */
boolean use1Table() {
return use1Table;
}
/** Смещение STSH в табличном потоке (§2.5.6 fcStshf); lcb=0 — стилей нет. */
long fcStshf() {
return fcStshf;
}
long lcbStshf() {
return lcbStshf;
}
long fcPlcfSed() {
return fcPlcfSed;
}
long lcbPlcfSed() {
return lcbPlcfSed;
}
long fcPlcfHdd() {
return fcPlcfHdd;
}
long lcbPlcfHdd() {
return lcbPlcfHdd;
}
long fcPlcfBteChpx() {
return fcPlcfBteChpx;
}
long lcbPlcfBteChpx() {
return lcbPlcfBteChpx;
}
long fcPlcfBtePapx() {
return fcPlcfBtePapx;
}
long lcbPlcfBtePapx() {
return lcbPlcfBtePapx;
}
long fcSttbfFfn() {
return fcSttbfFfn;
}
long lcbSttbfFfn() {
return lcbSttbfFfn;
}
long fcClx() {
return fcClx;
}
long lcbClx() {
return lcbClx;
}
/** Смещение PlfLst в табличном потоке (§2.5.6 fcPlfLst); lcb=0 — списков нет. */
long fcPlfLst() {
return fcPlfLst;
}
long lcbPlfLst() {
return lcbPlfLst;
}
/** Смещение PlfLfo (§2.5.6 fcPlfLfo); lcb=0 — fcPlfLfo не определён (§2.5.6). */
long fcPlfLfo() {
return fcPlfLfo;
}
long lcbPlfLfo() {
return lcbPlfLfo;
}
}
@@ -0,0 +1,61 @@
package ru.pjandro.wordpdf.internal.doc;
import ru.pjandro.wordpdf.ValidationException;
import java.nio.charset.StandardCharsets;
import java.util.ArrayList;
import java.util.List;
/**
* Таблица шрифтов SttbfFfn — имена по индексам sprmCRgFtc0/1.
*
* <p>[MS-DOC] §2.9: SttbfFfn — не-extended STTB (заголовок cData 2 + cbExtra 2,
* без fExtend), элементы: cchData (1 байт) + Data (FFN-запись). FFN (§2.9):
* ffid(1) + wWeight(2) + chs(1) + ixchSzAlt(1) + panose(10) + fs(24) = 39 байт,
* затем xszFfn — null-terminated Unicode-имя шрифта. Проверено на фикстуре
* ru-plain.doc (9 шрифтов, lcb выбран целиком).</p>
*/
final class FontTable {
/** Размер FFN-записи до имени (ffid+wWeight+chs+ixchSzAlt+panose+fs). */
private static final int FFN_NAME_OFFSET = 1 + 2 + 1 + 1 + 10 + 24;
private final List<String> names;
private FontTable(byte[] table, long fc, long lcb) {
names = new ArrayList<>();
if (lcb <= 0) {
return;
}
if (fc < 0 || lcb <= 0 || fc + lcb > table.length || lcb < 4) {
throw new ValidationException("Таблица шрифтов .doc выходит за поток");
}
int cData = (int) CfbReader.u32(table, (int) fc) & 0xFFFF;
int p = (int) fc + 4;
int end = (int) (fc + lcb);
for (int i = 0; i < cData; i++) {
if (p + 1 > end) {
throw new ValidationException("Обрезанная таблица шрифтов .doc");
}
int cch = table[p] & 0xFF;
p += 1;
if (cch < FFN_NAME_OFFSET || p + cch > end) {
throw new ValidationException("Битая FFN-запись в .doc");
}
String raw = new String(table, p + FFN_NAME_OFFSET, cch - FFN_NAME_OFFSET,
StandardCharsets.UTF_16LE);
names.add(raw.split("\0", 2)[0]);
p += cch;
}
}
/** Таблица по {@code fcSttbfFfn} из табличного потока; lcb=0 → пустая. */
static FontTable read(byte[] tableStream, long fc, long lcb) {
return new FontTable(tableStream, fc, lcb);
}
/** Имя шрифта по индексу sprmCRgFtc0/1; вне таблицы → {@code null}. */
String font(int index) {
return index >= 0 && index < names.size() ? names.get(index) : null;
}
}
@@ -0,0 +1,287 @@
package ru.pjandro.wordpdf.internal.doc;
/**
* Разбор Grpprl — массива Prl (sprm + операнд), [MS-DOC] §2.6.
*
* <p>Sprm (16 бит): ispmd = sprm &amp; 0x1FF, fSpec = (sprm &gt;&gt; 9) &amp; 1,
* sgc = (sprm &gt;&gt; 10) &amp; 7, spra = sprm &gt;&gt; 13. Размер операнда по
* spra (§2.6, таблица Spra): 0 = ToggleOperand (1 байт), 1 = 1, 2 = 2,
* 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:
* sprmPJc = 0x2461, sprmSDxaLeft = 0xB021, sprmCKul ispmd 0x3E fSpec 1.</p>
*/
final class Grpprl {
// Character Properties (§2.6.1, sgc 2)
static final int SPRM_C_F_BOLD = 0x0835;
static final int SPRM_C_F_ITALIC = 0x0836;
static final int SPRM_C_F_STRIKE = 0x0837;
static final int SPRM_C_KUL = 0x2A3E;
static final int SPRM_C_HPS = 0x4A43;
static final int SPRM_C_HPS_BI = 0x4A61;
static final int SPRM_C_RG_FTC0 = 0x4A4F;
static final int SPRM_C_RG_FTC1 = 0x4A50;
static final int SPRM_C_CV = 0x6870;
/**
* 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:
* фикстуры пишут их непоследовательно (ole-embedded — без CFSpec),
* а различает картинку/бинарник сам cbHeader.
*/
static final int SPRM_C_PIC_LOCATION = 0x6A03;
// Paragraph Properties (§2.6.2, sgc 1)
static final int SPRM_P_ISTD = 0x4600;
static final int SPRM_P_JC80 = 0x2403;
static final int SPRM_P_F_PAGE_BREAK_BEFORE = 0x2407;
static final int SPRM_P_F_IN_TABLE = 0x2416;
static final int SPRM_P_F_TTP = 0x2417;
static final int SPRM_P_DYA_LINE = 0x6412;
static final int SPRM_P_DYA_BEFORE = 0xA413;
static final int SPRM_P_DYA_AFTER = 0xA414;
static final int SPRM_P_JC = 0x2461;
static final int SPRM_P_DXA_RIGHT = 0x845D;
static final int SPRM_P_DXA_LEFT = 0x845E;
static final int SPRM_P_DXA_LEFT1 = 0x8460;
/**
* 80-варианты отступов (§2.6.2, все XAS 2 Б): sprmPDxaRight80,
* sprmPDxaLeft80, sprmPNest80, sprmPDxaLeft180 и современный sprmPNest —
* документы со старым происхождением несут только их; накопление —
* {@link Indents}.
*/
static final int SPRM_P_DXA_RIGHT80 = 0x840E;
static final int SPRM_P_DXA_LEFT80 = 0x840F;
static final int SPRM_P_NEST80 = 0x4610;
static final int SPRM_P_DXA_LEFT180 = 0x8411;
static final int SPRM_P_NEST = 0x465F;
/**
* sprmPChgTabsPapx (§2.6.2, переменный): PChgTabsPapxOperand (§2.9.183) —
* кастомные табы абзаца. Значение 0xC60D — по таблице §2.6.2
* (sgc 1 = PAP); 0xD60D был бы sgc 5.
*/
static final int SPRM_P_CHG_TABS_PAPX = 0xC60D;
/**
* sprmPChgTabs (§2.6.2, переменный): PChgTabsOperand (§2.9.182) — тот же
* смысл, но с спец-семантикой cb=0xFF; в PAPX Word пишет 0xC60D, здесь
* только корректный пропуск (в §2.9.182 длина при cb=0xFF считается по
* формуле — операнд помечен как «MAY be ignored», разбор обрывается).
*/
static final int SPRM_P_CHG_TABS = 0xC615;
/**
* sprmPIlvl (§2.6.2, 1 байт): уровень списка 0..8; 0x0C — «пропустить,
* не нумеровать». Игнорируется, если абзац не в списке (sprmPIlfo=0).
*/
static final int SPRM_P_ILVL = 0x260A;
/**
* sprmPIlfo (§2.6.2, 2 байта, i16): 0/0xF801 — абзац не в списке;
* 1..0x07FE — 1-базированный индекс в PlfLfo.rgLfo; 0xF802..0xFFFF —
* отрицание индекса (список тот же, отступы абзаца сохраняются).
*/
static final int SPRM_P_ILFO = 0x460B;
// Table Properties (§2.6.3, sgc 5)
static final int SPRM_T_TABLE_BORDERS_80 = 0xD605;
static final int SPRM_T_DEF_TABLE = 0xD608;
static final int SPRM_T_TABLE_BORDERS = 0xD613;
/**
* sprmTJc (§2.6.3, 2 байта, u16): логическое выравнивание таблицы
* 0 = logical left, 1 = center, 2 = logical right (по умолчанию left).
* В LTR совпадает с физическим sprmTJc90; FOP complex-script не
* поддерживает (RTL вне контура репозитория) → единый маппинг.
*/
static final int SPRM_T_JC = 0x548A;
/**
* sprmTJc90 (§2.6.3, 2 байта, u16): физическое выравнивание таблицы
* (Word 6/95): 0 = physical left, 1 = center, 2 = physical right.
* Отличается от логического sprmTJc только в RTL/bidi (вне контура) →
* единый маппинг.
*/
static final int SPRM_T_JC90 = 0x5400;
// Section Properties (§2.6.4, sgc 4)
static final int SPRM_S_DYA_HDR_TOP = 0xB017;
static final int SPRM_S_DYA_HDR_BOTTOM = 0xB018;
static final int SPRM_S_XA_PAGE = 0xB01F;
static final int SPRM_S_YA_PAGE = 0xB020;
static final int SPRM_S_DXA_LEFT = 0xB021;
static final int SPRM_S_DXA_RIGHT = 0xB022;
static final int SPRM_S_DYA_TOP = 0x9023;
static final int SPRM_S_DYA_BOTTOM = 0x9024;
static final int SPRM_S_BKC = 0x3009;
/**
* Накопитель абзацных отступов PAPX (§2.6.2) — общий для
* {@code DocxBody.paraProps} и {@code Lists.indXml} (grpprlPapx уровня).
*
* <p>Два семейства: современное (sprmPDxaLeft + sprmPNest) и 80-е
* (sprmPDxaLeft80 + sprmPNest80); nest прибавляется к СВОЕМУ dxaLeft.
* Если в grpprl встретился хоть один современный sprm левого отступа,
* 80-е семейство вытесняется целиком (защитный tie-break для смешанных
* PAPX: реальные документы несут одно семейство, sprmPNest supersede'ит
* sprmPNest80 внутри этого правила). right и left1 — слияние last-wins:
* 80-й и современный варианты имеют одинаковый смысл (правое поле;
* отступ первой строки относительно абзаца), побеждает последний Prl.</p>
*/
static final class Indents {
private int left;
private int nest;
private boolean modern;
private int left80;
private int nest80;
private int right = -1;
private int left1 = Integer.MIN_VALUE;
/** Кормить каждым Prl скана PAPX; не-отступные sprm игнорируются. */
void prl(int sprm, byte[] buf, int off, int len) {
switch (sprm) {
case SPRM_P_DXA_LEFT -> {
modern = true;
left = operandInt(buf, off, len);
}
case SPRM_P_NEST -> {
modern = true;
nest = operandInt(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_RIGHT, SPRM_P_DXA_RIGHT80 ->
right = operandInt(buf, off, len);
case SPRM_P_DXA_LEFT1, SPRM_P_DXA_LEFT180 ->
left1 = signedXas(buf, off, len);
default -> { }
}
}
/** Итоговый w:left: dxaLeft + nest победившего семейства. */
int left() {
return modern ? left + nest : left80 + nest80;
}
/** w:right; −1 — не задан. */
int right() {
return right;
}
/** XAS со знаком; {@code Integer.MIN_VALUE} — не задан. */
int left1() {
return left1;
}
/** XAS-операнд со знаком (§2.6.2), приём DocxBody/Tables. */
private static int signedXas(byte[] buf, int off, int len) {
int v = operandInt(buf, off, len);
if (len == 2 && (v & 0x8000) != 0) {
v -= 0x10000;
}
return v;
}
}
/** Вызывается на каждый Prl в порядке следования (last-wins у вызывающего). */
interface PrlSink {
/**
* @param sprm 16-битный sprm
* @param buf буфер с операндом
* @param off смещение операнда в buf
* @param len длина операнда (0 для spra=0 без байта — не встречается)
*/
void prl(int sprm, byte[] buf, int off, int len);
}
private Grpprl() {
}
/**
* Обходит grpprl {@code buf[off..off+len)}, вызывая sink на каждый Prl.
* Битый хвост (операнд не влезает) — обрыв без исключения: свойства
* перестают применяться, документ не отбрасывается.
*/
static void scan(byte[] buf, int off, int len, PrlSink sink) {
int p = off;
int end = off + len;
while (p + 2 <= end) {
int sprm = (buf[p] & 0xFF) | ((buf[p + 1] & 0xFF) << 8);
p += 2;
int size = operandSize(sprm, buf, p, end);
if (size < 0 || p + size > end) {
return;
}
sink.prl(sprm, buf, p, size);
p += size;
}
}
/** Длина операнда по spra; -1 — переменный формат битый. */
private static int operandSize(int sprm, byte[] buf, int p, int end) {
int spra = sprm >> 13;
switch (spra) {
case 0: // ToggleOperand — 1 байт
case 1:
return 1;
case 2:
case 4:
case 5:
return 2;
case 3:
return 4;
case 7:
return 3;
case 6: { // переменный: первый байт — длина остального
if (p >= end) {
return -1;
}
if (sprm == SPRM_T_DEF_TABLE) {
// TDefTableOperand (§2.9.321): cb (2 байта) = «размер
// остатка + 1» → весь операнд = cb + 1. Формула
// «1 + первый байт» совпадает только при cb < 256.
if (p + 2 > end) {
return -1;
}
int cb = (buf[p] & 0xFF) | ((buf[p + 1] & 0xFF) << 8);
if (cb < 2 || p + cb + 1 > end) {
return -1;
}
return cb + 1;
}
if (sprm == SPRM_P_CHG_TABS && (buf[p] & 0xFF) == 0xFF) {
// PChgTabsOperand (§2.9.182): cb=0xFF — длина по раскладке
// cb(1) + cTabsDel(1) + rgdxaDel(2n) + rgdxaClose(2n)
// + cTabsAdd(1) + rgdxaAdd(2m) + rgtbdAdd(m) = 3 + 4n + 3m.
// Обрыв (−1) — только если cTabsAdd не читается: иначе
// смещение разбора съедало бы следующие Prl.
if (p + 2 > end) {
return -1;
}
int n = buf[p + 1] & 0xFF;
if (p + 2 + 4 * n + 1 > end) {
return -1;
}
int m = buf[p + 2 + 4 * n] & 0xFF;
return 3 + 4 * n + 3 * m;
}
return 1 + (buf[p] & 0xFF);
}
default:
return -1;
}
}
/** Операнд как unsigned int (младшие байты). */
static int operandInt(byte[] buf, int off, int len) {
int v = 0;
for (int i = 0; i < len && i < 4; i++) {
v |= (buf[off + i] & 0xFF) << (8 * i);
}
return v;
}
/** Toggle-операнд: бит 0 = on; чётное («переключить от предыдущего») = off. */
static boolean toggleOn(byte[] buf, int off) {
return (buf[off] & 1) == 1;
}
}
@@ -0,0 +1,103 @@
package ru.pjandro.wordpdf.internal.doc;
import ru.pjandro.wordpdf.ValidationException;
/**
* Header Document (.doc): истории колонтитуков по {@code Plcfhdd}
* ([MS-DOC] §2.8.22 — PLC из одних CP; §2.4.4 — 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,
* 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>
*
* <p>В перенос идут odd header/footer каждой секции как {@code type="default"}
* — FOP не различает чётные/нечётные страницы, а {@code titlePg} (первая
* страница) не поддерживается. История с {@code cpStart == cpEnd} не
* определена — часть и ссылка не эмитятся, docx4j наследует полосы
* предыдущей секции (§2.4.4 «Same as Previous»).</p>
*/
final class Headers {
/** CP-диапазон одной истории [cpStart, cpEnd); последний ¶ — guard-абзац. */
record Story(int cpStart, int cpEnd) {
/**
* История НЕ определена (§2.4.4: «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
* этом НЕ empty(): это явно пустой колонтитул, обрывающий
* наследование.
*/
boolean empty() {
return cpStart == cpEnd;
}
/** Есть ли содержимое за пределами guard-абзаца. */
boolean hasContent() {
return cpEnd - cpStart > 1;
}
/** Конец содержимого (без guard-¶). */
int contentEnd() {
return cpEnd - 1;
}
}
/** Пустых абзацев-разделителей перед историями первой секции (§2.4.4). */
private static final int SEPARATOR_STORIES = 6;
/** Историй на секцию (§2.4.4). */
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;
private final int[] aCp;
private Headers(byte[] table, long fcPlcfHdd, long lcbPlcfHdd, int baseCp) {
if (lcbPlcfHdd <= 0) {
aCp = new int[0];
return;
}
if (fcPlcfHdd < 0 || fcPlcfHdd + lcbPlcfHdd > table.length) {
throw new ValidationException("Plcfhdd выходит за табличный поток в .doc");
}
if (lcbPlcfHdd % 4 != 0) {
throw new ValidationException("Битый Plcfhdd в .doc");
}
int n = (int) (lcbPlcfHdd / 4);
aCp = new int[n];
for (int i = 0; i < n; i++) {
// aCP относительны начала Header Document (§2.8.22: penultimate =
// ccpHdd−1); абсолютный CP = ccpText + ccpFtn + aCP
aCp[i] = baseCp + (int) CfbReader.u32(table, (int) fcPlcfHdd + i * 4);
if (i > 0 && aCp[i] < aCp[i - 1]) {
throw new ValidationException("Невозрастающие aCP в Plcfhdd .doc");
}
}
}
static Headers read(byte[] table, long fcPlcfHdd, long lcbPlcfHdd, int baseCp) {
return new Headers(table, fcPlcfHdd, lcbPlcfHdd, baseCp);
}
/** Заголовок нечётных полос набора секции {@code section} (§2.4.4). */
Story oddHeader(int section) {
return story(SEPARATOR_STORIES + section * STORIES_PER_SECTION + ODD_HEADER);
}
/** Колонтитул нечётных полос набора секции {@code section} (§2.4.4). */
Story oddFooter(int section) {
return story(SEPARATOR_STORIES + section * STORIES_PER_SECTION + ODD_FOOTER);
}
private Story story(int index) {
if (index + 1 >= aCp.length) {
return new Story(0, 0);
}
return new Story(aCp[index], aCp[index + 1]);
}
}
@@ -0,0 +1,437 @@
package ru.pjandro.wordpdf.internal.doc;
import java.nio.charset.StandardCharsets;
import java.util.HashMap;
import java.util.Map;
/**
* Списки [MS-DOC]: PlfLst (§2.9.201) с приложенным массивом LVL (§2.9.149) →
* {@code w:abstractNum}, PlfLfo (§2.9.200) с LFO (§2.9.131)/LFOData
* (§2.9.132)/LFOLVL (§2.9.133) → {@code w:num} с {@code w:lvlOverride}.
* Результат — {@code word/numbering.xml} формы Word (эталон —
* samples/symbol-bullets.docx); порядок дочерних {@code w:lvl} — CT_Lvl
* (ECMA-376 Part 1, wml.xsd): start, numFmt, suff, lvlText, lvlJc, pPr, rPr.
*
* <p>Раскладки (выверены по §3 «Example of a List»): PlfLst — cLst SHORT
* (2 Б) при {@code fcPlfLst}, rgLstf начинается с {@code fcPlfLst+2}
* (§2.9.201, Figure 56); LSTF (28 Б, §2.9.147) —
* lsid(4)+tplc(4)+rgistdPara(18)+флаги(1: bit0 fSimpleList)+grfhic(1);
* LVL = LVLF (28 Б, §2.9.150: iStartAt u32, nfc u8, jc 2 бита+флаги,
* rgbxchNums 9, ixchFollow u8@15, cbGrpprlChpx u8@24, cbGrpprlPapx u8@25) +
* grpprlPapx + grpprlChpx + Xst (§2.9.353: cch u16 + cch×u16, символы
* 0x0000–0x0008 — плейсхолдеры уровней 0–8). Массив LVL приложен прямо за
* {@code fcPlfLst+lcbPlfLst} (lcb его НЕ включает); каждому LSTF достаётся
* 1 LVL при fSimpleList=1, иначе 9, порядок LSTF. LFO (16 Б) —
* lsid(4)+unused(8)+clfolvl u8@12+…; rgLfoData — параллельный массив
* LFOData{cp(4)+clfolvl×LFOLVL}; LFOLVL = iStartAt(4) + битполе (iLvl
* биты 0–3, fStartAt бит 4, fFormatting бит 5) + LVL при fFormatting=1.</p>
*
* <p>MSONFC (§2.9.150 nfc) → ST_NumberFormat (§17.18.59) по [MS-OSHARED]
* §2.2.1.3; экзотика (CJK, тайские и т.п.) → {@code decimal}: в бандле нет
* шрифтов с такими глифами, формат всё равно не отрисовать. Семантика
* рестартов (fNoRestart/ilvlRestartLim → {@code w:lvlRestart}), fLegal,
* dxaIndentSav и LfoData.cp не переносятся — осознанный остаток моста.</p>
*
* <p>Разбор снисходительный (образец {@link Styles}): битая/отсутствующая
* таблица или обрыв LVL — пустой/неполный результат без
* {@link ru.pjandro.wordpdf.ValidationException}; абзацы со ссылкой на
* несуществующий список деградируют в плоские.</p>
*/
final class Lists {
/** LSTF: lsid(4)+tplc(4)+rgistdPara(18)+флаги(1)+grfhic(1), §2.9.147. */
private static final int LSTF_SIZE = 28;
/** LVLF, §2.9.150. */
private static final int LVLF_SIZE = 28;
/** LFO, §2.9.131. */
private static final int LFO_SIZE = 16;
/** Число LVL у многоуровневого LSTF (§2.5.6 fcPlfLst). */
private static final int LEVEL_COUNT = 9;
/** Защита от враждебного cch в Xst (реальные xst — единицы символов). */
private static final int MAX_XST_CHARS = 1024;
/** Верхняя граница значения плейсхолдера уровня в xst (уровни 0–8, §2.9.149). */
private static final char PLACEHOLDER_MAX = 0x08;
/** Литеральный «%» в lvlText удваивается (lvlText, §17.9.11). */
private static final char PERCENT = '%';
/** Защита от враждебного lstfMac/lfoMac. */
private static final int MAX_ENTRIES = 65536;
/** Один LVL (§2.9.149): поля LVLF + сырые grpprl + строка xst. */
private record Level(int startAt, int nfc, int jc, int follow, byte[] papx, byte[] chpx,
String xst) {
}
/** LSTF (§2.9.147) с его LVL (1 или 9; null-элемент — обрыв разбора). */
private record Lstf(int lsid, Level[] levels) {
}
/** LFOLVL (§2.9.133): переопределение start-at и/или полный LVL. */
private record LfoLvl(int ilvl, int startAt, boolean startAtOverride, Level formatting) {
}
/** LFO (§2.9.131) + rgLfoLvl параллельного LFOData (§2.9.132). */
private record Lfo(int lsid, LfoLvl[] overrides) {
}
private final Lstf[] lstfs;
/** Индекс = ilfo−1 (sprmPIlfo — 1-базированный индекс в rgLfo). */
private final Lfo[] lfos;
/** lsid → индекс ПЕРВОГО LSTF с таким lsid. */
private final Map<Integer, Integer> lstfByLsid = new HashMap<>();
private final FontTable fonts;
private Lists(Lstf[] lstfs, Lfo[] lfos, FontTable fonts) {
this.lstfs = lstfs;
this.lfos = lfos;
this.fonts = fonts;
for (int i = 0; i < lstfs.length; i++) {
if (lstfs[i] != null) {
lstfByLsid.putIfAbsent(lstfs[i].lsid(), i);
}
}
}
/** Таблицы списков из табличного потока; битые/нулевые lcb → пустой результат. */
static Lists read(byte[] table, long fcPlfLst, long lcbPlfLst, long fcPlfLfo,
long lcbPlfLfo, FontTable fonts) {
return new Lists(readPlfLst(table, fcPlfLst, lcbPlfLst),
readPlfLfo(table, fcPlfLfo, lcbPlfLfo), fonts);
}
/** Есть ≥1 валидный abstractNum → есть смысл писать numbering-часть. */
boolean hasNumbering() {
for (Lstf lstf : lstfs) {
if (isValid(lstf)) {
return true;
}
}
return false;
}
/** numId (1-базированный ilfo) разрешается в валидный abstractNum. */
boolean hasNum(int numId) {
return numId >= 1 && numId <= lfos.length && abstractIdOf(numId - 1) >= 0;
}
/** numbering.xml целиком (с XML-декларацией), форма Word. */
String numberingXml() {
StringBuilder xml = new StringBuilder(
"<?xml version=\"1.0\" encoding=\"UTF-8\" standalone=\"yes\"?>")
.append("<w:numbering xmlns:w=\"http://schemas.openxmlformats.org")
.append("/wordprocessingml/2006/main\">");
for (int i = 0; i < lstfs.length; i++) {
if (!isValid(lstfs[i])) {
continue;
}
xml.append("<w:abstractNum w:abstractNumId=\"").append(i + 1).append("\">");
Level[] levels = lstfs[i].levels();
for (int j = 0; j < levels.length; j++) {
if (levels[j] != null) {
xml.append(lvlXml(j, levels[j]));
}
}
xml.append("</w:abstractNum>");
}
for (int i = 0; i < lfos.length; i++) {
int abstractId = abstractIdOf(i);
if (abstractId < 0) {
continue;
}
xml.append("<w:num w:numId=\"").append(i + 1).append("\">")
.append("<w:abstractNumId w:val=\"").append(abstractId).append("\"/>");
for (LfoLvl o : lfos[i].overrides()) {
if (o == null || o.ilvl() > 8) {
continue;
}
xml.append("<w:lvlOverride w:ilvl=\"").append(o.ilvl()).append("\">");
if (o.formatting() != null) {
xml.append(lvlXml(o.ilvl(), o.formatting()));
} else if (o.startAtOverride()) {
xml.append("<w:startOverride w:val=\"").append(o.startAt()).append("\"/>");
}
xml.append("</w:lvlOverride>");
}
xml.append("</w:num>");
}
return xml.append("</w:numbering>").toString();
}
/** 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());
if (lstfIndex == null || !isValid(lstfs[lstfIndex])) {
return -1;
}
return lstfIndex + 1;
}
private static boolean isValid(Lstf lstf) {
return lstf != null && lstf.levels().length > 0 && lstf.levels()[0] != null;
}
// --- разбор PlfLst ---------------------------------------------------
private static Lstf[] readPlfLst(byte[] table, long fc, long lcb) {
if (lcb <= 0 || fc < 0 || fc + 4 > table.length) {
return new Lstf[0];
}
long end = Math.min(fc + lcb, table.length);
// cLst — SHORT (§2.9.201): знаковое прочтение; ≥ 0x8000 → отрицательное
// (битое) → ветка mac <= 0
int mac = (short) CfbReader.u16(table, (int) fc);
if (mac <= 0) {
return new Lstf[0];
}
int fit = (int) ((end - fc - 2) / LSTF_SIZE);
mac = Math.min(Math.min(mac, fit), MAX_ENTRIES);
Lstf[] out = new Lstf[mac];
// массив LVL приложен за PlfLst (lcb его не включает, §2.5.6)
int cursor = (int) Math.min(fc + lcb, (long) table.length);
for (int i = 0; i < mac; i++) {
int rec = (int) fc + 2 + i * LSTF_SIZE;
int lsid = (int) CfbReader.u32(table, rec);
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);
if (lv == null) {
// обрыв: этот LSTF — с разобранными уровнями, остальные — без
out[i] = new Lstf(lsid, levels);
return out;
}
levels[j] = lv;
cursor += levelSize(lv);
}
out[i] = new Lstf(lsid, levels);
}
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) {
return null;
}
int startAt = (int) CfbReader.u32(table, at);
int nfc = table[at + 4] & 0xFF;
int jc = table[at + 5] & 0x03;
int follow = table[at + 15] & 0xFF;
int cbChpx = table[at + 24] & 0xFF;
int cbPapx = table[at + 25] & 0xFF;
int p = at + LVLF_SIZE;
if (p + cbPapx + cbChpx > table.length) {
return null;
}
byte[] papx = slice(table, p, cbPapx);
p += cbPapx;
byte[] chpx = slice(table, p, cbChpx);
p += cbChpx;
if (p + 2 > table.length) {
return null;
}
int cch = CfbReader.u16(table, p);
p += 2;
if (cch > MAX_XST_CHARS || p + 2 * cch > table.length) {
return null;
}
String xst = new String(table, p, 2 * cch, StandardCharsets.UTF_16LE);
return new Level(startAt, nfc, jc, follow, papx, chpx, xst);
}
/** Полный размер LVL: LVLF + grpprl'ы + Xst (cch + символы). */
private static int levelSize(Level lv) {
return LVLF_SIZE + lv.papx().length + lv.chpx().length + 2 + lv.xst().length() * 2;
}
// --- разбор PlfLfo ---------------------------------------------------
private static Lfo[] readPlfLfo(byte[] table, long fc, long lcb) {
// lcbPlfLfo=0 → fcPlfLfo не определён и MUST быть проигнорирован (§2.5.6)
if (lcb <= 0 || fc < 0 || fc + 4 > table.length) {
return new Lfo[0];
}
long end = Math.min(fc + lcb, table.length);
int mac = (int) CfbReader.u32(table, (int) fc);
if (mac <= 0) {
return new Lfo[0];
}
int fit = (int) ((end - fc - 4) / LFO_SIZE);
mac = Math.min(Math.min(mac, fit), MAX_ENTRIES);
Lfo[] out = new Lfo[mac];
int cursor = (int) (fc + 4) + mac * LFO_SIZE;
for (int i = 0; i < mac; i++) {
int rec = (int) fc + 4 + i * LFO_SIZE;
int lsid = (int) CfbReader.u32(table, rec);
int clfolvl = table[rec + 12] & 0xFF;
LfoLvl[] overrides = new LfoLvl[clfolvl];
out[i] = new Lfo(lsid, overrides);
if (cursor + 4 > table.length) {
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) {
return out;
}
int startAt = (int) CfbReader.u32(table, cursor);
int bits = (int) CfbReader.u32(table, cursor + 4);
cursor += 8;
int ilvl = bits & 0xF;
boolean fStartAt = (bits >>> 4 & 1) != 0;
boolean fFormatting = (bits >>> 5 & 1) != 0;
Level formatting = null;
if (fFormatting) {
formatting = readLevel(table, cursor);
if (formatting == null) {
return out;
}
cursor += levelSize(formatting);
}
overrides[j] = new LfoLvl(ilvl, startAt, fStartAt, formatting);
}
}
return out;
}
// --- эмит numbering.xml ------------------------------------------------
/** w:lvl по CT_Lvl: start, numFmt, suff, lvlText, lvlJc, pPr, rPr. */
private String lvlXml(int ilvl, Level lv) {
StringBuilder xml = new StringBuilder("<w:lvl w:ilvl=\"").append(ilvl).append("\">");
xml.append("<w:start w:val=\"").append(Math.max(lv.startAt(), 0)).append("\"/>");
xml.append("<w:numFmt w:val=\"").append(numFmt(lv.nfc())).append("\"/>");
String suff = switch (lv.follow()) {
case 1 -> "space";
case 2 -> "nothing";
default -> null; // 0 = tab — дефолт ST_LvlSuff, не эмитится
};
if (suff != null) {
xml.append("<w:suff w:val=\"").append(suff).append("\"/>");
}
xml.append("<w:lvlText w:val=\"").append(escapeAttr(lvlText(lv.xst()))).append("\"/>");
String jc = switch (lv.jc()) {
case 1 -> "center";
case 2 -> "right";
default -> "left";
};
xml.append("<w:lvlJc w:val=\"").append(jc).append("\"/>");
String ind = indXml(lv.papx());
if (!ind.isEmpty()) {
xml.append("<w:pPr>").append(ind).append("</w:pPr>");
}
String rPr = rPrXml(lv.chpx());
if (!rPr.isEmpty()) {
xml.append("<w:rPr>").append(rPr).append("</w:rPr>");
}
return xml.append("</w:lvl>").toString();
}
/** xst → ST_NumberText: плейсхолдеры 0x00–0x08 → %{n+1}, «%» → «%%». */
private static String lvlText(String xst) {
StringBuilder out = new StringBuilder(xst.length() + 8);
for (int i = 0; i < xst.length(); i++) {
char ch = xst.charAt(i);
if (ch <= PLACEHOLDER_MAX) {
out.append(PERCENT).append(ch + 1);
} else if (ch == PERCENT) {
out.append("%%");
} else {
out.append(ch);
}
}
return out.toString();
}
/** MSONFC ([MS-OSHARED] §2.2.1.3) → ST_NumberFormat (§17.18.59). */
private static String numFmt(int nfc) {
return switch (nfc) {
case 0x00 -> "decimal";
case 0x01 -> "upperRoman";
case 0x02 -> "lowerRoman";
case 0x03 -> "upperLetter";
case 0x04 -> "lowerLetter";
case 0x05 -> "ordinal";
case 0x06 -> "cardinalText";
case 0x07 -> "ordinalText";
case 0x16 -> "decimalZero";
case 0x17 -> "bullet";
case 0x39 -> "numberInDash";
case 0x3A -> "russianLower";
case 0x3B -> "russianUpper";
case 0xFF -> "none";
// экзотика (CJK/тайские/индийские…): в бандле нет шрифтов с такими
// глифами — decimal хотя бы читается
default -> "decimal";
};
}
/** w:ind уровня из grpprlPapx (общий накопитель {@link Grpprl.Indents},
* те же XAS-семантики и 80-варианты, что paraProps). */
private static String indXml(byte[] papx) {
Grpprl.Indents ind = new Grpprl.Indents();
Grpprl.scan(papx, 0, papx.length, ind::prl);
int left = ind.left();
int left1 = ind.left1();
StringBuilder xml = new StringBuilder();
if (left > 0) {
xml.append(" w:left=\"").append(left).append('"');
}
if (left1 != Integer.MIN_VALUE && left1 != 0) {
if (left1 > 0) {
xml.append(" w:firstLine=\"").append(left1).append('"');
} else {
xml.append(" w:hanging=\"").append(-left1).append('"');
}
}
return xml.length() == 0 ? "" : "<w:ind" + xml + "/>";
}
/** w:rPr метки уровня из grpprlChpx: rFonts (Symbol/Wingdings-буллеты), b, sz. */
private String rPrXml(byte[] chpx) {
int[] ftc0 = {-1};
boolean[] bold = {false};
int[] hps = {0};
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_HPS -> hps[0] = Grpprl.operandInt(buf, off, len);
default -> { }
}
});
StringBuilder xml = new StringBuilder();
String family = ftc0[0] >= 0 ? fonts.font(ftc0[0]) : null;
if (family != null) {
xml.append("<w:rFonts w:ascii=\"").append(escapeAttr(family))
.append("\" w:hAnsi=\"").append(escapeAttr(family)).append("\"/>");
}
if (bold[0]) {
xml.append("<w:b/>");
}
if (hps[0] > 0) {
xml.append("<w:sz w:val=\"").append(hps[0]).append("\"/>");
}
return xml.toString();
}
private static String escapeAttr(String value) {
StringBuilder out = new StringBuilder(value.length() + 8);
for (int i = 0; i < value.length(); i++) {
char ch = value.charAt(i);
switch (ch) {
case '&' -> out.append("&amp;");
case '<' -> out.append("&lt;");
case '"' -> out.append("&quot;");
default -> out.append(ch);
}
}
return out.toString();
}
private static byte[] slice(byte[] src, int from, int len) {
byte[] out = new byte[len];
System.arraycopy(src, from, out, 0, len);
return out;
}
}
@@ -0,0 +1,218 @@
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).
*
* <p>Word кладёт BLIP в разные места (BStoreContainer 0xF004,
* BStoreContainerDelay 0xF007, инлайн-контейнер), а POI-продукция пишет
* FBSE без заголовков — поэтому поиск по диапазону {@code [picLocation,
* picLocation+lcb)} (lcb из PICF), а не обход дерева: кандидат принимается
* только если recType BLIP'а, {@code cb} влезает в диапазон и данные после
* uid+tag начинаются с сигнатуры PNG/JPEG/DIB. Ложные срабатывания
* (встроенные OLE-архивы) отсекаются ровно этим условием — скан по всему
* 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>
*/
final class OfficeArt {
/** Растр: расширение/ mime-подтип для content-type, байты, размер в EMU. */
record Picture(String extension, String contentType, byte[] data, int cxEmu, int cyEmu) {
}
/** PICF: lcb(4) cbHeader(2)=0x44 mfpf(8) innerHeader(14) picmid(38) cProps(2). */
private static final int PICF_SIZE = 68;
private static final int OFF_CB_HEADER = 4;
private static final int OFF_MM = 6;
private static final int MM_SHAPEFILE = 0x0066;
/** PICMID (смещение 28 от начала PICF): dxaGoal, dyaGoal, mx, my (§2.9.193). */
private static final int OFF_DXA_GOAL = 0x1C;
private static final int OFF_DYA_GOAL = 0x1E;
private static final int OFF_MX = 0x20;
private static final int OFF_MY = 0x22;
/** 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). */
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_PNG = 0xF01E;
private static final int BLIP_DIB = 0xF01F;
/** recInstance с двумя UID ([MS-ODRAW] §2.2.24–.31). */
private static final java.util.Set<Integer> TWO_UIDS =
java.util.Set.of(0x217, 0x3D5, 0x543, 0x6E1, 0x6E3, 0x6E5, 0x7A9);
private OfficeArt() {
}
/**
* Картинка по {@code picLocation} в Data-потоке; {@code null} — нет
* данных/векторный формат/битая запись (деградация, не ошибка).
*/
static Picture read(byte[] dataStream, long picLocation) {
if (picLocation < 0 || picLocation + PICF_SIZE > dataStream.length) {
return null;
}
int off = (int) picLocation;
long lcb = CfbReader.u32(dataStream, off);
if (lcb < PICF_SIZE || off + lcb > dataStream.length
|| (CfbReader.u32(dataStream, off + OFF_CB_HEADER) & 0xFFFF) != PICF_SIZE) {
return null;
}
int end = off + (int) lcb;
int sizeX = displayDxa(dataStream, off + OFF_DXA_GOAL, off + OFF_MX);
int sizeY = displayDxa(dataStream, off + OFF_DYA_GOAL, off + OFF_MY);
int scanFrom = off + PICF_SIZE;
if (CfbReader.u32(dataStream, off + OFF_MM) == MM_SHAPEFILE && scanFrom < end) {
scanFrom += 1 + (dataStream[scanFrom] & 0xFF); // cchPicName + stPicName
}
for (int p = scanFrom; p + 8 <= end; p++) {
Picture pic = tryBlip(dataStream, p, end, sizeX, sizeY);
if (pic != null) {
return pic;
}
}
return null;
}
/** Кандидат на BLIP-запись по смещению {@code p}; {@code null} — не он. */
private static Picture tryBlip(byte[] data, int p, int end, int sizeX, int sizeY) {
int verInstance = (int) (CfbReader.u32(data, p) & 0xFFFF);
int type = (int) (CfbReader.u32(data, p + 2) & 0xFFFF);
long cb = CfbReader.u32(data, p + 4);
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).
// 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))
? 32 : 16;
int dataOff = p + 8 + uidSize + 1; // после uid + tag
int dataLen = (int) (cb - uidSize - 1);
if (dataLen <= 0) {
return null;
}
return switch (type) {
case BLIP_PNG -> startsWith(data, dataOff, dataLen, new byte[] {(byte) 0x89, 'P', 'N', 'G'})
? new Picture("png", "image/png", slice(data, dataOff, dataLen),
emu(sizeX > 0 ? sizeX : pngDxa(data, dataOff, true)),
emu(sizeY > 0 ? sizeY : pngDxa(data, dataOff, false)))
: null;
case BLIP_JPEG, BLIP_JPEG_ALT -> startsWith(data, dataOff, dataLen, new byte[] {(byte) 0xFF, (byte) 0xD8})
? new Picture("jpg", "image/jpeg", slice(data, dataOff, dataLen),
emu(sizeX), emu(sizeY))
: null;
case BLIP_DIB -> dibToPng(data, dataOff, dataLen, sizeX, sizeY);
case BLIP_EMF, BLIP_WMF, BLIP_PICT -> null; // метафайлы не рендерим
default -> null;
};
}
/** 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) {
return DXA_MIN;
}
int px = (int) ((data[pngOff + 16 + (width ? 0 : 4)] & 0xFFL) << 24
| (data[pngOff + 17 + (width ? 0 : 4)] & 0xFFL) << 16
| (data[pngOff + 18 + (width ? 0 : 4)] & 0xFFL) << 8
| (data[pngOff + 19 + (width ? 0 : 4)] & 0xFFL));
if (px <= 0) {
return DXA_MIN;
}
return clampDxa(px * 15L);
}
private static int clampDxa(long dxa) {
return (int) Math.max(DXA_MIN, Math.min(dxa, DXA_MAX));
}
/** Отображаемый размер: goal × (mx|my / 1000), clamp 15…31680 twips. */
private static int displayDxa(byte[] data, int goalOff, int scaleOff) {
int goal = (short) CfbReader.u32(data, goalOff);
int scale = (int) (CfbReader.u32(data, scaleOff) & 0xFFFF);
if (goal <= 0 || scale <= 0) {
return 0;
}
return clampDxa(goal * (long) scale / 1000);
}
private static int emu(int dxa) {
return Math.max(dxa, DXA_MIN) * EMU_PER_TWIP;
}
/** BITMAPINFOHEADER (§2.2.29): минимальный размер DIB-данных. */
private static final int BITMAPINFOHEADER_SIZE = 40;
/** DIB (BITMAPINFOHEADER + пиксели) → PNG через ImageIO; битый → null. */
private static Picture dibToPng(byte[] data, int off, int len, int sizeX, int sizeY) {
if (len < BITMAPINFOHEADER_SIZE) {
return null;
}
try {
java.awt.image.BufferedImage img = javax.imageio.ImageIO.read(
new java.io.ByteArrayInputStream(wrapAsBmp(data, off, len)));
if (img == null) {
return null;
}
java.io.ByteArrayOutputStream bos = new java.io.ByteArrayOutputStream();
javax.imageio.ImageIO.write(img, "png", bos);
return new Picture("png", "image/png", bos.toByteArray(), emu(sizeX), emu(sizeY));
} catch (java.io.IOException | RuntimeException e) {
return null;
}
}
/** DIB → BMP: BITMAPFILEHEADER(14) + как есть (§2.2.29 — DIB без хедера). */
private static byte[] wrapAsBmp(byte[] data, int off, int len) {
byte[] bmp = new byte[14 + len];
bmp[0] = 'B';
bmp[1] = 'M';
int fileSize = 14 + len;
bmp[2] = (byte) fileSize;
bmp[3] = (byte) (fileSize >>> 8);
bmp[4] = (byte) (fileSize >>> 16);
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);
bmp[10] = (byte) dataOff;
bmp[11] = (byte) (dataOff >>> 8);
System.arraycopy(data, off, bmp, 14, len);
return bmp;
}
private static boolean startsWith(byte[] data, int off, int len, byte[] sig) {
if (len < sig.length) {
return false;
}
for (int i = 0; i < sig.length; i++) {
if (data[off + i] != sig[i]) {
return false;
}
}
return true;
}
private static byte[] slice(byte[] data, int off, int len) {
byte[] out = new byte[len];
System.arraycopy(data, off, out, 0, len);
return out;
}
}
@@ -0,0 +1,115 @@
package ru.pjandro.wordpdf.internal.doc;
import ru.pjandro.wordpdf.ValidationException;
import java.util.ArrayList;
import java.util.List;
/**
* Индекс прямых свойств абзацев PAPX: FC-диапазон абзаца → Grpprl.
*
* <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
* 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.
* istd сохраняется ({@link #istdFor}) — по нему {@link DocxBody} применяет
* цепочку стилей {@link Styles}.</p>
*/
final class PapxIndex {
private static final int FKP_PAGE_SIZE = 512;
private record Range(long fcStart, long fcEnd, byte[] grpprl, int istd) {
}
private final List<Range> ranges = new ArrayList<>();
private PapxIndex(byte[] tableStream, long fcBte, long lcbBte, byte[] wordDocument) {
if (lcbBte <= 0) {
return;
}
if (fcBte < 0 || fcBte + lcbBte > tableStream.length || (lcbBte - 4) % 8 != 0) {
throw new ValidationException("Битый PlcfBtePapx в .doc");
}
int n = (int) ((lcbBte - 4) / 8);
for (int i = 0; i < n; i++) {
long fcStart = CfbReader.u32(tableStream, (int) fcBte + i * 4);
long fcEnd = CfbReader.u32(tableStream, (int) fcBte + i * 4 + 4);
long pn = CfbReader.u32(tableStream, (int) fcBte + (n + 1) * 4 + i * 4) & 0x3FFFFFL;
long pageOff = pn * FKP_PAGE_SIZE;
if (pageOff + FKP_PAGE_SIZE > wordDocument.length) {
throw new ValidationException("PapxFkp вне WordDocument-потока в .doc");
}
int cpara = wordDocument[(int) (pageOff + FKP_PAGE_SIZE - 1)] & 0xFF;
if (cpara < 1 || cpara > 0x60) {
throw new ValidationException("Битый cpara в 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);
int bx = wordDocument[(int) pageOff + 4 * (cpara + 1) + j * 13] & 0xFF;
if (bx == 0 || rgfcEnd <= rgfcStart) {
continue;
}
int infkp = (int) pageOff + bx * 2;
int cb = wordDocument[infkp] & 0xFF;
// GrpPrlAndIstd: при cb≠0 занимает 2×cb−1 байт со следующего;
// при cb=0 — следующий байт cb' и 2×cb' байт со следующего+1
// (§2.9.175). Внутри: istd(2) + Prl'ы без счётчика (§3, Figure 33).
int stdStart = cb != 0 ? infkp + 1 : infkp + 2;
int stdSize = cb != 0 ? 2 * cb - 1 : 2 * (wordDocument[infkp + 1] & 0xFF);
int grpprlLen = stdSize - 2;
// grpprlLen==0 допустим: istd без прямых Prl (стиль — единственное свойство)
if (grpprlLen < 0 || stdStart + 2 + grpprlLen > pageOff + FKP_PAGE_SIZE) {
continue;
}
byte[] grpprl = new byte[grpprlLen];
System.arraycopy(wordDocument, stdStart + 2, grpprl, 0, grpprlLen);
int istd = CfbReader.u16(wordDocument, stdStart);
ranges.add(new Range(Math.max(rgfcStart, fcStart), Math.min(rgfcEnd, fcEnd),
grpprl, istd));
}
}
}
static PapxIndex read(byte[] tableStream, long fcBte, long lcbBte, byte[] wordDocument) {
return new PapxIndex(tableStream, fcBte, lcbBte, wordDocument);
}
/** Grpprl абзаца, содержащего FC, или пустой массив (дефолт). */
byte[] grpprlFor(long fc) {
for (Range r : ranges) {
if (fc >= r.fcStart() && fc < r.fcEnd()) {
return r.grpprl();
}
}
return new byte[0];
}
/** istd абзаца, содержащего FC (§2.9.175 GrpPrlAndIstd); -1 — диапазона нет. */
int istdFor(long fc) {
for (Range r : ranges) {
if (fc >= r.fcStart() && fc < r.fcEnd()) {
return r.istd();
}
}
return -1;
}
/** Число абзацев с sprmPFPageBreakBefore=1 (для lightweight-подсчёта страниц). */
int countPageBreakBefore() {
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)) {
count[0]++;
}
});
}
return count[0];
}
}
@@ -0,0 +1,171 @@
package ru.pjandro.wordpdf.internal.doc;
import ru.pjandro.wordpdf.ValidationException;
/**
* Piece table (.doc): карта Character Position → текст в WordDocument-потоке.
*
* <p>[MS-DOC] §2.4.1 (Retrieving Text): Clx (§2.9.38) — последовательность
* Prc ({@code clxt}=0x01, пропускается по длине) и ровно один Pcdt
* ({@code clxt}=0x02, §2.9.178) с PlcPcd (§2.8.35). Pcd (§2.9.177): fc —
* 30 бит смещения + {@code fCompressed} (бит 30): при 1 текст 8-битный по
* {@code fc/2} (байты 0x82–0x9F маппятся на Unicode, остальные U+00XX),
* при 0 — UTF-16LE по {@code fc}.</p>
*
* <p>FC для поиска свойств (§2.4.6.1 шаг 3) — та же поправка: сжатый кусок
* даёт {@code fc/2 + (cp - aCp[i])}, несжатый — {@code fc + 2*(cp - aCp[i])}.</p>
*/
final class PieceTable {
/** clxt-маркеры Clx (§2.9.38). */
private static final int CLXT_PRC = 0x01;
private static final int CLXT_PCDT = 0x02;
/** Бит fCompressed в Pcd.fc (§2.9.177). */
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). */
private static final char[] COMPRESSED_MAP = new char[32];
static {
int[][] map = {
{0x82, 0x201A}, {0x83, 0x0192}, {0x84, 0x201E}, {0x85, 0x2026},
{0x86, 0x2020}, {0x87, 0x2021}, {0x88, 0x02C6}, {0x89, 0x2030},
{0x8A, 0x0160}, {0x8B, 0x2039}, {0x8C, 0x0152}, {0x91, 0x2018},
{0x92, 0x2019}, {0x93, 0x201C}, {0x94, 0x201D}, {0x95, 0x2022},
{0x96, 0x2013}, {0x97, 0x2014}, {0x98, 0x02DC}, {0x99, 0x2122},
{0x9A, 0x0161}, {0x9B, 0x203A}, {0x9C, 0x0153}, {0x9F, 0x0178},
};
for (int[] e : map) {
COMPRESSED_MAP[e[0] - 0x80] = (char) e[1];
}
}
private final byte[] wordDocument;
private final int[] aCp;
private final long[] fc;
private final boolean[] compressed;
private PieceTable(byte[] tableStream, long fcClx, long lcbClx, byte[] wordDocument) {
this.wordDocument = wordDocument;
if (lcbClx <= 0) {
throw new ValidationException("В .doc нет piece table");
}
if (fcClx < 0 || fcClx + lcbClx > tableStream.length) {
throw new ValidationException("Clx .doc выходит за табличный поток");
}
int p = (int) fcClx;
int end = (int) (fcClx + lcbClx);
int plcStart = -1;
int plcEnd = -1;
while (p < end) {
int clxt = tableStream[p] & 0xFF;
if (clxt == CLXT_PRC) {
if (p + 3 > end) {
throw new ValidationException("Обрезанный Clx в .doc");
}
int cb = (int) (CfbReader.u32(tableStream, p + 1) & 0xFFFF);
p += 3 + cb;
} else if (clxt == CLXT_PCDT) {
if (p + 5 > end) {
throw new ValidationException("Обрезанный Clx в .doc");
}
long lcb = CfbReader.u32(tableStream, p + 1);
plcStart = p + 5;
plcEnd = plcStart + (int) lcb;
if (plcEnd > end) {
throw new ValidationException("Pcdt выходит за Clx в .doc");
}
break;
} else {
throw new ValidationException("Неизвестный clxt 0x" + Integer.toHexString(clxt) + " в Clx .doc");
}
}
if (plcStart < 0) {
throw new ValidationException("В Clx .doc нет Pcdt");
}
int lcb = plcEnd - plcStart;
if ((lcb - 4) % 12 != 0 || lcb < 16) {
throw new ValidationException("Битый PlcPcd в .doc");
}
int n = (lcb - 4) / 12;
aCp = new int[n + 1];
fc = new long[n];
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 ValidationException("Невозрастающие aCP в PlcPcd .doc");
}
}
int pcdBase = plcStart + (n + 1) * 4;
for (int i = 0; i < n; i++) {
long fcw = CfbReader.u32(tableStream, pcdBase + i * 8 + 2);
fc[i] = fcw & FC_MASK;
compressed[i] = (fcw & F_COMPRESSED) != 0;
}
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 ValidationException("Кусок piece table .doc выходит за WordDocument");
}
}
}
static PieceTable read(byte[] tableStream, long fcClx, long lcbClx, byte[] wordDocument) {
return new PieceTable(tableStream, fcClx, lcbClx, wordDocument);
}
/** Символ по CP (§2.4.1); {@code cp} вне [0, ccpText) не запрашивается. */
char charAt(int cp) {
int i = pieceOf(cp);
int delta = cp - aCp[i];
if (compressed[i]) {
int b = wordDocument[(int) (fc[i] / 2) + delta] & 0xFF;
if (b >= 0x80 && b < 0xA0) {
char mapped = COMPRESSED_MAP[b - 0x80];
return mapped != 0 ? mapped : (char) b;
}
return (char) b;
}
int off = (int) fc[i] + 2 * delta;
return (char) ((wordDocument[off] & 0xFF) | ((wordDocument[off + 1] & 0xFF) << 8));
}
/** FC для поиска CHPX/PAPX (§2.4.6.1 шаг 3): со сжатием — {@code fc/2 + delta}. */
long fcOf(int cp) {
int i = pieceOf(cp);
int delta = cp - aCp[i];
return compressed[i] ? fc[i] / 2 + delta : fc[i] + 2L * delta;
}
/** Шаг FC на символ в куске, содержащем {@code cp}: 1 (сжатый) или 2. */
int step(int cp) {
return compressed[pieceOf(cp)] ? 1 : 2;
}
/** CP первого символа следующего после {@code cp} куска (или {@code ccpLimit}). */
int nextPieceBoundary(int cp, int ccpLimit) {
int i = pieceOf(cp);
return Math.min(aCp[i + 1], ccpLimit);
}
private int pieceOf(int cp) {
int lo = 0;
int hi = fc.length - 1;
while (lo < hi) {
int mid = (lo + hi + 1) >>> 1;
if (aCp[mid] <= cp) {
lo = mid;
} else {
hi = mid - 1;
}
}
if (cp >= aCp[lo + 1]) {
throw new ValidationException("Символ .doc вне piece table");
}
return lo;
}
}
@@ -0,0 +1,210 @@
package ru.pjandro.wordpdf.internal.doc;
import java.util.ArrayList;
import java.util.List;
import ru.pjandro.wordpdf.ValidationException;
/**
* Свойства секций (.doc) → по-секционная полоса набора и поправка подсчёта
* страниц.
*
* <p>[MS-DOC] §2.8.26 PlcfSed: PLC (aCP n+1, Sed n по 12 байт); Sed =
* fn(2) + fcSepx(4) + fnMpr(2) + fcMpr(4); fcSepx — указатель на Sepx
* (§2.9.245) в WordDocument-потоке: cb (2 байта) + grpprl секционных sprm;
* Sed секции i описывает секцию от aCP[i] до aCP[i+1] (§3, Figure 13: «The
* last character in the first section is at position 10, and has a value of
* 0x0C»). Дубликаты aCP запрещены (§2.8.26 «MUST NOT contain duplicate
* CPs»); финальный aCP в реальных файлах Word лежит за ccpText (PLC
* 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>
*
* <p>{@link Section#continuous()} — sprmSBkc секции со значением
* bkcContinuous/bkcNewColumn (§2.6.3, SBkcOperand: «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
* i−1 — см. {@code DocxBody#sectPrXml}.</p>
*
* <p>{@link #continuousSectionEnds()} — число межсекционных разрывов, не
* начинающих новую страницу (дефолт — bkcNewPage, поэтому отсутствие
* sprmSBkc не вычитается).</p>
*/
final class Sections {
/**
* Одна секция: CP-диапазон [cpStart, cpEnd) (у всех, кроме последней,
* финальный символ — 0x0C, §2.8.26) + геометрия из её Sepx + признак
* «разрыв, заканчивающий секцию, не начинает новую страницу».
*/
record Section(int cpStart, int cpEnd, int pageWidth, int pageHeight,
int marginLeft, int marginRight, int marginTop, int marginBottom,
int header, int footer, boolean continuous) {
}
/** Дефолты Word 97 (§2.6.3, twips). */
private static final int DEFAULT_PAGE_WIDTH = 12240;
private static final int DEFAULT_PAGE_HEIGHT = 15840;
private static final int DEFAULT_MARGIN = 1440;
private static final int DEFAULT_HEADER_FOOTER = 720;
private static final int SED_SIZE = 12;
private static final int SED_OFF_FC_SEPX = 2;
private final List<Section> sections;
private final int continuousEnds;
/** Геометрия одной секции в процессе разбора Sepx (дефолты Word 97). */
private static final class SedGeom {
private int pageWidth = DEFAULT_PAGE_WIDTH;
private int pageHeight = DEFAULT_PAGE_HEIGHT;
private int marginLeft = DEFAULT_MARGIN;
private int marginRight = DEFAULT_MARGIN;
private int marginTop = DEFAULT_MARGIN;
private int marginBottom = DEFAULT_MARGIN;
private int header = DEFAULT_HEADER_FOOTER;
private int footer = DEFAULT_HEADER_FOOTER;
private boolean continuous;
private void apply(int sprm, int value) {
if (sprm == Grpprl.SPRM_S_XA_PAGE) {
pageWidth = value;
} else if (sprm == Grpprl.SPRM_S_YA_PAGE) {
pageHeight = value;
} else if (sprm == Grpprl.SPRM_S_DXA_LEFT) {
marginLeft = value;
} else if (sprm == Grpprl.SPRM_S_DXA_RIGHT) {
marginRight = value;
} else if (sprm == Grpprl.SPRM_S_DYA_TOP) {
marginTop = value;
} else if (sprm == Grpprl.SPRM_S_DYA_BOTTOM) {
marginBottom = value;
} else if (sprm == Grpprl.SPRM_S_DYA_HDR_TOP) {
header = value;
} else if (sprm == Grpprl.SPRM_S_DYA_HDR_BOTTOM) {
footer = value;
}
}
}
private Sections(byte[] tableStream, long fcSed, long lcbSed, byte[] wordDocument,
int ccpText) {
if (lcbSed <= 0) {
// нет PlcfSed — одна неявная секция [0, ccpText) с дефолтами
sections = List.of(defaultSection(0, ccpText));
continuousEnds = 0;
return;
}
if (fcSed < 0 || fcSed + lcbSed > tableStream.length
|| (lcbSed - 4) % (4 + SED_SIZE) != 0) {
throw new ValidationException("Битый PlcfSed в .doc");
}
int n = (int) ((lcbSed - 4) / (4 + SED_SIZE));
int[] aCp = new int[n + 1];
for (int i = 0; i <= n; i++) {
long cp = CfbReader.u32(tableStream, (int) fcSed + i * 4);
if (i > 0 && cp <= aCp[i - 1]) {
throw new ValidationException("Невозрастающие aCP в PlcfSed .doc");
}
aCp[i] = (int) cp;
}
if (n == 0) {
sections = List.of(defaultSection(0, ccpText));
continuousEnds = 0;
return;
}
int sedBase = (int) fcSed + (n + 1) * 4;
List<Section> list = new ArrayList<>(n);
int cont = 0;
for (int i = 0; i < n; i++) {
SedGeom g = new SedGeom();
long fcSepx = CfbReader.u32(tableStream, sedBase + i * SED_SIZE + SED_OFF_FC_SEPX);
if (fcSepx != 0 && fcSepx + 2 <= wordDocument.length) {
int cb = (int) (CfbReader.u32(wordDocument, (int) fcSepx) & 0xFFFF);
if (cb > 0 && fcSepx + 2 + cb <= wordDocument.length) {
Grpprl.scan(wordDocument, (int) fcSepx + 2, cb, (sprm, buf, off, len) -> {
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;
}
});
}
}
if (i < n - 1 && g.continuous) {
cont++;
}
// финальный aCP реальные файлы Word пишут за ccpText (page-numbers.doc:
// aCp[1]=108 при ccpText=33 — PLC покрывает весь текстовый поток),
// верхний guard невозможен; конец последней секции — ccpText
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));
}
sections = List.copyOf(list);
continuousEnds = cont;
}
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);
}
static Sections read(byte[] tableStream, long fcSed, long lcbSed, byte[] wordDocument,
int ccpText) {
return new Sections(tableStream, fcSed, lcbSed, wordDocument, ccpText);
}
/** Все секции по aCP PlcfSed; при отсутствии PlcfSed — одна неявная. */
List<Section> list() {
return sections;
}
// Одиночные аксессоры — геометрия ПОСЛЕДНЕЙ секции (подсчёт страниц).
int pageWidth() {
return last().pageWidth();
}
int pageHeight() {
return last().pageHeight();
}
int marginLeft() {
return last().marginLeft();
}
int marginRight() {
return last().marginRight();
}
int marginTop() {
return last().marginTop();
}
int marginBottom() {
return last().marginBottom();
}
int header() {
return last().header();
}
int footer() {
return last().footer();
}
int continuousSectionEnds() {
return continuousEnds;
}
private Section last() {
return sections.get(sections.size() - 1);
}
}
@@ -0,0 +1,183 @@
package ru.pjandro.wordpdf.internal.doc;
/**
* Таблица стилей STSH ([MS-DOC] §2.9.271) и цепочки наследования
* (§2.4.6.5 «Determining Properties of a Style»).
*
* <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
* (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
* (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.</p>
*
* <p>Цепочка свойств стиля — base-first: сначала grpprl предка по
* istdBase (0x0FFF — без предка), затем собственный grpprl (шаг 8
* «Determining Properties of a Style» в порядке применения last-wins:
* производный стиль перекрывает базовый). istdBase обязан ссылаться на
* непустой стиль и не создавать циклов (§2.9.260); глубина > 16 — обрыв
* цепочки (защита от битого файла).</p>
*
* <p>Разбор снисходительный (образец {@link FontTable}): битый/отсутствующий
* STSH не роняет конвертацию — документ рендерится на прямых свойствах,
* {@link ValidationException} не бросается.</p>
*/
final class Styles {
/** stk абзацного стиля (§2.9.260). */
private static final int STK_PARAGRAPH = 1;
/** Индекс UpxPapx в Std абзацного стиля (§2.9.308). */
private static final int UPX_PAPX = 0;
/** Индекс UpxChpx в Std абзацного стиля (§2.9.309). */
private static final int UPX_CHPX = 1;
/** istdBase без предка (§2.9.260). */
private static final int NO_BASE = 0x0FFF;
/** Защита от цикла в istdBase. */
private static final int MAX_CHAIN = 16;
/** Один стиль: предка + собственные grpprl'ы (пустые массивы — нет). */
private record Style(int istdBase, byte[] papx, byte[] chpx) {
}
private final Style[] styles;
private Styles(byte[] table, long fc, long lcb) {
Style[] parsed;
try {
parsed = readAll(table, fc, lcb);
} catch (RuntimeException broken) {
parsed = new Style[0];
}
styles = parsed;
}
private static Style[] readAll(byte[] table, long fc, long lcb) {
if (lcb <= 0 || fc < 0 || fc + 6 > table.length) {
return new Style[0];
}
int cbStshi = CfbReader.u16(table, (int) fc);
int cstd = CfbReader.u16(table, (int) fc + 2);
int cbStdf = CfbReader.u16(table, (int) fc + 4);
if (cstd <= 0 || cstd >= 0x0FFE || cbStdf < 5 || cbStshi < 4) {
return new Style[0];
}
int pos = (int) (fc + 2 + cbStshi);
if ((pos & 1) != 0) {
pos++;
}
int end = (int) (fc + lcb);
Style[] out = new Style[cstd];
for (int istd = 0; istd < cstd; istd++) {
if (pos + 2 > end) {
break;
}
int cbStd = CfbReader.u16(table, pos);
pos += 2;
if (cbStd <= 0) {
continue; // пустой стиль (§2.9.271)
}
if (pos + cbStd > end) {
break;
}
out[istd] = readStd(table, pos, cbStd, cbStdf);
pos += cbStd;
if ((pos & 1) != 0) {
pos++; // LPStd на чётной границе, padding в cbStd не входит
}
}
return out;
}
/** Std по {@code std}: stdf + xstzName + cupx × LPUpx. */
private static Style readStd(byte[] table, int std, int cbStd, int cbStdf) {
int stdEnd = std + cbStd;
long base = CfbReader.u32(table, std);
int stk = (int) ((base >>> 16) & 0xF);
int istdBase = (int) ((base >>> 20) & 0xFFF);
int cupx = table[std + 4] & 0xF;
int p = std + cbStdf;
if (p + 2 > stdEnd) {
return new Style(NO_BASE, new byte[0], new byte[0]);
}
int cch = CfbReader.u16(table, p);
p += 2 + 2 * cch + 2; // xstzName: cch + строка + chTerm (§2.9.348)
byte[] papx = new byte[0];
byte[] chpx = new byte[0];
for (int i = 0; i < cupx && p + 2 <= stdEnd; i++) {
int cbUpx = CfbReader.u16(table, p);
p += 2;
if (p + cbUpx > stdEnd) {
break;
}
if (stk == STK_PARAGRAPH) {
if (i == UPX_PAPX && cbUpx >= 2) {
// UpxPapx: istd(2) + grpprlPapx (§2.9.345)
papx = slice(table, p + 2, cbUpx - 2);
} else if (i == UPX_CHPX) {
chpx = slice(table, p, cbUpx); // UpxChpx (§2.9.343)
}
}
p += cbUpx;
if ((p & 1) != 0) {
p++; // LPUpx выровнены на чёт, padding в cbUpx не входит
}
}
return new Style(istdBase, papx, chpx);
}
private static byte[] slice(byte[] src, int from, int len) {
byte[] out = new byte[len];
System.arraycopy(src, from, out, 0, len);
return out;
}
/** Таблица по {@code fcStshf} из табличного потока; битый STSH → пустая. */
static Styles read(byte[] tableStream, long fc, long lcb) {
return new Styles(tableStream, fc, lcb);
}
/** Число стилей (для проверки границ istd из sprmPIstd). */
int count() {
return styles.length;
}
/** Grpprl абзацных свойств стиля со всей цепочкой предков (base-first). */
byte[] papxChain(int istd) {
return chain(istd, true);
}
/** Grpprl символьных свойств стиля со всей цепочкой предков (base-first). */
byte[] chpxChain(int istd) {
return chain(istd, false);
}
private byte[] chain(int istd, boolean papx) {
byte[] own = new byte[0];
int depth = 0;
while (istd >= 0 && istd < styles.length && styles[istd] != null && depth++ < MAX_CHAIN) {
Style s = styles[istd];
own = concat(papx ? s.papx() : s.chpx(), own);
if (s.istdBase() == NO_BASE) {
break;
}
istd = s.istdBase();
}
return own;
}
private static byte[] concat(byte[] a, byte[] b) {
if (a.length == 0) {
return b;
}
if (b.length == 0) {
return a;
}
byte[] out = new byte[a.length + b.length];
System.arraycopy(a, 0, out, 0, a.length);
System.arraycopy(b, 0, out, a.length, b.length);
return out;
}
}
@@ -0,0 +1,57 @@
package ru.pjandro.wordpdf.internal.doc;
/**
* Кэш числа страниц из потока {@code \x05SummaryInformation}.
*
* <p>[MS-OLEPS] §2.21 PropertySetStream: заголовок — ByteOrder(2) Version(2)
* 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
* 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). */
private static final int PID_PAGE_COUNT = 0x0000000E;
/** VT_I4 (MS-OLEPS §2.3.2). */
private static final int VT_I4 = 0x00000003;
/** Смещения заголовка PropertySetStream (§2.21). */
private static final int OFF_OFFSET0 = 0x2C;
private static final int HEADER_SIZE = 0x30;
private SummaryInfo() {
}
/** Кэшированное число страниц; 0 — нет данных. */
static int pageCount(byte[] summaryStream) {
if (summaryStream.length < HEADER_SIZE) {
return 0;
}
long offset0 = CfbReader.u32(summaryStream, OFF_OFFSET0);
if (offset0 < HEADER_SIZE || offset0 + 8 > summaryStream.length) {
return 0;
}
long numProps = CfbReader.u32(summaryStream, (int) offset0 + 4);
if (numProps <= 0 || numProps > 0x1000) {
return 0;
}
for (int i = 0; i < numProps; i++) {
int pps = (int) offset0 + 8 + i * 8;
if (pps + 8 > summaryStream.length) {
return 0;
}
int pid = (int) CfbReader.u32(summaryStream, pps);
long propOff = offset0 + CfbReader.u32(summaryStream, pps + 4);
if (pid == PID_PAGE_COUNT && propOff + 8 <= summaryStream.length
&& CfbReader.u32(summaryStream, (int) propOff) == VT_I4) {
return (int) CfbReader.u32(summaryStream, (int) propOff + 4);
}
}
return 0;
}
}
@@ -0,0 +1,228 @@
package ru.pjandro.wordpdf.internal.doc;
/**
* Разбор TAP (Table Properties) TTP-абзаца строки → сетка и границы таблицы.
*
* <p>[MS-DOC] §2.6.3: {@code sprmTDefTable} (0xD608) — TDefTableOperand
* (§2.9.321): cb(2, «остаток+1») + NumberOfColumns(1, ≤63) + rgdxaCenter
* ((ncols+1) × XAS со знаком: первый — левый край таблицы от поля, далее
* правые края колонок) + rgTc80. Ширина колонки i = center[i+1] − center[i].
* Границы строки: {@code sprmTTableBorders} (0xD613) — TableBordersOperand
* (§2.9.302, cb=0x30, 6 × Brc по 8 байт: cv COLORREF + dptLineWidth +
* brcType + флаги), иначе {@code sprmTTableBorders80} (0xD605) —
* 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>
*
* <p>brcType → ST_Border (§17.18.2) по таблице BrcType ([MS-DOC] §2.9.39,
* колонка Reference); 0x00 — элемент не эмитится, нераспознанный — single.
* w:sz = dptLineWidth (1/8 пункта, ECMA-376 §17.18.15; 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>
*
* <p>Вне контура (деградация {@code null} / молчаливый пропуск): вложенные
* таблицы (sprmPFInnerTtp), объединённые ячейки (vertMerge, sprmTInsert),
* отступы между ячейками (sprmTDxaCellSpacing), бордюры уровня ячейки
* (TC80/sprmTCellBorders) — только строковые границы 0xD613/0xD605.</p>
*/
final class Tables {
/** brcType ≥ этого порога: dptLineWidth задан в целых пунктах (§2.9.38). */
private static final int BRC_TYPE_POINT_UNITS = 0x40;
/** Минимальный w:sz границы; значения Brc80 меньше эквивалентны 2 (§2.9.37). */
private static final int MIN_BORDER_SZ = 2;
/** Минимум центров в TDefTable: ncols≥1 → centers[ncols+1]≥2 (§2.9.321). */
private static final int MIN_CENTERS = 2;
/**
* Сетка строки: ширины колонок, сдвиг от поля, XML границ (может быть
* пустым), выравнивание таблицы ("center"/"right"; null = left → элемент
* не эмитится).
*/
record Grid(int[] colWidths, int indent, String bordersXml, String tblJc) {
}
/**
* Ico → RRGGBB ([MS-DOC] §2.9.171). 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).
*/
private static final String[] ICO_COLORS = {
null, // 0x00 auto
"000000", // 1 black
"0000FF", // 2 blue
"00FFFF", // 3 teal
"00FF00", // 4 green
"FF00FF", // 5 magenta
"FF0000", // 6 red
"FFFF00", // 7 yellow
"FFFFFF", // 8 white
"000080", // 9 dark blue
"008080", // 10 dark teal
"008000", // 11 dark green
"800080", // 12 dark magenta
"800000", // 13 dark red
"808000", // 14 dark yellow
"808080", // 15 gray 50%
"C0C0C0", // 16 gray 25%
};
/**
* Имена ST_Border по brcType (§2.9.39, колонка Reference); 0 — none.
* package-private хук для юнита полного покрытия таблицы.
*/
static String borderVal(int brcType) {
return switch (brcType) {
case 0x01 -> "single";
case 0x03 -> "double";
case 0x06 -> "dotted";
case 0x07 -> "dashed";
case 0x08 -> "dotDash";
case 0x09 -> "dotDotDash";
case 0x0A -> "triple";
case 0x0B -> "thinThickSmallGap";
case 0x0C -> "thickThinSmallGap";
case 0x0D -> "thinThickThinSmallGap";
case 0x0E -> "thinThickMediumGap";
case 0x0F -> "thickThinMediumGap";
case 0x10 -> "thinThickThinMediumGap";
case 0x11 -> "thinThickLargeGap";
case 0x12 -> "thickThinLargeGap";
case 0x13 -> "thinThickThinLargeGap";
case 0x14 -> "wave";
case 0x15 -> "doubleWave";
case 0x16 -> "dashSmallGap";
case 0x17 -> "dashDotStroked";
case 0x18 -> "threeDEmboss";
case 0x19 -> "threeDEngrave";
case 0x1A, 0x1B -> "outset";
default -> "single";
};
}
private Tables() {
}
/**
* Сетка строки по TAP TTP-абзаца; {@code null} — сетку построить нельзя
* (нет/битый sprmTDefTable, нулевая или неположительная ширина колонки) →
* вызывающий деградирует в плоские абзацы.
*/
static Grid parse(byte[] tap) {
int[][] centers = {new int[0]};
String[] borders = {""};
boolean[] d613Seen = {false};
String[] jc = {null};
boolean[] jcSeen = {false};
Grpprl.scan(tap, 0, tap.length, (sprm, buf, off, len) -> {
if (sprm == Grpprl.SPRM_T_DEF_TABLE && len >= 3) {
centers[0] = readDefTable(buf, off, len);
} else if (sprm == Grpprl.SPRM_T_TABLE_BORDERS && len == 0x31) {
borders[0] = readBorders(buf, off);
d613Seen[0] = true;
} else if (sprm == Grpprl.SPRM_T_TABLE_BORDERS_80 && len == 0x19
&& !d613Seen[0]) {
borders[0] = readBorders80(buf, off);
} else if (sprm == Grpprl.SPRM_T_JC && len >= 2) {
jc[0] = jcVal(Grpprl.operandInt(buf, off, len));
jcSeen[0] = true;
} else if (sprm == Grpprl.SPRM_T_JC90 && len >= 2 && !jcSeen[0]) {
// тот же приоритет современного над 90-вариантом, что у границ
jc[0] = jcVal(Grpprl.operandInt(buf, off, len));
}
});
int[] c = centers[0];
if (c.length < MIN_CENTERS) {
return null;
}
int[] colWidths = new int[c.length - 1];
for (int i = 0; i < colWidths.length; i++) {
colWidths[i] = c[i + 1] - c[i];
if (colWidths[i] <= 0) {
return null;
}
}
return new Grid(colWidths, c[0], borders[0], jc[0]);
}
/** sprmTJc/sprmTJc90 (§2.6.3): 1 → "center", 2 → "right", прочее (0/left) → null. */
private static String jcVal(int v) {
return v == 1 ? "center" : v == 2 ? "right" : null;
}
/** TDefTableOperand → centers[ncols+1] (XAS со знаком) или пустой массив. */
private static int[] readDefTable(byte[] buf, int off, int len) {
int ncols = buf[off + 2] & 0xFF;
if (ncols < 1 || ncols > 63 || len < 3 + 2 * (ncols + 1)) {
return new int[0];
}
int[] centers = new int[ncols + 1];
for (int i = 0; i <= ncols; i++) {
centers[i] = signedXas(buf, off + 3 + 2 * i);
}
return centers;
}
private static int signedXas(byte[] buf, int off) {
int v = CfbReader.u16(buf, off);
return (v & 0x8000) != 0 ? v - 0x10000 : v;
}
/** 6 × Brc (8 байт, cv(4)+dptLineWidth+brcType+флаги(2)) → w:tblBorders. */
private static String readBorders(byte[] buf, int off) {
StringBuilder xml = new StringBuilder();
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)
int type = buf[b + 5] & 0xFF;
if (type == 0) {
continue;
}
String color = (buf[b + 3] & 0xFF) == 0xFF
? null
: String.format("%02X%02X%02X", buf[b] & 0xFF, buf[b + 1] & 0xFF,
buf[b + 2] & 0xFF);
appendBorder(xml, names[i], type, buf[b + 4] & 0xFF, color);
}
return xml.length() == 0 ? "" : "<w:tblBorders>" + xml + "</w:tblBorders>";
}
/** 6 × Brc80 (4 байта: dptLineWidth+brcType+ico+флаги) → w:tblBorders. */
private static String readBorders80(byte[] buf, int off) {
StringBuilder xml = new StringBuilder();
String[] names = {"top", "left", "bottom", "right", "insideH", "insideV"};
for (int i = 0; i < 6; i++) {
int b = off + 1 + i * 4;
int type = buf[b + 1] & 0xFF;
if (type == 0) {
continue;
}
int ico = buf[b + 2] & 0xFF;
String color = ico < ICO_COLORS.length ? ICO_COLORS[ico] : null;
appendBorder(xml, names[i], type, buf[b] & 0xFF, color);
}
return xml.length() == 0 ? "" : "<w:tblBorders>" + xml + "</w:tblBorders>";
}
private static void appendBorder(StringBuilder xml, String name, int type,
int dptLineWidth, String color) {
int sz = dptLineWidth;
if (type >= BRC_TYPE_POINT_UNITS) {
sz *= 8; // ширина в целых пунктах (§2.9.38, таблица dptLineWidth)
}
if (sz < MIN_BORDER_SZ) {
sz = MIN_BORDER_SZ; // Brc80: значения < 2 эквивалентны 2 (§2.9.37)
}
xml.append("<w:").append(name).append(" w:val=\"").append(borderVal(type))
.append("\" w:sz=\"").append(sz).append('"');
if (color != null) {
xml.append(" w:color=\"").append(color).append('"');
}
xml.append("/>");
}
}
@@ -9,8 +9,10 @@ import org.apache.pdfbox.pdmodel.PDResources;
import org.apache.pdfbox.pdmodel.font.PDFont; import org.apache.pdfbox.pdmodel.font.PDFont;
import org.apache.pdfbox.pdmodel.graphics.image.PDImageXObject; import org.apache.pdfbox.pdmodel.graphics.image.PDImageXObject;
import org.apache.pdfbox.text.PDFTextStripper; import org.apache.pdfbox.text.PDFTextStripper;
import org.apache.poi.poifs.filesystem.POIFSFileSystem;
import org.junit.jupiter.api.Test; import org.junit.jupiter.api.Test;
import java.io.ByteArrayInputStream;
import java.io.ByteArrayOutputStream; import java.io.ByteArrayOutputStream;
import java.nio.charset.StandardCharsets; import java.nio.charset.StandardCharsets;
import java.io.IOException; import java.io.IOException;
@@ -161,7 +163,20 @@ class WordPdfConverterTest {
*/ */
@Test @Test
void chartsSmartArt_drawingsBecomeImages() throws Exception { void chartsSmartArt_drawingsBecomeImages() throws Exception {
Path pdf = convertPdf(sampleBytes("charts-smartart.docx"), "charts-smartart"); assertDrawingsBecomeImages("charts-smartart.docx");
}
/**
* Тот же паритет для samples/charts-smartart.doc: BLIP'ы OfficeArt
* извлекаются мостом в image-части, растров в PDF не меньше четырёх.
*/
@Test
void chartsSmartArt_docDrawingsBecomeImages() throws Exception {
assertDrawingsBecomeImages("charts-smartart.doc");
}
private static void assertDrawingsBecomeImages(String fixture) throws Exception {
Path pdf = convertPdf(sampleBytes(fixture), baseName(fixture));
String text = norm(pdfText(pdf)); String text = norm(pdfText(pdf));
assertTrue(text.contains("Диаграммы"), "пропал текст вокруг диаграмм: " + text); assertTrue(text.contains("Диаграммы"), "пропал текст вокруг диаграмм: " + text);
@@ -236,7 +251,21 @@ class WordPdfConverterTest {
*/ */
@Test @Test
void oleObjects_removedAndConverted() throws Exception { void oleObjects_removedAndConverted() throws Exception {
Path pdf = convertPdf(sampleBytes("ole-embedded.docx"), "ole-embedded"); assertOleObjectsRemoved("ole-embedded.docx");
}
/**
* samples/ole-embedded.doc: OLE-объект ([MS-DOC] U+0001 +
* sprmCFOle2) не читается — мост берёт VML-плейсхолдер (BLIP по
* {@code sprmCPicLocation}=0) и пишет штатной картинкой.
*/
@Test
void oleObjects_docRemovedAndConverted() throws Exception {
assertOleObjectsRemoved("ole-embedded.doc");
}
private static void assertOleObjectsRemoved(String fixture) throws Exception {
Path pdf = convertPdf(sampleBytes(fixture), baseName(fixture));
String text = norm(pdfText(pdf)); String text = norm(pdfText(pdf));
assertTrue(text.contains("OLE object test before"), assertTrue(text.contains("OLE object test before"),
@@ -251,6 +280,10 @@ class WordPdfConverterTest {
/** /**
* errorOnOle=true — {@link DrawingFoundException} с {@code Kind.OLE}, * errorOnOle=true — {@link DrawingFoundException} с {@code Kind.OLE},
* документ отвергается. Фикстура samples/ole-embedded.docx. * документ отвергается. Фикстура samples/ole-embedded.docx.
*
* <p>Флаг действует только на .docx: в бинарном .doc OLE-объект —
* не часть, а форматирование U+0001, и мост деградирует его до
* картинки-плейсхолдера (см. {@link #oleObjects_docRemovedAndConverted()}).</p>
*/ */
@Test @Test
void drawingErrors_errorFlagRejectsOle() throws Exception { void drawingErrors_errorFlagRejectsOle() throws Exception {
@@ -296,25 +329,30 @@ class WordPdfConverterTest {
*/ */
@Test @Test
void exoticGlyphs_drawnNotHash() throws Exception { void exoticGlyphs_drawnNotHash() throws Exception {
Path pdf = convertPdf(sampleBytes("exotic-glyphs.docx"), "exotic-glyphs"); assertExoticGlyphs("exotic-glyphs.docx");
assertExoticGlyphs("exotic-glyphs.doc");
}
private static void assertExoticGlyphs(String fixture) throws Exception {
Path pdf = convertPdf(sampleBytes(fixture), baseName(fixture));
String text = norm(pdfText(pdf)); String text = norm(pdfText(pdf));
for (String ch : List.of("\u2152", "\u2181", "\u058D", "\u08E1")) { for (String ch : List.of("\u2152", "\u2181", "\u058D", "\u08E1")) {
assertTrue(text.contains(ch), "нет символа U+" assertTrue(text.contains(ch), fixture + ": нет символа U+"
+ Integer.toHexString(ch.charAt(0)) + ": " + text); + Integer.toHexString(ch.charAt(0)) + ": " + text);
} }
assertFalse(text.contains("#"), assertFalse(text.contains("#"),
"в PDF остались .notdef-решётки: " + text); fixture + ": в PDF остались .notdef-решётки: " + text);
// Римская цифра — вшитым DejaVu Serif, а не базовым Helvetica // Римская цифра — вшитым DejaVu Serif, а не базовым Helvetica
assertTrue(fontNameOf(pdf, '\u2181').contains("DejaVuSerif"), assertTrue(fontNameOf(pdf, '\u2181').contains("DejaVuSerif"),
"римская цифра нарисована не DejaVu Serif"); fixture + ": римская цифра нарисована не DejaVu Serif");
// Армянский знак Unicode 16 — Noto Sans Armenian // Армянский знак Unicode 16 — Noto Sans Armenian
assertTrue(fontNameOf(pdf, '\u058D').contains("NotoSansArmenian"), assertTrue(fontNameOf(pdf, '\u058D').contains("NotoSansArmenian"),
"армянский знак нарисован не Noto Sans Armenian"); fixture + ": армянский знак нарисован не Noto Sans Armenian");
// Соседний обычный текст не уехал в подставленное семейство // Соседний обычный текст не уехал в подставленное семейство
assertTrue(fontNameOf(pdf, 'ы').contains("Tinos"), assertTrue(fontNameOf(pdf, 'ы').contains("Tinos"),
"кириллица уехала с Tinos"); fixture + ": кириллица уехала с Tinos");
} }
/** /**
@@ -326,26 +364,48 @@ class WordPdfConverterTest {
*/ */
@Test @Test
void pageNumbers_recomputedNotCached() throws Exception { void pageNumbers_recomputedNotCached() throws Exception {
Path pdf = convertPdf(sampleBytes("page-numbers.docx"), "page-numbers"); assertPageNumbers("page-numbers.docx");
// .doc: колонтитуки с полями PAGE/NUMPAGES переносит мост (Headers +
// fldSimple), кэш результата (2 / 11) в PDF не попадает
assertPageNumbers("page-numbers.doc");
}
for (int page = 1; page <= 3; page++) { private static void assertPageNumbers(String fixture) throws Exception {
Path pdf = convertPdf(sampleBytes(fixture), baseName(fixture));
int pages;
try (PDDocument doc = Loader.loadPDF(pdf.toFile())) {
pages = doc.getNumberOfPages();
}
assertTrue(pages >= 2, fixture + ": колонтитукам негде рендериться");
for (int page = 1; page <= pages; page++) {
String text = norm(pdfPageText(pdf, page)); String text = norm(pdfPageText(pdf, page));
assertTrue(text.contains("Страница " + page), assertTrue(text.contains("Страница " + page),
"страница " + page + " содержит не своё содержимое: " + text); fixture + ": страница " + page + " содержит не своё содержимое: " + text);
assertTrue(text.contains(page + " / 3"), assertTrue(text.contains(page + " / " + pages),
"колонтитул страницы " + page + " не пересчитан: " + text); fixture + ": колонтитул страницы " + page + " не пересчитан: " + text);
} }
} }
@Test @Test
void ruPlain_cyrillicAndStyles() throws Exception { void ruPlain_cyrillicAndStyles() throws Exception {
String text = norm(pdfText(convertPdf(sampleBytes("ru-plain.docx"), "ru-plain"))); assertCyrillicAndStyles("ru-plain.docx");
// .doc-двойник фикстуры — тот же текст через мост internal.doc
assertCyrillicAndStyles("ru-plain.doc");
}
assertTrue(text.contains("Привет, мир!"), "нет «Привет, мир!»: " + text); private static void assertCyrillicAndStyles(String fixture) throws Exception {
String text = norm(pdfText(convertPdf(sampleBytes(fixture), baseName(fixture))));
assertTrue(text.contains("Привет, мир!"), fixture + ": нет «Привет, мир!»: " + text);
// Полный кириллический алфавит — проверка, что все глифы встроились // Полный кириллический алфавит — проверка, что все глифы встроились
assertTrue(text.contains("абвгдеёжзийклмнопрстуфхцчшщъыьэюя"), assertTrue(text.contains("абвгдеёжзийклмнопрстуфхцчшщъыьэюя"),
"нет кириллического алфавита: " + text); fixture + ": нет кириллического алфавита: " + text);
assertTrue(text.contains("жирный курсив"), "нет «жирный курсив»: " + text); assertTrue(text.contains("жирный курсив"), fixture + ": нет «жирный курсив»: " + text);
}
/** Имя фикстуры без расширения — PDF-title и имя temp-файла. */
private static String baseName(String fixture) {
return fixture.replaceAll("\\.docx?$", "");
} }
/** /**
@@ -398,34 +458,63 @@ class WordPdfConverterTest {
@Test @Test
void enPlain_englishText() throws Exception { void enPlain_englishText() throws Exception {
String text = norm(pdfText(convertPdf(sampleBytes("en-plain.docx"), "en-plain"))); assertEnglishText("en-plain.docx");
assertEnglishText("en-plain.doc");
}
assertTrue(text.contains("Hello, world!"), "нет «Hello, world!»: " + text); private static void assertEnglishText(String fixture) throws Exception {
assertTrue(text.contains("quick brown fox"), "нет «quick brown fox»: " + text); String text = norm(pdfText(convertPdf(sampleBytes(fixture), baseName(fixture))));
assertTrue(text.contains("Hello, world!"), fixture + ": нет «Hello, world!»: " + text);
assertTrue(text.contains("quick brown fox"), fixture + ": нет «quick brown fox»: " + text);
} }
@Test @Test
void mixed_headingListTable() throws Exception { void mixed_headingListTable() throws Exception {
String text = norm(pdfText(convertPdf(sampleBytes("ru-en-mixed.docx"), "ru-en-mixed"))); assertHeadingListTable("ru-en-mixed.docx");
assertHeadingListTable("ru-en-mixed.doc");
}
assertTrue(text.contains("Смешанный документ"), "нет заголовка: " + text); private static void assertHeadingListTable(String fixture) throws Exception {
assertTrue(text.contains("first item"), "нет пункта списка: " + text); String text = norm(pdfText(convertPdf(sampleBytes(fixture), baseName(fixture))));
assertTrue(text.contains("Смешанный документ"), fixture + ": нет заголовка: " + text);
assertTrue(text.contains("first item"), fixture + ": нет пункта списка: " + text);
assertTrue(text.contains("Ячейка А") && text.contains("Cell B"), assertTrue(text.contains("Ячейка А") && text.contains("Cell B"),
"нет ячеек таблицы: " + text); fixture + ": нет ячеек таблицы: " + text);
} }
@Test @Test
void ruTimes_russianInTimes() throws Exception { void ruTimes_russianInTimes() throws Exception {
String text = norm(pdfText(convertPdf(sampleBytes("ru-times.docx"), "ru-times"))); assertRussianInTimes("ru-times.docx");
assertRussianInTimes("ru-times.doc");
}
private static void assertRussianInTimes(String fixture) throws Exception {
String text = norm(pdfText(convertPdf(sampleBytes(fixture), baseName(fixture))));
assertTrue(text.contains("Съешь ещё этих мягких французских булок"), assertTrue(text.contains("Съешь ещё этих мягких французских булок"),
"нет русского текста: " + text); fixture + ": нет русского текста: " + text);
} }
@Test @Test
void tableImage_tableAndImage() throws Exception { void tableImage_tableAndImage() throws Exception {
byte[] docx = sampleBytes("ru-table-image.docx"); assertTableImage("ru-table-image.docx");
String text = norm(pdfText(convertPdf(docx, "ru-table-image"))); }
/**
* samples/ru-table-image.doc: картинка — BLIP OfficeArt по
* {@code sprmCPicLocation}; мост извлекает PNG в image-часть,
* таблица и картинка рендерятся как в .docx.
*/
@Test
void tableImage_docTableAndImage() throws Exception {
assertTableImage("ru-table-image.doc");
}
private static void assertTableImage(String fixture) throws Exception {
byte[] docx = sampleBytes(fixture);
String text = norm(pdfText(convertPdf(docx, baseName(fixture))));
// Таблица без tblGrid/tcW (auto-fit): docx4j 17.x считает ширины // Таблица без tblGrid/tcW (auto-fit): docx4j 17.x считает ширины
// колонок по контенту и вместе с padding'ом ячейки не оставляет // колонок по контенту и вместе с padding'ом ячейки не оставляет
@@ -436,7 +525,7 @@ class WordPdfConverterTest {
assertTrue(flat.contains("Русский"), "нет «Русский»: " + text); assertTrue(flat.contains("Русский"), "нет «Русский»: " + text);
// Изображение: ищем XObject'ы-изображения среди ресурсов страниц // Изображение: ищем XObject'ы-изображения среди ресурсов страниц
Path pdf = convertPdf(docx, "ru-table-image"); Path pdf = convertPdf(docx, baseName(fixture));
try (PDDocument doc = Loader.loadPDF(pdf.toFile())) { try (PDDocument doc = Loader.loadPDF(pdf.toFile())) {
int images = 0; int images = 0;
for (PDPage page : doc.getPages()) { for (PDPage page : doc.getPages()) {
@@ -482,9 +571,9 @@ class WordPdfConverterTest {
} }
/** /**
* Вход без zip-подписи — отказ как некорректный вход (ValidationException), * Вход без подписи какого-либо поддерживаемого контейнера (ни zip,
* а не ошибка рендера: вход конвертера прогоняет тот же * ни CFB) — отказ как некорректный вход (ValidationException),
* {@link WordPdfValidator#validate(byte[], ConvertOptions)}, что и приложение до очереди. * а не ошибка рендера: сообщение перечисляет оба формата.
* Регрессия — WordPdfValidatorTest#validate_notAZip. * Регрессия — WordPdfValidatorTest#validate_notAZip.
*/ */
@Test @Test
@@ -492,8 +581,8 @@ class WordPdfConverterTest {
byte[] junk = {1, 2, 3, 4, 5, 6, 7, 8}; byte[] junk = {1, 2, 3, 4, 5, 6, 7, 8};
ValidationException ex = assertThrows(ValidationException.class, () -> ValidationException ex = assertThrows(ValidationException.class, () ->
WordPdfConverter.convert(junk, "junk")); WordPdfConverter.convert(junk, "junk"));
assertTrue(ex.getMessage().contains("не zip-архив"), assertTrue(ex.getMessage().contains("не похоже на .docx или .doc"),
"сообщение должно упоминать zip-подпись: " + ex.getMessage()); "сообщение должно перечислять форматы: " + ex.getMessage());
} }
/** /**
@@ -539,12 +628,18 @@ class WordPdfConverterTest {
*/ */
@Test @Test
void tooManyPages() { void tooManyPages() {
assertTooManyPages("too-many-pages.docx");
// .doc: 150 разрывов 0x0C считает мост по чистому бинарному документу
assertTooManyPages("too-many-pages.doc");
}
private static void assertTooManyPages(String fixture) {
ValidationException ex = assertThrows(ValidationException.class, () -> ValidationException ex = assertThrows(ValidationException.class, () ->
WordPdfConverter.convert( WordPdfConverter.convert(
sampleBytes("too-many-pages.docx"), "too-many-pages", sampleBytes(fixture), baseName(fixture),
new ConvertOptions(false, false, false, WordPdfSettings.MAX_INPUT_MB, 100))); new ConvertOptions(false, false, false, WordPdfSettings.MAX_INPUT_MB, 100)));
assertTrue(ex.getMessage().contains("100"), assertTrue(ex.getMessage().contains("100"),
"сообщение должно упоминать лимит: " + ex.getMessage()); fixture + ": сообщение должно упоминать лимит: " + ex.getMessage());
} }
/** /**
@@ -563,6 +658,23 @@ class WordPdfConverterTest {
"сообщение должно упоминать лимит: " + ex.getMessage()); "сообщение должно упоминать лимит: " + ex.getMessage());
} }
/**
* Семантическое различие форматов: stale-cache.docx отвергается
* (кэш {@code <Pages>1</Pages>} проигрывает 110 маркерам
* {@code w:lastRenderedPageBreak}), а stale-cache.doc конвертируется:
* в бинарном .doc понятия lastRenderedPageBreak нет, нижняя оценка —
* кэш PageCount=5 плюс явные разрывы, и она в лимите 100.
* Регрессия — WordPdfConverterTest#staleCache_docConvertsByCacheOnly.
*/
@Test
void staleCache_docConvertsByCacheOnly() throws Exception {
Path pdf = convertPdf(sampleBytes("stale-cache.doc"), "stale-cache",
new ConvertOptions(false, false, false, WordPdfSettings.MAX_INPUT_MB, 100));
try (PDDocument doc = Loader.loadPDF(pdf.toFile())) {
assertTrue(doc.getNumberOfPages() >= 1, "PDF не отрендерился");
}
}
/** /**
* Заголовок PDF — параметр {@code title} (файлового API в ядре нет, * Заголовок PDF — параметр {@code title} (файлового API в ядре нет,
* из имени файла заголовок больше не выводится). * из имени файла заголовок больше не выводится).
@@ -818,6 +930,27 @@ class WordPdfConverterTest {
assertEquals(196.15, xOfMarker(pdf, 'Q'), 1.0); assertEquals(196.15, xOfMarker(pdf, 'Q'), 1.0);
} }
/**
* w:jc="center" БЕЗ w:tblInd: Word центрирует сетку, текст = поле +
* (полоса−ΣgridCol)/2 + padding. TableIndentNormalizer сворачивает jc с
* X=0 в абсолютный tblInd — иначе docx4j пишет центрированию start-indent
* без вычета cellMar и padding-компенсация LayoutPostRenderer уводит
* текст на +5.4pt (замер: 165.57). Та же геометрия и та же ожидаемая
* точка, что у docFooterTableCentered_shiftedLikeWord.
*/
@Test
void tableCenteredNoIndent_shiftedLikeWord() throws Exception {
byte[] docx = minimalDocx("<w:tbl><w:tblPr><w:jc w:val=\"center\"/></w:tblPr>"
+ "<w:tblGrid><w:gridCol w:w=\"3000\"/><w:gridCol w:w=\"3000\"/></w:tblGrid>"
+ "<w:tr><w:tc><w:p><w:r><w:t>Q</w:t></w:r></w:p></w:tc></w:tr></w:tbl>",
"<w:sectPr><w:pgSz w:w=\"11906\" w:h=\"16838\"/>"
+ "<w:pgMar w:top=\"1134\" w:right=\"850\" w:bottom=\"1134\" w:left=\"1134\""
+ " w:header=\"720\" w:footer=\"720\" w:gutter=\"0\"/></w:sectPr>");
Path pdf = convertPdf(docx, "t");
// margin 56.7 + (9922−6000)/2÷20 = 98.05 + cell padding 5.4
assertEquals(160.15, xOfMarker(pdf, 'Q'), 1.0);
}
/** /**
* w:suff="space": Word пишет после номера обычный пробел (Part 1 * w:suff="space": Word пишет после номера обычный пробел (Part 1
* §17.3.1.28), docx4j разделитель не эмитит вовсе (дамп n4.fo). * §17.3.1.28), docx4j разделитель не эмитит вовсе (дамп n4.fo).
@@ -1165,4 +1298,484 @@ class WordPdfConverterTest {
&& dfe.kind() == DrawingFoundException.Kind.CHARTS, && dfe.kind() == DrawingFoundException.Kind.CHARTS,
"ожидался DrawingFoundException(CHARTS), получено: " + ex); "ожидался DrawingFoundException(CHARTS), получено: " + ex);
} }
/**
* Бинарный .doc (фикстура заказчика): текст и кириллица рендерятся
* бандл-шрифтами без .notdef; страницы считаются по чистому .doc.
* Регрессия — internal.doc.DocToDocx (мост .doc → .docx).
*/
@Test
void docBinary_russianTextRenders() throws Exception {
Path pdf = convertPdf(sampleBytes("ru-plain.doc"), "ru-plain");
String text = norm(pdfText(pdf));
assertTrue(text.contains("Тестовый документ (русский)"), "заголовок не отрисовался");
assertTrue(text.contains("Привет, мир!"), "текст потерялся");
assertTrue(text.contains("абвгдеёжзийклмнопрстуфхцчшщъыьэюя"), "алфавит потерялся");
assertFalse(text.contains("#"), ".notdef-боксы в тексте");
assertFalse(fontNameOf(pdf, 'П').contains("Helvetica"), "внешний шрифт");
try (PDDocument doc = Loader.loadPDF(pdf.toFile())) {
assertEquals(1, doc.getNumberOfPages());
}
}
/**
* .doc с прямым форматированием: sprmPFPageBreakBefore даёт вторую
* страницу и удерживает лимит по чистому .doc (maxPages=1 → отказ).
* Регрессия — Sections/PapxIndex (подсчёт страниц без конвертации).
*/
@Test
void docBinary_formats_pageBreakAndLimit() throws Exception {
Path pdf = convertPdf(sampleBytes("doc-formats.doc"), "doc-formats");
try (PDDocument doc = Loader.loadPDF(pdf.toFile())) {
assertEquals(2, doc.getNumberOfPages(), "pageBreakBefore не отделил страницу");
}
assertTrue(norm(pdfPageText(pdf, 2)).contains("Вторая страница после разрыва"),
"второй страницы нет");
assertThrows(ValidationException.class, () -> convertPdf(sampleBytes("doc-formats.doc"),
"doc-formats", new ConvertOptions(false, false, false,
WordPdfSettings.MAX_INPUT_MB, 1)),
"лимит 1 страница не удержал двухстраничный .doc");
}
/**
* Синтетический .doc со списками (ни одна фикстура заказчика списков не
* содержит — крафт POIFS, дубль хелперов DocToDocxFormattingTest):
* PlfLst/PlfLfo → numbering.xml + w:numPr — decimal «1.»/«2.», буквенный
* подуровень «a)»/«b)», Symbol-буллет (PUA в w:lvl чинит
* SymbolFontNormalizer — та же цепочка, что symbol-bullets.docx).
* Регрессия — internal.doc.Lists + DocxBody#numPrXml.
*/
@Test
void docLists_numberingAndBulletsRendered() throws Exception {
Path pdf = convertPdf(listsDoc(), "doc-lists");
String text = norm(pdfText(pdf));
assertTrue(text.contains("1."), "decimal-номер: " + text);
assertTrue(text.contains("2."), "второй пункт: " + text);
assertTrue(text.contains("a)"), "буквенный подуровень: " + text);
assertTrue(text.contains("b)"), "второй пункт подуровня: " + text);
assertTrue(text.contains("\u2022"), "Symbol-буллет: " + text);
assertFalse(text.contains("#"), ".notdef-боксы в тексте");
}
/**
* Синтетический .doc с двумя секциями (крафт POIFS, дубль хелперов
* DocToDocxFormattingTest): колонтитуки каждой секции — свой sectPr.
* Секция 0: odd hdr «ШАПКА-1», odd ftr «ПОДВАЛ-1»; секция 1: odd hdr
* «ШАПКА-2», odd ftr не определён ([x,x), §2.4.4) → docx4j наследует
* «ПОДВАЛ-1». Страница 1 — ШАПКА-1+ПОДВАЛ-1, страница 2 — ШАПКА-2 +
* унаследованный ПОДВАЛ-1 без ШАПКА-1. Регрессия — internal.doc
* (Sections/Headers/DocToDocx, многосекционный перенос колонтитуков).
*/
@Test
void docMultiSection_perSectionHeaders() throws Exception {
Path pdf = convertPdf(multiSectionDoc(), "doc-multi-section");
try (PDDocument doc = Loader.loadPDF(pdf.toFile())) {
assertEquals(2, doc.getNumberOfPages(), "межсекционный разрыв не дал страницу");
}
String p1 = norm(pdfPageText(pdf, 1));
String p2 = norm(pdfPageText(pdf, 2));
assertTrue(p1.contains("ШАПКА-1"), "заголовок секции 1: " + p1);
assertTrue(p1.contains("ПОДВАЛ-1"), "футер секции 1: " + p1);
assertTrue(p2.contains("ШАПКА-2"), "заголовок секции 2: " + p2);
assertFalse(p2.contains("ШАПКА-1"), "колонтитук секции 1 утек во 2-ю: " + p2);
assertTrue(p2.contains("ПОДВАЛ-1"),
"неопределённый футер секции 2 должен наследоваться: " + p2);
}
/**
* Таблица с w:jc=center + w:tblInd в word/header1.xml: полоса набора у
* header-части своя отсутствует — TableIndentNormalizer.rewritePart
* сворачивает по band из document.xml (9922): (9922−6000)/2+720 = 2681
* twips = 134.05pt (без свёртки docx4j игнорирует tblInd при jc≠left —
* x был бы 160.15). Регрессия — TableIndentNormalizer#rewritePart +
* DocxRewritePipeline (band из document.xml).
*/
@Test
void headerTableIndent_centeredInHeader() throws Exception {
String w = "http://schemas.openxmlformats.org/wordprocessingml/2006/main";
String hdr = "<?xml version=\"1.0\" encoding=\"UTF-8\" standalone=\"yes\"?>"
+ "<w:hdr xmlns:w=\"" + w + "\" xmlns:r=\"http://schemas.openxmlformats.org"
+ "/officeDocument/2006/relationships\">"
+ "<w:tbl><w:tblPr><w:jc w:val=\"center\"/>"
+ "<w:tblInd w:w=\"720\" w:type=\"dxa\"/></w:tblPr>"
+ "<w:tblGrid><w:gridCol w:w=\"3000\"/><w:gridCol w:w=\"3000\"/></w:tblGrid>"
+ "<w:tr><w:tc><w:p><w:r><w:t>Q</w:t></w:r></w:p></w:tc></w:tr></w:tbl>"
+ "</w:hdr>";
ByteArrayOutputStream out = new ByteArrayOutputStream();
try (ZipOutputStream zos = new ZipOutputStream(out)) {
putZip(zos, "[Content_Types].xml",
"<?xml version=\"1.0\" encoding=\"UTF-8\" standalone=\"yes\"?>"
+ "<Types xmlns=\"http://schemas.openxmlformats.org/package/2006/content-types\">"
+ "<Default Extension=\"rels\" ContentType=\"application/vnd.openxmlformats-package.relationships+xml\"/>"
+ "<Default Extension=\"xml\" ContentType=\"application/xml\"/>"
+ "<Override PartName=\"/word/document.xml\" ContentType=\"application/vnd.openxmlformats-officedocument.wordprocessingml.document.main+xml\"/>"
+ "<Override PartName=\"/word/header1.xml\" ContentType=\"application/vnd.openxmlformats-officedocument.wordprocessingml.header+xml\"/>"
+ "</Types>");
putZip(zos, "_rels/.rels",
"<?xml version=\"1.0\" encoding=\"UTF-8\" standalone=\"yes\"?>"
+ "<Relationships xmlns=\"http://schemas.openxmlformats.org/package/2006/relationships\">"
+ "<Relationship Id=\"rId1\" Type=\"http://schemas.openxmlformats.org/officeDocument/2006/relationships/officeDocument\" Target=\"word/document.xml\"/>"
+ "</Relationships>");
putZip(zos, "word/document.xml",
"<?xml version=\"1.0\" encoding=\"UTF-8\" standalone=\"yes\"?>"
+ "<w:document xmlns:w=\"" + w + "\""
+ " xmlns:r=\"http://schemas.openxmlformats.org/officeDocument/2006/relationships\">"
+ "<w:body><w:p><w:r><w:t>МАРКЕР</w:t></w:r></w:p>"
+ "<w:sectPr><w:headerReference w:type=\"default\" r:id=\"rId1\"/>"
+ "<w:pgSz w:w=\"11906\" w:h=\"16838\"/>"
+ "<w:pgMar w:top=\"1134\" w:right=\"850\" w:bottom=\"1134\" w:left=\"1134\""
+ " w:header=\"720\" w:footer=\"720\" w:gutter=\"0\"/></w:sectPr>"
+ "</w:body></w:document>");
putZip(zos, "word/_rels/document.xml.rels",
"<?xml version=\"1.0\" encoding=\"UTF-8\" standalone=\"yes\"?>"
+ "<Relationships xmlns=\"http://schemas.openxmlformats.org/package/2006/relationships\">"
+ "<Relationship Id=\"rId1\" Type=\"http://schemas.openxmlformats.org/officeDocument/2006/relationships/header\" Target=\"header1.xml\"/>"
+ "</Relationships>");
putZip(zos, "word/header1.xml", hdr);
}
Path pdf = convertPdf(out.toByteArray(), "hdr-table");
assertTrue(norm(pdfText(pdf)).contains("МАРКЕР"), "тело пропало");
// margin 56.7 + tblInd 134.05 + cell padding 5.4 — та же арифметика,
// что у body-регрессии tableIndentCentered_shiftedLikeWord
assertEquals(196.15, xOfMarker(pdf, 'Q'), 1.0);
}
// --- крафт .doc с двумя секциями (дубль DocToDocxFormattingTest) -----
private static final int MULTI_TEXT_FC = 2048;
/**
* Две секции: «Текст1⌬Текст2⏎» (0x0C на CP6), PlcfSed aCp [0,7,14]
* (fcSepx=0 — дефолты Word 97 у обеих); Header Document: 6 разделителей,
* у секции 0 odd hdr «ШАПКА-1» + odd ftr «ПОДВАЛ-1», у секции 1 odd hdr
* «ШАПКА-2», odd ftr — пустой диапазон [x,x) (наследование).
*/
private static byte[] multiSectionDoc() throws IOException {
String text = "Текст1" + (char) 0x0C + "Текст2\r"
+ "\r\r\r\r\r\r" + "\r" + "ШАПКА-1\r" + "\r" + "ПОДВАЛ-1\r" + "\r" + "\r"
+ "\r" + "ШАПКА-2\r" + "\r" + "\r" + "\r";
byte[] wd = new byte[MULTI_TEXT_FC + text.length() * 2];
put16(wd, 0, 0xA5EC);
put16(wd, 2, 0x00C1);
put16(wd, 10, 1 << 9);
put16(wd, 62, 4);
put32(wd, 64, wd.length);
put32(wd, 76, 14); // ccpText
put32(wd, 80, 0); // ccpFtn
put32(wd, 84, text.length() - 14); // ccpHdd
put16(wd, 152, 98);
pair(wd, 6, 0, 36); // PlcfSed: aCp(3) + SED(2×12)
pair(wd, 11, 36, 76); // Plcfhdd: aCp(19)
pair(wd, 33, 112, 21); // Clx
byte[] t = text.getBytes(StandardCharsets.UTF_16LE);
System.arraycopy(t, 0, wd, MULTI_TEXT_FC, t.length);
byte[] tab = new byte[133];
// PlcfSed @0: aCp [0, 7, 14], fcSepx=0/0 (дефолтная геометрия)
put32(tab, 0, 0);
put32(tab, 4, 7);
put32(tab, 8, 14);
// Plcfhdd @36: aCp относительные; odd ftr секции 1 — [37,37) (пустая)
int[] hdd = {0, 1, 2, 3, 4, 5, 6, 7, 15, 16, 25, 26, 27,
28, 36, 37, 37, 38, 39};
for (int i = 0; i < hdd.length; i++) {
put32(tab, 36 + i * 4, hdd[i]);
}
// Clx @112: Pcdt, один несжатый кусок
tab[112] = 0x02;
put32(tab, 113, 16);
put32(tab, 117, 0);
put32(tab, 121, text.length());
put32(tab, 127, MULTI_TEXT_FC);
try (POIFSFileSystem fs = new POIFSFileSystem();
ByteArrayOutputStream out = new ByteArrayOutputStream()) {
fs.getRoot().createDocument("WordDocument", new ByteArrayInputStream(wd));
fs.getRoot().createDocument("1Table", new ByteArrayInputStream(tab));
fs.getRoot().createDocument("Data", new ByteArrayInputStream(new byte[64]));
fs.writeFilesystem(out);
return out.toByteArray();
}
}
// --- крафт .doc с таблицей по центру в футере (sprmTJc) -------------
/**
* Одна секция, A4 11906×16838 с полями 1134/850 (Sepx — та же полоса
* набора 9922, что у docx-регрессии tableIndentCentered_shiftedLikeWord):
* body «T⏎»; odd footer — табличная строка (ячейка «Q␇» с sprmPFInTable +
* TTP-абзац «␇» с TAP: sprmTDefTable 2×3000 + sprmTJc=1 → center) +
* guard-¶ (§2.4.4 — отдельный ¶ после последней строки).
*/
private static byte[] footerCenterTableDoc() throws IOException {
String text = "T\r" + "\r\r\r\r\r\r" + "\r\r\r"
+ "Q" + (char) 7 + (char) 7 + "\r" + "\r\r";
byte[] wd = new byte[MULTI_TEXT_FC + text.length() * 2];
put16(wd, 0, 0xA5EC);
put16(wd, 2, 0x00C1);
put16(wd, 10, 1 << 9);
put16(wd, 62, 4);
put32(wd, 64, wd.length);
put32(wd, 76, 2); // ccpText
put32(wd, 80, 0); // ccpFtn
put32(wd, 84, text.length() - 2); // ccpHdd
put16(wd, 152, 98);
pair(wd, 6, 0, 20); // PlcfSed: aCp(2) + SED(1), fcSepx @10
pair(wd, 11, 20, 52); // Plcfhdd: aCp(13)
pair(wd, 13, 72, 12); // PlcfBtePapx
pair(wd, 33, 84, 21); // Clx
// Sepx @1024 (WordDocument): cb(2) + grpprl — геометрия секции
byte[] sepx = concat(prl2(0xB01F, 11906), prl2(0xB020, 16838),
prl2(0xB021, 1134), prl2(0xB022, 850));
put16(wd, 1024, sepx.length);
System.arraycopy(sepx, 0, wd, 1026, sepx.length);
byte[] t = text.getBytes(StandardCharsets.UTF_16LE);
System.arraycopy(t, 0, wd, MULTI_TEXT_FC, t.length);
// PapxFkp pn=3: «Q␇» (InTable) + «␇» (TTP: сетка 2×3000 + sprmTJc=1)
int page = 3 * 512;
put32(wd, page, MULTI_TEXT_FC + 22);
put32(wd, page + 4, MULTI_TEXT_FC + 26);
put32(wd, page + 8, MULTI_TEXT_FC + 28);
wd[page + 12] = 87;
wd[page + 12 + 13] = 94;
wd[page + 511] = 2; // cpara
byte[] inTable = prl(0x2416, 1);
papxEntry(wd, page, 87, inTable);
papxEntry(wd, page, 94, concat(inTable, prl(0x2417, 1),
tdefTable(2, new int[] {0, 3000, 6000}), prl2(0x548A, 1)));
byte[] tab = new byte[105];
put32(tab, 0, 0); // PlcfSed aCp [0, 2)
put32(tab, 4, 2);
put32(tab, 10, 1024); // SED fcSepx (sedBase 8 + 2)
// Plcfhdd @20: aCp относительные; odd footer — [9,14) («Q␇␇» + guard-¶)
int[] hdd = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 13, 14, 15};
for (int i = 0; i < hdd.length; i++) {
put32(tab, 20 + i * 4, hdd[i]);
}
put32(tab, 72, MULTI_TEXT_FC + 22); // PlcfBtePapx aFc + pn=3
put32(tab, 76, MULTI_TEXT_FC + 28);
put32(tab, 80, 3);
tab[84] = 0x02; // Clx Pcdt, один несжатый кусок
put32(tab, 85, 16);
put32(tab, 89, 0);
put32(tab, 93, text.length());
put32(tab, 99, MULTI_TEXT_FC);
try (POIFSFileSystem fs = new POIFSFileSystem();
ByteArrayOutputStream out = new ByteArrayOutputStream()) {
fs.getRoot().createDocument("WordDocument", new ByteArrayInputStream(wd));
fs.getRoot().createDocument("1Table", new ByteArrayInputStream(tab));
fs.getRoot().createDocument("Data", new ByteArrayInputStream(new byte[64]));
fs.writeFilesystem(out);
return out.toByteArray();
}
}
/** TDefTableOperand (§2.9.321): cb(2)=остаток+1, ncols, centers, TC80 по 20 Б. */
private static byte[] tdefTable(int ncols, int[] centers) {
byte[] op = new byte[3 + 2 * centers.length + 20 * ncols];
put16(op, 0, op.length - 2 + 1);
op[2] = (byte) ncols;
for (int i = 0; i < centers.length; i++) {
put16(op, 3 + 2 * i, centers[i]);
}
return concat(new byte[] {(byte) 0xD608, (byte) (0xD608 >>> 8)}, op);
}
/**
* sprmTJc=1 из TAP футерной строки → w:jc="center" в tblPr (мост),
* docx4j+FOP центрируют таблицу как Word: полоса 9922 = 11906−1134−850,
* x = margin 56.7 + (9922−6000)/2÷20 = 98.05 + cell padding 5.4
* (та же арифметика, что у tableIndentCentered_shiftedLikeWord без
* tblInd). Без переноса sprmTJc таблица прижата к левому краю (x≈62.1).
*/
@Test
void docFooterTableCentered_shiftedLikeWord() throws Exception {
Path pdf = convertPdf(footerCenterTableDoc(), "doc-footer-jc");
assertEquals(160.15, xOfMarker(pdf, 'Q'), 1.0);
}
// --- крафт .doc со списками (дубль DocToDocxFormattingTest) ----------
private static final int LISTS_TEXT_FC = 2048;
/**
* 5 абзацев: «one»/«two» (ilfo=1, ilvl=0 — decimal), «sub1»/«sub2»
* (ilfo=1, ilvl=1 — lowerLetter), «mark» (ilfo=2 — bullet Symbol).
* PlfLst: LSTF lsid=100 (9 уровней) + LSTF lsid=200 (fSimpleList);
* PlfLfo: два LFO без переопределений; SttbfFfn: Symbol на ftc0=0.
*/
private static byte[] listsDoc() throws IOException {
String text = "one\r" + "two\r" + "sub1\r" + "sub2\r" + "mark\r";
byte[] wd = new byte[LISTS_TEXT_FC + text.length() * 2];
put16(wd, 0, 0xA5EC);
put16(wd, 2, 0x00C1);
put16(wd, 10, 1 << 9);
put16(wd, 62, 4);
put32(wd, 64, wd.length);
put32(wd, 76, text.length());
put16(wd, 152, 98);
pair(wd, 6, 0, 20); // PlcfSed
pair(wd, 13, 20, 12); // PlcfBtePapx
pair(wd, 33, 32, 21); // Clx
byte[] t = text.getBytes(StandardCharsets.UTF_16LE);
System.arraycopy(t, 0, wd, LISTS_TEXT_FC, t.length);
int page = 3 * 512;
// rgfc — FC (UTF-16LE): границы «one|two|sub1|sub2|mark|»
int[] rgfc = {LISTS_TEXT_FC, LISTS_TEXT_FC + 8, LISTS_TEXT_FC + 16,
LISTS_TEXT_FC + 26, LISTS_TEXT_FC + 36, LISTS_TEXT_FC + 2 * text.length()};
for (int i = 0; i < rgfc.length; i++) {
put32(wd, page + i * 4, rgfc[i]);
}
int rgbx = page + rgfc.length * 4;
int[] bx = {87, 94, 101, 108, 115};
for (int i = 0; i < bx.length; i++) {
wd[rgbx + i * 13] = (byte) bx[i];
}
wd[page + 511] = 5; // cpara
papxEntry(wd, page, 87, concat(prl2(0x460B, 1), prl(0x260A, 0)));
papxEntry(wd, page, 94, concat(prl2(0x460B, 1), prl(0x260A, 0)));
papxEntry(wd, page, 101, concat(prl2(0x460B, 1), prl(0x260A, 1)));
papxEntry(wd, page, 108, concat(prl2(0x460B, 1), prl(0x260A, 1)));
papxEntry(wd, page, 115, concat(prl2(0x460B, 2), prl(0x260A, 0)));
// табличный поток: PlcfSed, PlcfBtePapx, Clx, SttbfFfn, PlfLst+LVL, PlfLfo
byte[] fonts = sttbfFfn("Symbol");
byte[] lvls = listLevels();
byte[] plfLst = concat(u16(2), lstf(100, false), lstf(200, true));
byte[] plfLfo = concat(u32(2), lfo(100), lfo(200), u32(0xFFFFFFFF), u32(0xFFFFFFFF));
int fontsAt = 54;
int lstAt = fontsAt + fonts.length;
int lvlAt = lstAt + plfLst.length;
int lfoAt = lvlAt + lvls.length;
byte[] tab = new byte[lfoAt + plfLfo.length];
put32(tab, 0, 0);
put32(tab, 4, text.length());
put32(tab, 20, LISTS_TEXT_FC);
put32(tab, 24, LISTS_TEXT_FC + 2 * text.length());
put32(tab, 28, 3);
tab[32] = 0x02; // Clx Pcdt, один несжатый кусок
put32(tab, 33, 16);
put32(tab, 37, 0);
put32(tab, 41, text.length());
put32(tab, 47, LISTS_TEXT_FC);
System.arraycopy(fonts, 0, tab, fontsAt, fonts.length);
System.arraycopy(plfLst, 0, tab, lstAt, plfLst.length);
System.arraycopy(lvls, 0, tab, lvlAt, lvls.length);
System.arraycopy(plfLfo, 0, tab, lfoAt, plfLfo.length);
pair(wd, 15, fontsAt, fonts.length); // SttbfFfn
pair(wd, 73, lstAt, plfLst.length); // PlfLst
pair(wd, 74, lfoAt, plfLfo.length); // PlfLfo
try (POIFSFileSystem fs = new POIFSFileSystem();
ByteArrayOutputStream out = new ByteArrayOutputStream()) {
fs.getRoot().createDocument("WordDocument", new ByteArrayInputStream(wd));
fs.getRoot().createDocument("1Table", new ByteArrayInputStream(tab));
fs.getRoot().createDocument("Data", new ByteArrayInputStream(new byte[64]));
fs.writeFilesystem(out);
return out.toByteArray();
}
}
/** GrpPrlAndIstd в форме cb≠0 (grpprl нечётный: istd=0 впереди). */
private static void papxEntry(byte[] wd, int page, int bx, byte[] grpprl) {
int at = page + bx * 2;
wd[at] = (byte) ((grpprl.length + 3) / 2);
put16(wd, at + 1, 0);
System.arraycopy(grpprl, 0, wd, at + 3, grpprl.length);
}
/** SttbfFfn (§2.9.147): 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];
put16(t, 0, 1);
t[4] = (byte) (39 + fam.length);
System.arraycopy(fam, 0, t, 5 + 39, fam.length);
return t;
}
/** 9 LVL lsid=100 (decimal «%1.», lowerLetter «%2)») + bullet LVL lsid=200. */
private static byte[] listLevels() {
byte[][] ls = new byte[10][];
ls[0] = listLvl(0x00, 0, new byte[0], new int[] {0, '.'});
ls[1] = listLvl(0x04, 0, new byte[0], new int[] {1, ')'});
for (int i = 2; i < 9; i++) {
ls[i] = listLvl(0x00, 0, new byte[0], new int[] {i, '.'});
}
ls[9] = listLvl(0x17, 1, prl2(0x4A4F, 0), new int[] {0xF0B7});
return concat(ls);
}
private static byte[] listLvl(int nfc, int follow, byte[] chpx, int[] xst) {
byte[] b = new byte[28];
put32(b, 0, 1); // iStartAt
b[4] = (byte) nfc;
b[15] = (byte) follow;
b[24] = (byte) chpx.length;
byte[] x = new byte[2 + 2 * xst.length];
put16(x, 0, xst.length);
for (int i = 0; i < xst.length; i++) {
put16(x, 2 + 2 * i, xst[i]);
}
return concat(b, chpx, x);
}
private static byte[] lstf(int lsid, boolean simple) {
byte[] b = new byte[28];
put32(b, 0, lsid);
b[26] = (byte) (simple ? 1 : 0);
return b;
}
private static byte[] lfo(int lsid) {
byte[] b = new byte[16];
put32(b, 0, lsid);
return b;
}
private static byte[] prl(int sprm, int operand) {
return new byte[] {(byte) sprm, (byte) (sprm >>> 8), (byte) operand};
}
private static byte[] prl2(int sprm, int v) {
return new byte[] {(byte) sprm, (byte) (sprm >>> 8), (byte) v, (byte) (v >>> 8)};
}
private static byte[] u16(int v) {
byte[] b = new byte[2];
put16(b, 0, v);
return b;
}
private static byte[] u32(long v) {
byte[] b = new byte[4];
put32(b, 0, (int) v);
return b;
}
private static byte[] concat(byte[]... parts) {
int len = 0;
for (byte[] p : parts) {
len += p.length;
}
byte[] out = new byte[len];
int at = 0;
for (byte[] p : parts) {
System.arraycopy(p, 0, out, at, p.length);
at += p.length;
}
return out;
}
private static void pair(byte[] wd, int index, int fc, int lcb) {
put32(wd, 154 + index * 8, fc);
put32(wd, 154 + index * 8 + 4, lcb);
}
private static void put16(byte[] b, int off, int v) {
b[off] = (byte) v;
b[off + 1] = (byte) (v >>> 8);
}
private static void put32(byte[] b, int off, int v) {
put16(b, off, v & 0xFFFF);
put16(b, off + 2, (v >>> 16) & 0xFFFF);
}
} }
@@ -571,4 +571,46 @@ class WordPdfValidatorTest {
() -> WordPdfValidator.validate(new byte[]{'P', 'K', 0, 4}, () -> WordPdfValidator.validate(new byte[]{'P', 'K', 0, 4},
ConvertOptions.defaults())); ConvertOptions.defaults()));
} }
/** Фикстура samples/*.doc (бинарный .doc заказчика). */
private static byte[] sample(String name) throws Exception {
try (java.io.InputStream in = WordPdfValidatorTest.class.getClassLoader()
.getResourceAsStream("samples/" + name)) {
assertNotNull(in, "Нет фикстуры: samples/" + name);
return in.readAllBytes();
}
}
/**
* .doc: страницы считаются по чистому бинарному документу, ДО конвертации
* в .docx (кэш PageCount + разрывы 0x0C + pageBreakBefore).
* Регрессия — WordPdfValidator#checkPageCountDoc.
*/
@Test
void checkPageCountDoc_onRawBinary() throws Exception {
// too-many-pages.doc: 150 разрывов 0x0C → 151 — отказ
ValidationException ex = assertThrows(ValidationException.class,
() -> WordPdfValidator.checkPageCountDoc(sample("too-many-pages.doc"), PAGE_LIMIT));
assertTrue(ex.getMessage().contains("не менее 151"), ex.getMessage());
// stale-cache.doc: кэш 5 — проходит
assertDoesNotThrow(() -> WordPdfValidator.checkPageCountDoc(
sample("stale-cache.doc"), PAGE_LIMIT));
// ru-plain.doc: 1 страница
assertDoesNotThrow(() -> WordPdfValidator.checkPageCountDoc(
sample("ru-plain.doc"), 1));
// doc-formats.doc: 2 страницы (sprmPFPageBreakBefore) — лимит 1 отказывает
ValidationException two = assertThrows(ValidationException.class,
() -> WordPdfValidator.checkPageCountDoc(sample("doc-formats.doc"), 1));
assertTrue(two.getMessage().contains("не менее 2"), two.getMessage());
}
/** validate() роутирует .doc по CFB-подписи: страницы — без zip-проверок. */
@Test
void validate_binaryDocRoutedToDocPageCount() throws Exception {
byte[] doc = sample("too-many-pages.doc");
ValidationException ex = assertThrows(ValidationException.class,
() -> WordPdfValidator.validate(doc,
options(WordPdfSettings.MAX_INPUT_MB, PAGE_LIMIT)));
assertTrue(ex.getMessage().contains("не менее 151"), ex.getMessage());
}
} }
@@ -78,18 +78,45 @@ class TableIndentNormalizerTest {
assertNull(TableIndentNormalizer.rewrite(xml)); assertNull(TableIndentNormalizer.rewrite(xml));
} }
/** jc без tblInd — аудит PASS (docx4j центрирует), не трогаем. */ /**
* jc без tblInd — сворачивается в абсолютный tblInd (X=0): docx4j пишет
* центрированию start-indent без вычета cellMar, padding-компенсация
* LayoutPostRenderer прибавила бы padding поверх (+5.4pt к Word).
*/
@Test @Test
void jcWithoutIndent_returnsNull() { void jcWithoutIndent_folded() {
String xml = doc(table("<w:jc w:val=\"center\"/>", GRID_6000)); String xml = doc(table("<w:jc w:val=\"center\"/>", GRID_6000));
assertNull(TableIndentNormalizer.rewrite(xml)); String fixed = TableIndentNormalizer.rewrite(xml);
assertTrue(fixed.contains("<w:tblInd w:w=\"1961\" w:type=\"dxa\"/>"), fixed);
assertFalse(fixed.contains("<w:jc"), fixed);
} }
/** tblInd=0 с jc — сдвига нет, не трогаем. */ /** right без tblInd: (9922−6000) = 3922. */
@Test @Test
void zeroIndent_returnsNull() { void rightWithoutIndent_folded() {
String xml = doc(table("<w:jc w:val=\"right\"/>", GRID_6000));
String fixed = TableIndentNormalizer.rewrite(xml);
assertTrue(fixed.contains("<w:tblInd w:w=\"3922\" w:type=\"dxa\"/>"), fixed);
}
/** tblInd=0 с jc — тот же fold (X=0), прежнему поведению не канон. */
@Test
void zeroIndent_folded() {
String xml = doc(table("<w:jc w:val=\"center\"/>" String xml = doc(table("<w:jc w:val=\"center\"/>"
+ "<w:tblInd w:w=\"0\" w:type=\"dxa\"/>", GRID_6000)); + "<w:tblInd w:w=\"0\" w:type=\"dxa\"/>", GRID_6000));
String fixed = TableIndentNormalizer.rewrite(xml);
assertTrue(fixed.contains("<w:tblInd w:w=\"1961\" w:type=\"dxa\"/>"), fixed);
assertFalse(fixed.contains("<w:jc"), fixed);
}
/**
* tblCellSpacing без tblInd — tblInd по CT_TblPrBase идёт после
* tblCellSpacing, вставить некуда: консервативный пропуск.
*/
@Test
void cellSpacingWithoutIndent_returnsNull() {
String xml = doc(table("<w:jc w:val=\"center\"/>"
+ "<w:tblCellSpacing w:w=\"20\" w:type=\"dxa\"/>", GRID_6000));
assertNull(TableIndentNormalizer.rewrite(xml)); assertNull(TableIndentNormalizer.rewrite(xml));
} }
@@ -171,6 +198,82 @@ class TableIndentNormalizerTest {
assertNull(TableIndentNormalizer.rewrite(xml)); assertNull(TableIndentNormalizer.rewrite(xml));
} }
private static String hdr(String body) {
return "<w:hdr xmlns:w=\"http://schemas.openxmlformats.org/wordprocessingml/2006/main\">"
+ body + "</w:hdr>";
}
/** header-часть со своей sectPr не содержит — полоса приходит извне. */
@Test
void rewritePart_header_foldsWithGivenBand() {
String xml = hdr(table("<w:jc w:val=\"center\"/>"
+ "<w:tblInd w:w=\"720\" w:type=\"dxa\"/>", GRID_6000));
String fixed = TableIndentNormalizer.rewritePart("word/header1.xml", xml, 9922);
assertTrue(fixed.contains("<w:tblInd w:w=\"2681\" w:type=\"dxa\"/>"), fixed);
assertFalse(fixed.contains("<w:jc"), "jc удалён: " + fixed);
}
/** footer-часть — тот же путь. */
@Test
void rewritePart_footer_foldsWithGivenBand() {
String xml = hdr(table("<w:jc w:val=\"right\"/>"
+ "<w:tblInd w:w=\"720\" w:type=\"dxa\"/>", GRID_6000))
.replace("w:hdr", "w:ftr");
String fixed = TableIndentNormalizer.rewritePart("word/footer2.xml", xml, 9922);
assertTrue(fixed.contains("<w:tblInd w:w=\"4642\" w:type=\"dxa\"/>"), fixed);
}
/** Многосекционный документ (band = −1) — полоса неоднозначна, пропускаем. */
@Test
void rewritePart_negativeBand_returnsNull() {
String xml = hdr(table("<w:jc w:val=\"center\"/>"
+ "<w:tblInd w:w=\"720\" w:type=\"dxa\"/>", GRID_6000));
assertNull(TableIndentNormalizer.rewritePart("word/header1.xml", xml, -1));
}
/** Прочие word/*.xml (footnotes и пр.) — не трогаем. */
@Test
void rewritePart_otherPart_returnsNull() {
String xml = hdr(table("<w:jc w:val=\"center\"/>"
+ "<w:tblInd w:w=\"720\" w:type=\"dxa\"/>", GRID_6000));
assertNull(TableIndentNormalizer.rewritePart("word/footnotes.xml", xml, 9922));
}
/** Header без таблиц — null (контракт «нечего менять»). */
@Test
void rewritePart_headerWithoutTables_returnsNull() {
assertNull(TableIndentNormalizer.rewritePart("word/header1.xml",
hdr("<w:p><w:r><w:t>hi</w:t></w:r></w:p>"), 9922));
}
/** document.xml делегирует rewrite: полоса — из собственной sectPr, не из band. */
@Test
void rewritePart_document_usesOwnSectPr() {
String xml = doc(table("<w:jc w:val=\"center\"/>"
+ "<w:tblInd w:w=\"720\" w:type=\"dxa\"/>", GRID_6000));
String fixed = TableIndentNormalizer.rewritePart("word/document.xml", xml, 12345);
assertTrue(fixed.contains("<w:tblInd w:w=\"2681\" w:type=\"dxa\"/>"),
"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() {
String xml = doc("<w:p/>").replace("</w:sectPr></w:body>",
"</w:sectPr><w:sectPr><w:pgSz w:w=\"12240\"/></w:sectPr></w:body>");
assertEquals(-1, TableIndentNormalizer.bandOf(xml));
}
private static byte[] zip(Map<String, String> parts) throws IOException { private static byte[] zip(Map<String, String> parts) throws IOException {
ByteArrayOutputStream out = new ByteArrayOutputStream(); ByteArrayOutputStream out = new ByteArrayOutputStream();
try (ZipOutputStream zos = new ZipOutputStream(out)) { try (ZipOutputStream zos = new ZipOutputStream(out)) {
@@ -0,0 +1,327 @@
package ru.pjandro.wordpdf.internal.doc;
import static org.junit.jupiter.api.Assertions.assertArrayEquals;
import static org.junit.jupiter.api.Assertions.assertEquals;
import static org.junit.jupiter.api.Assertions.assertThrows;
import static org.junit.jupiter.api.Assertions.assertTrue;
import java.io.ByteArrayOutputStream;
import java.nio.charset.StandardCharsets;
import java.util.ArrayList;
import java.util.List;
import java.util.Map;
import org.junit.jupiter.api.Test;
import ru.pjandro.wordpdf.ValidationException;
/**
* Юниты {@link CfbReader} ([MS-CFB]): крафтовый контейнер (сектор 512,
* mini 64, cutoff 4096) и враждебные мутации — цикл в цепочках, ссылки за
* файл, обрезанные потоки, битый заголовок.
*/
class CfbReaderTest {
private static final int SECTOR = 512;
private static final int MINI = 64;
private static final long FREE = 0xFFFF_FFFFL;
private static final long END = 0xFFFF_FFFEL;
private static final long FATSECT = 0xFFFF_FFFDL;
record Spec(String name, byte[] data) {
}
/**
* Контейнер: сектор 0 — FAT, 1 — directory, 2 — MiniFAT (если есть
* mini-потоки), далее mini stream, затем сектора больших потоков.
*/
private static byte[] build(Spec... specs) {
List<Spec> small = new ArrayList<>();
List<Spec> big = new ArrayList<>();
for (Spec s : specs) {
(s.data().length < 4096 ? small : big).add(s);
}
// mini stream + MiniFAT
ByteArrayOutputStream mini = new ByteArrayOutputStream();
int[] miniHead = new int[small.size()];
int[] miniFat = new int[64];
for (int i = 0; i < miniFat.length; i++) {
miniFat[i] = (int) FREE;
}
int miniSects = 0;
for (int i = 0; i < small.size(); i++) {
byte[] d = small.get(i).data();
miniHead[i] = miniSects;
int n = Math.max(1, (d.length + MINI - 1) / MINI);
mini.write(d, 0, d.length);
for (int k = d.length; k < n * MINI; k++) {
mini.write(0);
}
for (int k = 0; k < n; k++) {
miniFat[miniSects + k] = k == n - 1 ? (int) END : miniSects + k + 1;
}
miniSects += n;
}
boolean hasMini = !small.isEmpty();
int miniStart = hasMini ? 3 : -1;
int bigStart = hasMini ? 3 + miniSects : 2;
int[] fat = new int[128];
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;
}
int next = bigStart;
int[] bigHead = new int[big.size()];
int[] bigSects = new int[big.size()];
for (int i = 0; i < big.size(); i++) {
bigHead[i] = next;
int n = (big.get(i).data().length + SECTOR - 1) / SECTOR;
bigSects[i] = n;
for (int k = 0; k < n; k++) {
fat[next + k] = k == n - 1 ? (int) END : next + k + 1;
}
next += n;
}
int sectorTotal = next;
byte[] file = new byte[SECTOR * (1 + sectorTotal)];
// заголовок (§2.2)
System.arraycopy(CfbReader.SIGNATURE, 0, file, 0, 8);
put16(file, 0x1E, 9); // sectorShift
put16(file, 0x20, 6); // miniSectorShift
put32(file, 0x30, 1); // firstDir
put32(file, 0x38, 4096); // cutoff
put32(file, 0x3C, hasMini ? 2 : (int) FREE); // firstMiniFat
put32(file, 0x44, (int) FREE); // firstDifat
put32(file, 0x48, 0); // cDifat
put32(file, 0x4C, 0); // DIFAT[0] = сектор FAT
for (int i = 1; i < 109; i++) {
put32(file, 0x4C + i * 4, (int) FREE);
}
// FAT
for (int i = 0; i < fat.length; i++) {
put32(file, SECTOR + i * 4, fat[i]);
}
// directory: root + потоки
dirEntry(file, 1, 0, "Root Entry", 5,
hasMini ? miniStart : (int) END, mini.size());
for (int i = 0; i < specs.length; i++) {
Spec s = specs[i];
boolean smallOne = s.data().length < 4096;
int idx = -1;
for (int k = 0; k < (smallOne ? small : big).size(); k++) {
if ((smallOne ? small : big).get(k) == s) {
idx = k;
}
}
dirEntry(file, 1, 1 + i, s.name(), 2,
smallOne ? miniHead[idx] : bigHead[idx], s.data().length);
}
// miniFAT
if (hasMini) {
for (int i = 0; i < miniFat.length; i++) {
put32(file, SECTOR * (1 + 2) + i * 4, miniFat[i]);
}
System.arraycopy(mini.toByteArray(), 0, file, SECTOR * (1 + miniStart),
mini.size());
}
// большие потоки
for (int i = 0; i < big.size(); i++) {
byte[] d = big.get(i).data();
System.arraycopy(d, 0, file, SECTOR * (1 + bigHead[i]), d.length);
}
return file;
}
private static void dirEntry(byte[] file, int dirSector, int index, String name,
int type, int start, int size) {
int base = SECTOR * (1 + dirSector) + index * 128;
byte[] n = name.getBytes(StandardCharsets.UTF_16LE);
System.arraycopy(n, 0, file, base, n.length);
put16(file, base + 0x40, n.length + 2);
file[base + 0x42] = (byte) type;
put32(file, base + 0x74, start);
put32(file, base + 0x78, size);
}
@Test
void readsBigAndMiniStreams() {
byte[] big = new byte[5000];
for (int i = 0; i < big.length; i++) {
big[i] = (byte) i;
}
byte[] small = "WordDocument".getBytes(StandardCharsets.UTF_8);
byte[] file = build(new Spec("WordDocument", small), new Spec("Data", big));
Map<String, byte[]> streams = CfbReader.readStreams(file);
assertArrayEquals(small, streams.get("WordDocument"));
assertArrayEquals(big, streams.get("Data"));
// поиск регистронезависимый, отсутствующий — пустой массив
assertArrayEquals(small, CfbReader.stream(streams, "worddocument"));
assertEquals(0, CfbReader.stream(streams, "НетТакого").length);
}
@Test
void badHeader_rejected() {
assertThrows(ValidationException.class, () -> CfbReader.readStreams(null));
assertThrows(ValidationException.class, () -> CfbReader.readStreams(new byte[511]));
byte[] file = build();
file[0] = 0;
assertThrows(ValidationException.class, () -> CfbReader.readStreams(file));
}
@Test
void badSectorSizes_rejected() {
byte[] badSector = build();
put16(badSector, 0x1E, 10); // не 9 и не 12
assertThrows(ValidationException.class, () -> CfbReader.readStreams(badSector));
byte[] badMini = build();
put16(badMini, 0x20, 17); // mini shift за потолком
assertThrows(ValidationException.class, () -> CfbReader.readStreams(badMini));
}
@Test
void dirChainLoop_rejected() {
byte[] file = build();
put32(file, SECTOR + 1 * 4, 1); // fat[1] = 1 — directory в цикл
ValidationException ex = assertThrows(ValidationException.class,
() -> CfbReader.readStreams(file));
assertTrue(ex.getMessage().contains("цикл") || ex.getMessage().contains("Цикл"),
ex.getMessage());
}
@Test
void dirSectorBeyondFat_rejected() {
byte[] file = build();
put32(file, 0x30, 200); // firstDir за FAT этого файла
assertThrows(ValidationException.class, () -> CfbReader.readStreams(file));
}
@Test
void fatSectorBeyondFile_rejected() {
byte[] file = build();
put32(file, 0x4C, 100); // DIFAT[0] — FAT-сектор за концом файла
assertThrows(ValidationException.class, () -> CfbReader.readStreams(file));
}
@Test
void difatTooManyFatSectors_rejected() {
byte[] file = build();
for (int i = 0; i < 8; i++) {
put32(file, 0x4C + i * 4, i); // 8 FAT-секторов в 4-секторном файле
}
ValidationException ex = assertThrows(ValidationException.class,
() -> CfbReader.readStreams(file));
assertTrue(ex.getMessage().contains("DIFAT"), ex.getMessage());
}
@Test
void difatChainLoop_rejected() {
byte[] file = build();
// firstDifat = сектор 1; следующий указатель DIFAT — сам на себя
put32(file, 0x44, 1);
put32(file, SECTOR * 3 - 4, 1); // sect = u32(base + entries*4), entries=127
ValidationException ex = assertThrows(ValidationException.class,
() -> CfbReader.readStreams(file));
assertTrue(ex.getMessage().contains("DIFAT"), ex.getMessage());
}
@Test
void difatSectorBeyondFile_rejected() {
byte[] file = build();
put32(file, 0x44, 100);
assertThrows(ValidationException.class, () -> CfbReader.readStreams(file));
}
@Test
void streamChainBeyondFile_rejected() {
byte[] big = new byte[5000];
byte[] file = build(new Spec("Data", big));
put32(file, SECTOR + 1 * 4, (int) END); // fat[1] — directory цела
// цепочка Data (head=2): 2→3→100 — сектор за файлом, но в FAT
put32(file, SECTOR + 4 * 4, 100);
put32(file, SECTOR + 100 * 4, (int) END);
assertThrows(ValidationException.class, () -> CfbReader.readStreams(file));
}
@Test
void streamTruncated_rejected() {
byte[] big = new byte[5000];
byte[] file = build(new Spec("Data", big));
put32(file, SECTOR + 2 * 4, (int) END); // цепочка из одного сектора
ValidationException ex = assertThrows(ValidationException.class,
() -> CfbReader.readStreams(file));
assertTrue(ex.getMessage().contains("Обрезанный поток"), ex.getMessage());
}
@Test
void miniWithoutRoot_rejected() {
byte[] file = build(new Spec("WordDocument", "abc".getBytes()));
// root: start=END, size=0 → mini stream нет, а поток mini-размера есть
int root = SECTOR * 2;
put32(file, root + 0x74, (int) END);
put32(file, root + 0x78, 0);
ValidationException ex = assertThrows(ValidationException.class,
() -> CfbReader.readStreams(file));
assertTrue(ex.getMessage().contains("Mini stream"), ex.getMessage());
}
@Test
void miniChainLoop_rejected() {
byte[] file = build(new Spec("WordDocument", "abc".getBytes()));
put32(file, SECTOR * 3, 0); // miniFat[0] = 0 — цикл
ValidationException ex = assertThrows(ValidationException.class,
() -> CfbReader.readStreams(file));
assertTrue(ex.getMessage().contains("MiniFAT"), ex.getMessage());
}
@Test
void miniBeyondStream_rejected() {
byte[] file = build(new Spec("WordDocument", new byte[128]));
// поток 128 байт (2 mini-сектора), а root объявляет mini stream в 64
put32(file, SECTOR * 2 + 0x78, MINI);
ValidationException ex = assertThrows(ValidationException.class,
() -> CfbReader.readStreams(file));
assertTrue(ex.getMessage().contains("за конец mini stream"), ex.getMessage());
}
@Test
void miniTruncated_rejected() {
byte[] file = build(new Spec("WordDocument", new byte[128]));
put32(file, SECTOR * 3, (int) END); // цепочка обрывается на первом
ValidationException ex = assertThrows(ValidationException.class,
() -> CfbReader.readStreams(file));
assertTrue(ex.getMessage().contains("Обрезанный mini-поток"), ex.getMessage());
}
@Test
void badEntries_skipped() {
byte[] good = "ok".getBytes();
byte[] file = build(new Spec("Good", good));
// запись 2: nameLen=0 — пропускается; запись 3: size за файлом — пропускается
dirEntry(file, 1, 2, "", 2, 3, 2); // nameLen=2 → имя пустое — пропуск
dirEntry(file, 1, 3, "Huge", 2, 3, file.length + 1);
Map<String, byte[]> streams = CfbReader.readStreams(file);
assertEquals(1, streams.size(), "битые записи не попадают в результат");
assertArrayEquals(good, streams.get("Good"));
}
@Test
void rootChainBeyondFile_rejected() {
byte[] file = build(new Spec("WordDocument", "abc".getBytes()));
put32(file, SECTOR * 2 + 0x74, 100); // root start за файлом
put32(file, SECTOR * 2 + 0x78, 64);
put32(file, SECTOR + 100 * 4, (int) END);
assertThrows(ValidationException.class, () -> CfbReader.readStreams(file));
}
private static void put16(byte[] b, int off, int v) {
b[off] = (byte) v;
b[off + 1] = (byte) (v >>> 8);
}
private static void put32(byte[] b, int off, int v) {
put16(b, off, v & 0xFFFF);
put16(b, off + 2, (v >>> 16) & 0xFFFF);
}
}
@@ -0,0 +1,117 @@
package ru.pjandro.wordpdf.internal.doc;
import static org.junit.jupiter.api.Assertions.assertArrayEquals;
import static org.junit.jupiter.api.Assertions.assertEquals;
import static org.junit.jupiter.api.Assertions.assertThrows;
import org.junit.jupiter.api.Test;
import ru.pjandro.wordpdf.ValidationException;
/**
* Юниты {@link ChpxIndex} ([MS-DOC] §2.4.6.2, §2.9 ChpxFkp): крафтовый
* PlcfBteChpx + FKP-страница WordDocument — happy path, пропуски
* (bOffset=0, пустой Chpx, деградация за страницу) и отказные ветви.
*/
class ChpxIndexTest {
private static final byte[] GRPRL = {0x35, 0x08, 0x01}; // sprmCFBold on
/** Таблица: aFc [2048, 2100] + pn; FKP-страница pn=2 в wd. */
private static byte[] table(int pn) {
byte[] t = new byte[12];
put32(t, 0, 2048);
put32(t, 4, 2100);
put32(t, 8, pn);
return t;
}
/**
* WordDocument с ChpxFkp на странице pn: crun=1, rgfc [2048, 2100],
* rgb[0]=bx, Chpx (cb+grpprl) по bx*2; crun-байт = 1.
*/
private static byte[] wordDocument(int bx, int cb, byte[] grpprl) {
byte[] wd = new byte[1536];
int page = 2 * 512;
put32(wd, page, 2048);
put32(wd, page + 4, 2100);
wd[page + 8] = (byte) bx;
wd[page + 511] = 1; // crun
if (bx > 0) {
wd[page + bx * 2] = (byte) cb;
System.arraycopy(grpprl, 0, wd, page + bx * 2 + 1,
Math.min(grpprl.length, cb));
}
return wd;
}
@Test
void emptyBte_defaults() {
ChpxIndex idx = ChpxIndex.read(new byte[0], 0, 0, new byte[0]);
assertArrayEquals(new byte[0], idx.grpprlFor(2048));
assertEquals(999, idx.rangeEnd(2048, 999));
}
@Test
void badBte_rejected() {
byte[] t = table(2);
byte[] wd = wordDocument(5, 3, GRPRL);
assertThrows(ValidationException.class,
() -> ChpxIndex.read(t, 0, 10, wd)); // (10-4)%8 != 0
assertThrows(ValidationException.class,
() -> ChpxIndex.read(t, 0, t.length + 1, wd)); // за таблицей
}
@Test
void pageBeyondWordDocument_rejected() {
byte[] t = table(100);
assertThrows(ValidationException.class,
() -> ChpxIndex.read(t, 0, t.length, new byte[1536]));
}
@Test
void badCrun_rejected() {
byte[] wd = wordDocument(5, 3, GRPRL);
wd[2 * 512 + 511] = 0;
assertThrows(ValidationException.class,
() -> ChpxIndex.read(table(2), 0, 12, wd));
wd[2 * 512 + 511] = 0x66;
assertThrows(ValidationException.class,
() -> ChpxIndex.read(table(2), 0, 12, wd));
}
@Test
void zeroOffsetAndEmptyChpx_skipped() {
byte[] wd = wordDocument(0, 0, GRPRL);
ChpxIndex idx = ChpxIndex.read(table(2), 0, 12, wd);
assertArrayEquals(new byte[0], idx.grpprlFor(2048), "bOffset=0 — дефолт");
byte[] cbZero = wordDocument(5, 0, GRPRL);
assertArrayEquals(new byte[0],
ChpxIndex.read(table(2), 0, 12, cbZero).grpprlFor(2048),
"cb=0 — свойств нет");
}
@Test
void chpxBeyondPage_skipped() {
byte[] wd = wordDocument(250, 200, GRPRL); // chpxOff+1+cb за 512
assertArrayEquals(new byte[0],
ChpxIndex.read(table(2), 0, 12, wd).grpprlFor(2048));
}
@Test
void happyPath_grpprlAndRangeEnd() {
ChpxIndex idx = ChpxIndex.read(table(2), 0, 12, wordDocument(5, 3, GRPRL));
assertArrayEquals(GRPRL, idx.grpprlFor(2048));
assertArrayEquals(GRPRL, idx.grpprlFor(2099));
assertArrayEquals(new byte[0], idx.grpprlFor(2100), "fc за диапазоном");
assertEquals(2100, idx.rangeEnd(2048, Long.MAX_VALUE >>> 1));
assertEquals(2060, idx.rangeEnd(2048, 2060), "rangeEnd режется fcLimit");
}
private static void put32(byte[] b, int off, int v) {
b[off] = (byte) v;
b[off + 1] = (byte) (v >>> 8);
b[off + 2] = (byte) (v >>> 16);
b[off + 3] = (byte) (v >>> 24);
}
}
@@ -0,0 +1,153 @@
package ru.pjandro.wordpdf.internal.doc;
import org.apache.poi.poifs.filesystem.POIFSFileSystem;
import org.junit.jupiter.api.Test;
import ru.pjandro.wordpdf.ValidationException;
import java.io.ByteArrayInputStream;
import java.io.ByteArrayOutputStream;
import java.io.IOException;
import java.io.InputStream;
import java.nio.charset.StandardCharsets;
import java.util.Arrays;
import java.util.zip.ZipEntry;
import java.util.zip.ZipInputStream;
import static org.junit.jupiter.api.Assertions.assertEquals;
import static org.junit.jupiter.api.Assertions.assertNotNull;
import static org.junit.jupiter.api.Assertions.assertThrows;
import static org.junit.jupiter.api.Assertions.assertTrue;
/**
* Мост .doc → .docx на фикстурах заказчика (samples/*.doc, POI-продукция)
* и синтетических CFB (POIFS).
*/
class DocToDocxTest {
private static final String DOCUMENT_ENTRY = "word/document.xml";
private static byte[] sample(String name) throws IOException {
try (InputStream in = DocToDocxTest.class.getClassLoader()
.getResourceAsStream("samples/" + name)) {
assertNotNull(in, "Нет фикстуры: samples/" + name);
return in.readAllBytes();
}
}
/** document.xml из конвертированного .docx. */
private static String documentXml(byte[] docBytes) throws IOException {
byte[] docx = DocToDocx.convert(docBytes);
try (ZipInputStream zip = new ZipInputStream(new ByteArrayInputStream(docx))) {
ZipEntry entry;
while ((entry = zip.getNextEntry()) != null) {
if (DOCUMENT_ENTRY.equals(entry.getName())) {
return new String(zip.readAllBytes(), StandardCharsets.UTF_8);
}
}
}
throw new AssertionError("в конвертате нет word/document.xml");
}
/** CFB-контейнер с указанными потоками (для негативных случаев). */
private static byte[] cfbWith(String... streamNames) throws IOException {
try (POIFSFileSystem fs = new POIFSFileSystem(); ByteArrayOutputStream out =
new ByteArrayOutputStream()) {
for (String name : streamNames) {
fs.createDocument(new ByteArrayInputStream(new byte[64]), name);
}
fs.writeFilesystem(out);
return out.toByteArray();
}
}
@Test
void ruFixture_runsCarryDirectFormatting() throws IOException {
String xml = documentXml(sample("ru-plain.doc"));
assertTrue(xml.contains("Тестовый документ (русский)"), "нет заголовка");
assertTrue(xml.contains("<w:b/>"), "жирное начертание потеряно");
assertTrue(xml.contains("<w:i/>"), "курсив потерян");
assertTrue(xml.contains("<w:sz w:val=\"36\"/>"), "размер заголовка потерян");
assertTrue(xml.contains("абвгдеёжзийклмнопрстуфхцчшщъыьэюя"), "алфавит потерян");
}
@Test
void formatsFixture_propsTabsAndCells() throws IOException {
String xml = documentXml(sample("doc-formats.doc"));
assertTrue(xml.contains("<w:jc w:val=\"center\"/>"), "центрирование потеряно");
assertTrue(xml.contains("<w:jc w:val=\"right\"/>"), "правое выравнивание потеряно");
assertTrue(xml.contains("<w:jc w:val=\"both\"/>"), "растягивание потеряно");
assertTrue(xml.contains("<w:ind w:left=\"1440\" w:firstLine=\"720\"/>"),
"отступы потеряны: " + xml.substring(0, Math.min(xml.length(), 2000)));
assertTrue(xml.contains("<w:tab/>"), "табуляция потеряна");
assertTrue(xml.contains("<w:pageBreakBefore/>"), "перенос страницы потерян");
for (int i = 1; i <= 4; i++) {
assertTrue(xml.contains("Ячейка " + i), "ячейка " + i + " потеряна");
}
assertTrue(xml.indexOf("Ячейка 1") < xml.indexOf("Ячейка 2"), "порядок ячеек сбился");
// конец строки таблицы (пустой абзац с 0x07+sprmPFTtp) в вывод не попадает
assertTrue(xml.indexOf("Ячейка 2") < xml.indexOf("Ячейка 3"), "между строками мусор");
assertTrue(!xml.contains("<w:p/>"), "пустые абзацы-концы строк не выброшены");
// таблица переносится структурой, а не плоскими абзацами (TAP → w:tbl)
assertTrue(xml.contains("<w:tbl>"), "w:tbl потерян");
assertEquals(2, xml.split("<w:tr>", -1).length - 1, "строки таблицы");
assertEquals(4, xml.split("<w:tc>", -1).length - 1, "ячейки таблицы");
int tblEnd = xml.indexOf("</w:tbl>");
assertTrue(tblEnd > xml.indexOf("Ячейка 4"), "ячейки утёкли из w:tbl");
assertTrue(xml.contains("<w:gridCol"), "сетка таблицы потеряна");
}
@Test
void tableFixture_becomesTblWithImage() throws IOException {
byte[] docx = DocToDocx.convert(sample("ru-table-image.doc"));
String xml = documentXml(sample("ru-table-image.doc"));
assertTrue(xml.contains("<w:tbl>"), "таблица не перенесена структурой");
assertTrue(xml.contains("<w:gridCol"), "сетка потеряна");
boolean hasImage = false;
try (ZipInputStream zip = new ZipInputStream(new ByteArrayInputStream(docx))) {
ZipEntry e;
while ((e = zip.getNextEntry()) != null) {
hasImage |= e.getName().startsWith("word/media/");
}
}
assertTrue(hasImage, "картинка в фикстуре потеряна");
}
@Test
void encrypted_rejected() throws IOException {
byte[] cfb = cfbWith("EncryptedPackage", "WordDocument");
ValidationException e = assertThrows(ValidationException.class,
() -> DocToDocx.convert(cfb));
assertTrue(e.getMessage().contains("зашифрован"), e.getMessage());
}
@Test
void cfbWithoutWordDocument_rejected() throws IOException {
byte[] cfb = cfbWith("Workbook");
ValidationException e = assertThrows(ValidationException.class,
() -> DocToDocx.convert(cfb));
assertTrue(e.getMessage().contains("не похоже"), e.getMessage());
}
@Test
void truncated_rejected() throws IOException {
byte[] full = sample("ru-plain.doc");
byte[] cut = Arrays.copyOf(full, 2048);
assertThrows(ValidationException.class, () -> DocToDocx.convert(cut));
}
@Test
void countPages_breaksBeatStaleCache() throws IOException {
// too-many-pages.doc: 150 разрывов 0x0C → 151; кэш PageCount=150 не выше
assertEquals(151, DocToDocx.countPages(sample("too-many-pages.doc")));
// page-numbers.doc: кэш PageCount=3 устарел, в тексте 3 разрыва 0x0C → 4
// (каждый 0x0C — реальный разрыв, §2.8.26; нижняя оценка консервативна)
assertEquals(4, DocToDocx.countPages(sample("page-numbers.doc")));
}
@Test
void pageBreakBefore_countedWithoutCache() throws IOException {
// фикстура без достоверного PageCount — «2 страницы» обязана дать
// отсчёт по чистому .doc (абзац с sprmPFPageBreakBefore), не кэш
assertEquals(2, DocToDocx.countPages(sample("doc-formats.doc")));
}
}
@@ -0,0 +1,116 @@
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.assertThrows;
import static org.junit.jupiter.api.Assertions.assertTrue;
import org.junit.jupiter.api.Test;
import ru.pjandro.wordpdf.ValidationException;
/**
* Юниты {@link FibHeader} ([MS-DOC] §2.5): крафтовый WordDocument-поток —
* happy path и все отказные ветви (битый wIdent, старая версия, шифрование,
* обрезанный FIB, отрицательный ccpText, устаревший cbRgFcLcb).
*/
class FibHeaderTest {
/** Минимальный валидный FIB: 98 пар, 1Table, ccpText=10. */
private static byte[] fib(int flags) {
byte[] wd = new byte[154 + 98 * 8];
put16(wd, 0, 0xA5EC); // wIdent
put16(wd, 2, 0x00C1); // nFib = Word 97
put16(wd, 10, flags); // grpprl FIB
put16(wd, 62, 4); // cslw
put32(wd, 76, 10); // ccpText
put32(wd, 152, 98); // cbRgFcLcb
return wd;
}
@Test
void valid_readsFields() {
FibHeader f = FibHeader.read(fib(1 << 9)); // fWhichTblStm=1
assertEquals(10, f.ccpText());
assertTrue(f.use1Table());
FibHeader f0 = FibHeader.read(fib(0));
assertFalse(f0.use1Table());
}
@Test
void tooShort_rejected() {
ValidationException ex = assertThrows(ValidationException.class,
() -> FibHeader.read(new byte[153]));
assertTrue(ex.getMessage().contains("не похоже"), ex.getMessage());
}
@Test
void badWIdent_rejected() {
byte[] wd = fib(1 << 9);
put16(wd, 0, 0x1234);
assertThrows(ValidationException.class, () -> FibHeader.read(wd));
}
@Test
void oldVersion_rejected() {
byte[] wd = fib(1 << 9);
put16(wd, 2, 0x00BF); // Word 95
ValidationException ex = assertThrows(ValidationException.class,
() -> FibHeader.read(wd));
assertTrue(ex.getMessage().contains("Word 97"), ex.getMessage());
}
@Test
void encrypted_rejected() {
byte[] wd = fib(1 << 8); // fEncrypted
ValidationException ex = assertThrows(ValidationException.class,
() -> FibHeader.read(wd));
assertTrue(ex.getMessage().contains("зашифрован"), ex.getMessage());
}
@Test
void smallCslw_rejected() {
byte[] wd = fib(1 << 9);
put16(wd, 62, 3);
ValidationException ex = assertThrows(ValidationException.class,
() -> FibHeader.read(wd));
assertTrue(ex.getMessage().contains("Обрезанный FIB"), ex.getMessage());
}
@Test
void negativeCcpText_rejected() {
byte[] wd = fib(1 << 9);
put32(wd, 76, -1);
ValidationException ex = assertThrows(ValidationException.class,
() -> FibHeader.read(wd));
assertTrue(ex.getMessage().contains("Отрицательная длина"), ex.getMessage());
}
@Test
void staleFib_rejected() {
byte[] wd = fib(1 << 9);
put16(wd, 152, 33); // cbRgFcLcb ≤ индекса fcClx — нет нужных пар
ValidationException ex = assertThrows(ValidationException.class,
() -> FibHeader.read(wd));
assertTrue(ex.getMessage().contains("Устаревшая структура"), ex.getMessage());
}
@Test
void truncatedPairs_rejected() {
byte[] full = fib(1 << 9);
byte[] wd = new byte[300]; // пары до индекса 33 не влезают
System.arraycopy(full, 0, wd, 0, 300);
ValidationException ex = assertThrows(ValidationException.class,
() -> FibHeader.read(wd));
assertTrue(ex.getMessage().contains("Обрезанный FIB"), ex.getMessage());
}
private static void put16(byte[] b, int off, int v) {
b[off] = (byte) v;
b[off + 1] = (byte) (v >>> 8);
}
private static void put32(byte[] b, int off, int v) {
put16(b, off, v & 0xFFFF);
put16(b, off + 2, (v >>> 16) & 0xFFFF);
}
}
@@ -0,0 +1,80 @@
package ru.pjandro.wordpdf.internal.doc;
import static org.junit.jupiter.api.Assertions.assertEquals;
import static org.junit.jupiter.api.Assertions.assertNull;
import static org.junit.jupiter.api.Assertions.assertThrows;
import static org.junit.jupiter.api.Assertions.assertTrue;
import java.nio.charset.StandardCharsets;
import org.junit.jupiter.api.Test;
import ru.pjandro.wordpdf.ValidationException;
/** Юниты {@link FontTable} ([MS-DOC] §2.9, SttbfFfn/FFN). */
class FontTableTest {
/** SttbfFfn: cData(2)+cbExtra(2) + (cch + FFN(39)+имя) × n. */
private static byte[] sttbf(String... names) {
int size = 4;
for (String n : names) {
size += 1 + 39 + (n.length() + 1) * 2;
}
byte[] t = new byte[size];
t[0] = (byte) names.length;
int p = 4;
for (String n : names) {
byte[] name = (n + "\0").getBytes(StandardCharsets.UTF_16LE);
t[p] = (byte) (39 + name.length);
p += 40; // cch + FFN-тело до имени
System.arraycopy(name, 0, t, p, name.length);
p += name.length;
}
return t;
}
@Test
void emptyLcb_emptyTable() {
FontTable ft = FontTable.read(new byte[0], 0, 0);
assertNull(ft.font(0));
}
@Test
void outOfRange_rejected() {
byte[] t = sttbf("Arial");
assertThrows(ValidationException.class, () -> FontTable.read(t, 0, t.length + 1));
assertThrows(ValidationException.class, () -> FontTable.read(t, 1, t.length));
assertThrows(ValidationException.class, () -> FontTable.read(t, 0, 3));
}
@Test
void truncatedEntry_rejected() {
byte[] cut = new byte[4]; // cData=1, но элемента нет вовсе
cut[0] = 1;
assertThrows(ValidationException.class, () -> FontTable.read(cut, 0, cut.length));
}
@Test
void shortFfn_rejected() {
byte[] t = sttbf("Arial");
t[4] = 38; // cch < 39
assertThrows(ValidationException.class, () -> FontTable.read(t, 0, t.length));
t[4] = 120; // cch за конец буфера
assertThrows(ValidationException.class, () -> FontTable.read(t, 0, t.length));
}
@Test
void happyPath_namesByIndex() {
byte[] t = sttbf("Arial", "Times New Roman");
FontTable ft = FontTable.read(t, 0, t.length);
assertEquals("Arial", ft.font(0));
assertEquals("Times New Roman", ft.font(1));
assertNull(ft.font(2));
assertNull(ft.font(-1));
}
@Test
void nameBeyondCch_truncatedAtNul() {
// имя длиннее cch-хвоста не читается: обрезаем по \0 в пределах cch
byte[] t = sttbf("Arial");
assertTrue(FontTable.read(t, 0, t.length).font(0).startsWith("Arial"));
}
}
@@ -0,0 +1,172 @@
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.assertTrue;
import java.util.ArrayList;
import java.util.List;
import org.junit.jupiter.api.Test;
/** Юниты {@link Grpprl} ([MS-DOC] §2.6, §3 Figure 33): обход Prl всех форм. */
class GrpprlTest {
@Test
void scan_allOperandForms() {
List<Integer> seen = new ArrayList<>();
List<Integer> sizes = new ArrayList<>();
byte[] buf = {
0x35, 0x08, 0x01, // toggle (spra 0) — 1 байт
0x3E, 0x2A, 0x01, // 1-байтовый (spra 1)
0x43, 0x4A, 0x16, 0x00, // 2-байтовый (spra 2)
0x03, 0x6A, 0x01, 0x00, 0x00, 0x00, // 4-байтовый (spra 3)
(byte) 0x01, (byte) 0xE0, 0x0A, 0x00, 0x00, // 3-байтовый (spra 7)
0x00, // хвост 1 байт — обрыв
};
Grpprl.scan(buf, 0, buf.length, (sprm, b, off, len) -> {
seen.add(sprm);
sizes.add(len);
});
assertEquals(List.of(0x0835, 0x2A3E, 0x4A43, 0x6A03, 0xE001), seen);
assertEquals(List.of(1, 1, 2, 4, 3), sizes);
}
@Test
void scan_variableOperand() {
// spra 6 (старшие биты 110): первый байт операнда — длина остального
byte[] buf = {0x10, (byte) 0xC0, 0x02, (byte) 0xAA, (byte) 0xBB};
int[] got = {-1};
Grpprl.scan(buf, 0, buf.length, (sprm, b, off, len) -> {
got[0] = len;
assertEquals(0xC010, sprm);
});
assertEquals(3, got[0]);
}
@Test
void scan_truncatedOperand_stops() {
byte[] buf = {0x43, 0x4A, 0x16}; // 2-байтовый операнд не влезает
int[] count = {0};
Grpprl.scan(buf, 0, buf.length, (sprm, b, off, len) -> count[0]++);
assertEquals(0, count[0], "битый хвост — свойства не применяются");
}
@Test
void scan_variableWithoutLengthByte_stops() {
byte[] buf = {0x10, (byte) 0xC0}; // spra 6, а байта длины нет
int[] count = {0};
Grpprl.scan(buf, 0, buf.length, (sprm, b, off, len) -> count[0]++);
assertEquals(0, count[0]);
}
@Test
void scan_tDefTable_twoByteLength() {
// sprmTDefTable 0xD608 (§2.9.321): cb — 2 байта, «остаток + 1»;
// cb=304 > 255 — формула «1 + первый байт» сбилась бы на 49
byte[] buf = new byte[2 + 305 + 3];
buf[0] = 0x08;
buf[1] = (byte) 0xD6;
buf[2] = 0x30;
buf[3] = 0x01; // cb = 304
buf[2 + 305] = 0x35;
buf[3 + 305] = 0x08;
buf[4 + 305] = 0x01;
List<Integer> sizes = new ArrayList<>();
Grpprl.scan(buf, 0, buf.length, (sprm, b, off, len) -> sizes.add(len));
assertEquals(List.of(305, 1), sizes, "второй Prl найден — разбор не сместился");
}
@Test
void scan_tDefTable_truncated_stops() {
byte[] buf = {0x08, (byte) 0xD6, 0x30, 0x01, 0x00}; // cb=304, данных нет
int[] count = {0};
Grpprl.scan(buf, 0, buf.length, (sprm, b, off, len) -> count[0]++);
assertEquals(0, count[0]);
}
@Test
void scan_pChgTabsSentinel_stops() {
// PChgTabsPapxOperand (§2.9.183, 0xC60D): cb=0xFF длины не выражается —
// обрыв, «1+cb» сдвинул бы разбор на 1 байт
byte[] buf = {0x0D, (byte) 0xC6, (byte) 0xFF, 0x35, 0x08, 0x01};
int[] count = {0};
Grpprl.scan(buf, 0, buf.length, (sprm, b, off, len) -> count[0]++);
assertEquals(0, count[0], "0xFF-длина не должна сдвигать разбор на 1 байт");
}
@Test
void scan_pChgTabsSentinel_lengthByFormula() {
// sprmPChgTabs 0xC615 (§2.9.182): cb=0xFF — длина 3 + 4·cTabsDel +
// 3·cTabsAdd; здесь n=1, m=1 → 10, следующий Prl (0x0835) не съеден
byte[] buf = {0x15, (byte) 0xC6, (byte) 0xFF, 0x01,
0x00, 0x00, 0x00, 0x00, 0x01, 0x00, 0x00, 0x01, 0x35, 0x08, 0x01};
List<Integer> seen = new ArrayList<>();
List<Integer> sizes = new ArrayList<>();
Grpprl.scan(buf, 0, buf.length, (sprm, b, off, len) -> {
seen.add(sprm);
sizes.add(len);
});
assertEquals(List.of(0xC615, 0x0835), seen, "разбор не сместился и не оборвался");
assertEquals(List.of(10, 1), sizes);
}
@Test
void operandInt_widths() {
byte[] buf = {0x34, 0x12, (byte) 0xAB, (byte) 0xCD, (byte) 0xEF};
assertEquals(0x1234, Grpprl.operandInt(buf, 0, 2));
assertEquals(0xCDAB1234, Grpprl.operandInt(buf, 0, 5), "длиннее 4 — обрезается");
}
@Test
void toggleOn_parity() {
assertTrue(Grpprl.toggleOn(new byte[] {1}, 0));
assertFalse(Grpprl.toggleOn(new byte[] {2}, 0));
}
@Test
void indents_80FamilyNestAndDefaults() {
Grpprl.Indents empty = new Grpprl.Indents();
assertEquals(0, empty.left());
assertEquals(-1, empty.right());
assertEquals(Integer.MIN_VALUE, empty.left1());
// только 80-е семейство: nest80 к dxaLeft80, left180 со знаком, right80
byte[] only80 = {
(byte) 0x0F, (byte) 0x84, (byte) 0x80, 0x02, // dxaLeft80 = 640
(byte) 0x10, 0x46, 0x2C, 0x00, // nest80 = 44
0x11, (byte) 0x84, (byte) 0x98, (byte) 0xFE, // dxaLeft180 = −360
(byte) 0x0E, (byte) 0x84, 0x1E, 0x00, // dxaRight80 = 30
};
Grpprl.Indents ind = new Grpprl.Indents();
Grpprl.scan(only80, 0, only80.length, ind::prl);
assertEquals(684, ind.left(), "nest80 прибавляется к dxaLeft80");
assertEquals(-360, ind.left1(), "dxaLeft180 — XAS со знаком");
assertEquals(30, ind.right());
}
@Test
void indents_modernFamilySupersedes80() {
// хоть один современный sprm левого отступа → 80-е семейство целиком в стороне
byte[] mixed = {
(byte) 0x0F, (byte) 0x84, (byte) 0x80, 0x02, // dxaLeft80 = 640
(byte) 0x10, 0x46, 0x2C, 0x00, // nest80 = 44
(byte) 0x5E, (byte) 0x84, 0x10, 0x01, // dxaLeft = 272
};
Grpprl.Indents m = new Grpprl.Indents();
Grpprl.scan(mixed, 0, mixed.length, m::prl);
assertEquals(272, m.left(), "современное семейство вытесняет 80-е");
// современный nest к своему left; right и left1 — слияние last-wins
byte[] modern = {
(byte) 0x5E, (byte) 0x84, 0x10, 0x01, // dxaLeft = 272
0x5F, 0x46, 0x0A, 0x00, // nest = 10
(byte) 0x0E, (byte) 0x84, 0x1E, 0x00, // dxaRight80 = 30
(byte) 0x5D, (byte) 0x84, 0x2C, 0x01, // dxaRight = 300 — last-wins
0x11, (byte) 0x84, (byte) 0x98, (byte) 0xFE, // dxaLeft180 = −360
0x60, (byte) 0x84, 0x78, 0x00, // dxaLeft1 = 120 — last-wins
};
Grpprl.Indents md = new Grpprl.Indents();
Grpprl.scan(modern, 0, modern.length, md::prl);
assertEquals(282, md.left(), "nest прибавляется к dxaLeft");
assertEquals(300, md.right(), "right — слияние last-wins");
assertEquals(120, md.left1(), "left1 — слияние last-wins");
}
}
@@ -0,0 +1,90 @@
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.assertThrows;
import static org.junit.jupiter.api.Assertions.assertTrue;
import org.junit.jupiter.api.Test;
import ru.pjandro.wordpdf.ValidationException;
/** Юниты {@link Headers} ([MS-DOC] §2.8.22, §2.4.4). */
class HeadersTest {
/** aCP: 6 разделителей + 6 историй секции 0 + хвост (13 значений). */
private static byte[] plcf(int... cps) {
byte[] t = new byte[cps.length * 4];
for (int i = 0; i < cps.length; i++) {
put32(t, i * 4, cps[i]);
}
return t;
}
@Test
void emptyPlcf_noStories() {
Headers h = Headers.read(new byte[0], 0, 0, 100);
assertFalse(h.oddHeader(0).hasContent());
assertFalse(h.oddFooter(0).hasContent());
assertEquals(0, h.oddHeader(0).cpStart());
}
@Test
void outOfRange_rejected() {
byte[] t = plcf(0, 1);
assertThrows(ValidationException.class, () -> Headers.read(t, 0, 12, 0));
assertThrows(ValidationException.class, () -> Headers.read(t, 0, 6, 0));
}
@Test
void decreasingAcp_rejected() {
assertThrows(ValidationException.class,
() -> Headers.read(plcf(0, 5, 3), 0, 12, 0));
}
@Test
void stories_absoluteCpAndGuards() {
int[] cps = new int[13];
for (int i = 0; i < 13; i++) {
cps[i] = 2 * i;
}
byte[] t = plcf(cps);
Headers h = Headers.read(t, 0, t.length, 1000); // baseCp = ccpText+ccpFtn
// история 7 = odd header секции 0: [1000+14, 1000+16)
Headers.Story hdr = h.oddHeader(0);
assertEquals(1014, hdr.cpStart());
assertEquals(1016, hdr.cpEnd());
assertTrue(hdr.hasContent());
assertEquals(1015, hdr.contentEnd(), "последний ¶ — guard, вне контента");
// история 9 = odd footer: [1018, 1020)
Headers.Story ftr = h.oddFooter(0);
assertEquals(1018, ftr.cpStart());
assertEquals(1019, ftr.contentEnd());
assertTrue(ftr.hasContent());
// одна guard-¶ — содержимого нет
assertFalse(new Headers.Story(5, 6).hasContent());
// секции 1 нет (aCp короче) → пустая история
assertEquals(0, h.oddHeader(1).cpEnd());
}
/**
* §2.4.4: [x,x) — история НЕ определена (Word наследует полосы
* предыдущей секции); [x,x+1) — определена, но только guard-¶
* (явно пустой колонтитул, обрывающий наследование).
*/
@Test
void emptyVsGuardOnly() {
assertTrue(new Headers.Story(5, 5).empty());
assertFalse(new Headers.Story(5, 5).hasContent());
assertFalse(new Headers.Story(5, 6).empty());
assertFalse(new Headers.Story(5, 6).hasContent());
assertFalse(new Headers.Story(5, 7).empty());
assertTrue(new Headers.Story(5, 7).hasContent());
}
private static void put32(byte[] b, int off, int v) {
b[off] = (byte) v;
b[off + 1] = (byte) (v >>> 8);
b[off + 2] = (byte) (v >>> 16);
b[off + 3] = (byte) (v >>> 24);
}
}
@@ -0,0 +1,427 @@
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.assertTrue;
import java.io.ByteArrayOutputStream;
import java.nio.charset.StandardCharsets;
import org.junit.jupiter.api.Test;
/**
* Списки [MS-DOC] на крафтовых байтовых потоках (образец {@link TablesTest}):
* PlfLst/LSTF/LVL → abstractNum (счёт LVL по fSimpleList, плейсхолдеры xst,
* MSONFC → ST_NumberFormat, ixchFollow → w:suff, grpprl уровня → w:ind/
* w:rFonts), PlfLfo/LFOLVL → w:num с w:startOverride/w:lvl; деградации
* (нулевые lcb, обрыв массива LVL, lsid без LSTF).
*/
class ListsTest {
// --- крафт -----------------------------------------------------------
/** LSTF (28 Б, §2.9.147): lsid + flags bit0 fSimpleList. */
private static byte[] lstf(int lsid, boolean simple) {
byte[] b = new byte[28];
put32(b, 0, lsid);
b[26] = (byte) (simple ? 1 : 0);
return b;
}
/** LVL (§2.9.149) = LVLF(28) + grpprlPapx + grpprlChpx + Xst. */
private static byte[] lvl(int startAt, int nfc, int jc, int follow, byte[] papx,
byte[] chpx, int[] xst) {
byte[] b = new byte[28];
put32(b, 0, startAt);
b[4] = (byte) nfc;
b[5] = (byte) jc;
b[15] = (byte) follow;
b[24] = (byte) chpx.length;
b[25] = (byte) papx.length;
byte[] x = new byte[2 + 2 * xst.length];
put16(x, 0, xst.length);
for (int i = 0; i < xst.length; i++) {
put16(x, 2 + 2 * i, xst[i]);
}
return concat(b, papx, chpx, x);
}
/** Плоский уровень без grpprl: decimal «%{ilvl+1}.» (плейсхолдер 0x0N). */
private static byte[] plainLvl(int level) {
return lvl(1, 0x00, 0, 0, new byte[0], new byte[0], new int[] {level, '.'});
}
/** LFOLVL (§2.9.133): iStartAt + битполе (iLvl|fStartAt<<4|fFormatting<<5) + LVL. */
private static byte[] lfoLvl(int ilvl, boolean startAt, int start, boolean formatting,
byte[] lvlBytes) {
int bits = ilvl | (startAt ? 1 << 4 : 0) | (formatting ? 1 << 5 : 0);
return concat(u32(start), u32(bits), formatting ? lvlBytes : new byte[0]);
}
/** PlfLfo: lfoMac + rgLfo[16] + rgLfoData (cp + rgLfoLvl). */
private static byte[] plfLfo(int lsid, int clfolvl, byte[] lfoData) {
byte[] lfo = new byte[16];
put32(lfo, 0, lsid);
lfo[12] = (byte) clfolvl;
return concat(u32(1), lfo, u32(0xFFFFFFFFL), lfoData);
}
/** SttbfFfn (§2.9.147 FontTable) с одним семейством на индексе ftc. */
private static FontTable fonts(String... names) {
ByteArrayOutputStream out = new ByteArrayOutputStream();
byte[] header = new byte[4];
put16(header, 0, names.length);
out.writeBytes(header);
for (String name : names) {
byte[] fam = (name + "\0").getBytes(StandardCharsets.UTF_16LE);
int cch = 39 + fam.length;
out.write(cch);
out.writeBytes(new byte[39]);
out.writeBytes(fam);
}
byte[] table = out.toByteArray();
return FontTable.read(table, 0, table.length);
}
private static Lists lists(byte[] plfLst, byte[] lvls, byte[] plfLfo, FontTable fonts) {
byte[] table = concat(plfLst, lvls, plfLfo);
long fcPlfLst = 0;
long lcbPlfLst = plfLst.length;
long fcPlfLfo = plfLst.length + lvls.length;
long lcbPlfLfo = plfLfo.length;
return Lists.read(table, fcPlfLst, lcbPlfLst, fcPlfLfo, lcbPlfLfo, fonts);
}
/** PlfLst: заголовок cLst SHORT(2Б, §2.9.201) + LSTF-записи с fc+2. */
private static byte[] plfLst(byte[]... lstfs) {
byte[] head = u16(lstfs.length);
byte[][] all = new byte[lstfs.length + 1][];
all[0] = head;
System.arraycopy(lstfs, 0, all, 1, lstfs.length);
return concat(all);
}
// --- abstractNum -------------------------------------------------------
@Test
void multiLevelList_levelsAndPlaceholders() {
// LSTF lsid=100, 9 уровней: lvl0 decimal «%1.», lvl1 lowerLetter
// «%1-%2)» (плейсхолдеры 0x00/0x01) со startAt=3, остальные плоские
byte[] l0 = lvl(1, 0x00, 0, 0, new byte[0], new byte[0], new int[] {0, '.'});
byte[] l1 = lvl(3, 0x04, 0, 0, new byte[0], new byte[0],
new int[] {0, '-', 1, ')'});
byte[] rest = concat(plainLvl(2), plainLvl(3), plainLvl(4), plainLvl(5),
plainLvl(6), plainLvl(7), plainLvl(8));
Lists lists = lists(plfLst(lstf(100, false)), concat(l0, l1, rest),
new byte[0], fonts());
assertTrue(lists.hasNumbering());
String xml = lists.numberingXml();
assertTrue(xml.contains("<w:abstractNum w:abstractNumId=\"1\">"), xml);
assertTrue(xml.contains("<w:lvl w:ilvl=\"0\"><w:start w:val=\"1\"/>"
+ "<w:numFmt w:val=\"decimal\"/>"), xml);
assertTrue(xml.contains("<w:lvlText w:val=\"%1.\"/>"), xml);
assertTrue(xml.contains("<w:lvl w:ilvl=\"1\"><w:start w:val=\"3\"/>"
+ "<w:numFmt w:val=\"lowerLetter\"/>"), xml);
assertTrue(xml.contains("<w:lvlText w:val=\"%1-%2)\"/>"),
"плейсхолдеры 0x00/0x01 → %1/%2: " + xml);
assertTrue(xml.contains("<w:lvl w:ilvl=\"8\">"), xml);
assertFalse(xml.contains("<w:num "), "PlfLfo нет — w:num быть не должно: " + xml);
}
@Test
void simpleList_getsOneLevel() {
// fSimpleList=1 → ровно 1 LVL; следующий LSTF получает свои 9
byte[] simple = plfLst(lstf(100, true), lstf(200, false));
byte[] lvls = concat(plainLvl(0), plainLvl(0), plainLvl(1), plainLvl(2),
plainLvl(3), plainLvl(4), plainLvl(5), plainLvl(6), plainLvl(7),
plainLvl(8));
Lists lists = lists(simple, lvls, new byte[0], fonts());
String xml = lists.numberingXml();
String abstract1 = xml.substring(xml.indexOf("<w:abstractNum w:abstractNumId=\"1\">"),
xml.indexOf("</w:abstractNum>"));
assertEquals(1, abstract1.split("<w:lvl ", -1).length - 1,
"fSimpleList → один LVL: " + abstract1);
assertTrue(xml.contains("<w:abstractNum w:abstractNumId=\"2\">"), xml);
assertEquals(9, xml.substring(xml.indexOf("<w:abstractNum w:abstractNumId=\"2\">"))
.split("<w:lvl ", -1).length - 1, "многоуровневый → 9 LVL");
}
@Test
void bulletLevel_fontSuffAndText() {
// nfc=0x17 bullet, chpx ftc0=Symbol, xst = PUA 0xF0B7, ixchFollow=1 → space
byte[] chpx = {0x4F, 0x4A, 0, 0}; // sprmCRgFtc0 = 0
byte[] l0 = lvl(1, 0x17, 0, 1, new byte[0], chpx, new int[] {0xF0B7});
Lists lists = lists(plfLst(lstf(100, true)), l0, new byte[0], fonts("Symbol"));
String xml = lists.numberingXml();
assertTrue(xml.contains("<w:numFmt w:val=\"bullet\"/>"), xml);
assertTrue(xml.contains("<w:suff w:val=\"space\"/>"), xml);
assertTrue(xml.contains("<w:rFonts w:ascii=\"Symbol\" w:hAnsi=\"Symbol\"/>"), xml);
assertTrue(xml.contains("<w:lvlText w:val=\"\uF0B7\"/>"),
"PUA-символ дословно (чинит SymbolFontNormalizer): " + xml);
}
@Test
void levelPapx_becomesInd() {
// grpprlPapx: sprmPDxaLeft=720 + sprmPDxaLeft1=−360 (XAS со знаком)
byte[] papx = concat(prl2(0x845E, 720),
new byte[] {0x60, (byte) 0x84, (byte) 0x98, (byte) 0xFE});
byte[] l0 = lvl(1, 0x00, 2, 2, papx, new byte[0], new int[] {0, '.'});
Lists lists = lists(plfLst(lstf(100, true)), l0, new byte[0], fonts());
String xml = lists.numberingXml();
assertTrue(xml.contains("<w:pPr><w:ind w:left=\"720\" w:hanging=\"360\"/></w:pPr>"),
xml);
assertTrue(xml.contains("<w:suff w:val=\"nothing\"/>"), xml);
assertTrue(xml.contains("<w:lvlJc w:val=\"right\"/>"), xml);
}
@Test
void levelPapx80Variants_becomeInd() {
// grpprlPapx 80-вариантами: sprmPDxaLeft80=720 + sprmPDxaLeft180=−360
// → тот же w:ind, что у современного семейства (общий Grpprl.Indents)
byte[] papx = concat(prl2(0x840F, 720),
new byte[] {0x11, (byte) 0x84, (byte) 0x98, (byte) 0xFE});
byte[] l0 = lvl(1, 0x00, 0, 0, papx, new byte[0], new int[] {0, '.'});
Lists lists = lists(plfLst(lstf(100, true)), l0, new byte[0], fonts());
assertTrue(lists.numberingXml().contains(
"<w:pPr><w:ind w:left=\"720\" w:hanging=\"360\"/></w:pPr>"),
lists.numberingXml());
}
@Test
void literalPercent_doubled() {
byte[] l0 = lvl(1, 0x00, 0, 0, new byte[0], new byte[0],
new int[] {'%', '5', '0', '%', 0, '.'});
Lists lists = lists(plfLst(lstf(100, true)), l0, new byte[0], fonts());
// «%50%» + плейсхолдер 1 + «.» → «%%»+«50»+«%%»+«%1»+«.»
assertTrue(lists.numberingXml().contains("<w:lvlText w:val=\"%%50%%%1.\"/>"),
"литеральный % удваивается: " + lists.numberingXml());
}
@Test
void exoticNfc_fallsBackToDecimal() {
byte[] l0 = lvl(1, 0x0A, 0, 0, new byte[0], new byte[0], new int[] {'%', '1'});
Lists lists = lists(plfLst(lstf(100, true)), l0, new byte[0], fonts());
assertTrue(lists.numberingXml().contains("<w:numFmt w:val=\"decimal\"/>"),
"CJK-MSONFC → decimal: " + lists.numberingXml());
}
@Test
void knownNfc_mappedToStNumberFormat() {
int[] nfc = {0x01, 0x02, 0x03, 0x05, 0x06, 0x07, 0x16, 0x39, 0x3A, 0x3B, 0xFF};
String[] st = {"upperRoman", "lowerRoman", "upperLetter", "ordinal",
"cardinalText", "ordinalText",
"decimalZero", "numberInDash", "russianLower", "russianUpper", "none"};
for (int i = 0; i < nfc.length; i++) {
byte[] l0 = lvl(1, nfc[i], 0, 0, new byte[0], new byte[0], new int[] {'%'});
Lists lists = lists(plfLst(lstf(100, true)), l0, new byte[0], fonts());
assertTrue(lists.numberingXml().contains("<w:numFmt w:val=\"" + st[i] + "\"/>"),
"nfc 0x" + Integer.toHexString(nfc[i]) + " → " + st[i]);
}
}
@Test
void levelRich_jcFirstLineBoldSzAndEscapes() {
// papx: left=100 + left1=220 → firstLine; chpx: bold + hps=28 + ftc0=0;
// jc=1 → center; имя семейства с & < " → экранирование в w:rFonts
byte[] papx = concat(prl2(0x845E, 100), prl2(0x8460, 220));
byte[] chpx = concat(new byte[] {0x35, 0x08, 1},
new byte[] {0x43, 0x4A, 28, 0}, new byte[] {0x4F, 0x4A, 0, 0});
byte[] l0 = lvl(1, 0x00, 1, 1, papx, chpx, new int[] {'1', '.', ' '});
Lists lists = lists(plfLst(lstf(100, true)), l0, new byte[0],
fonts("T&imes <New> \"Q\""));
String xml = lists.numberingXml();
assertTrue(xml.contains("<w:lvlJc w:val=\"center\"/>"), xml);
assertTrue(xml.contains("<w:ind w:left=\"100\" w:firstLine=\"220\"/>"), xml);
assertTrue(xml.contains("<w:b/>"), xml);
assertTrue(xml.contains("<w:sz w:val=\"28\"/>"), xml);
assertTrue(xml.contains("w:ascii=\"T&amp;imes &lt;New> &quot;Q&quot;\""),
"«>» в атрибуте легален и не экранируется: " + xml);
}
// --- w:num / LFOLVL ------------------------------------------------------
@Test
void lfo_numWithStartOverrideAndFormatting() {
byte[] l0 = plainLvl(0);
byte[] overrideLvl = lvl(1, 0x01, 0, 0, new byte[0], new byte[0],
new int[] {'%', '2', '.'});
byte[] data = concat(lfoLvl(0, true, 7, false, new byte[0]),
lfoLvl(1, false, 0, true, overrideLvl));
Lists lists = lists(plfLst(lstf(100, false)),
concat(l0, plainLvl(1), plainLvl(2), plainLvl(3), plainLvl(4),
plainLvl(5), plainLvl(6), plainLvl(7), plainLvl(8)),
plfLfo(100, 2, data), fonts());
assertTrue(lists.hasNum(1));
assertFalse(lists.hasNum(2));
String xml = lists.numberingXml();
assertTrue(xml.contains("<w:num w:numId=\"1\"><w:abstractNumId w:val=\"1\"/>"), xml);
assertTrue(xml.contains("<w:lvlOverride w:ilvl=\"0\">"
+ "<w:startOverride w:val=\"7\"/></w:lvlOverride>"), xml);
assertTrue(xml.contains("<w:lvlOverride w:ilvl=\"1\"><w:lvl w:ilvl=\"1\">"
+ "<w:start w:val=\"1\"/><w:numFmt w:val=\"upperRoman\"/>"), xml);
}
@Test
void lfoWithoutMatchingLstf_hasNoNum() {
Lists lists = lists(plfLst(lstf(100, true)), plainLvl(0),
plfLfo(999, 0, new byte[0]), fonts());
assertTrue(lists.hasNumbering());
assertFalse(lists.hasNum(1), "lsid без LSTF — num не эмитится");
assertFalse(lists.numberingXml().contains("<w:num "),
lists.numberingXml());
}
@Test
void zeroMacros_emptyTables() {
// lstfMac=0 / lfoMac=0 — пустые таблицы без падения
byte[] table = concat(u32(0), u32(0));
Lists lists = Lists.read(table, 0, 4, 4, 4, fonts());
assertFalse(lists.hasNumbering());
assertFalse(lists.hasNum(0));
assertFalse(lists.hasNum(1));
}
@Test
void truncatedSecondLstf_staysNull() {
// два многоуровневых LSTF, влезли 3 LVL: второй — null, LFO на него не цепляется
byte[] truncated = concat(plainLvl(0), plainLvl(1), plainLvl(2));
Lists lists = lists(plfLst(lstf(100, false), lstf(200, false)), truncated,
plfLfo(200, 0, new byte[0]), fonts());
assertTrue(lists.hasNumbering(), "первый LSTF валиден");
assertFalse(lists.hasNum(1), "lsid=200 указывает на null-LSTF");
String xml = lists.numberingXml();
assertTrue(xml.contains("w:abstractNumId=\"1\""), xml);
assertFalse(xml.contains("w:abstractNumId=\"2\""), xml);
assertFalse(xml.contains("<w:num "), xml);
}
@Test
void hostileLevelFields_degradeToInvalid() {
// cbPapx за пределами потока
assertFalse(lists(plfLst(lstf(100, false)), rawLvl(200), new byte[0], fonts())
.hasNumbering());
// заголовок xst обрезан: поток кончается сразу после grpprl
byte[] noXst = rawLvl(2, (byte) 0x62, (byte) 0x84);
assertFalse(lists(plfLst(lstf(100, false)), noXst, new byte[0], fonts())
.hasNumbering());
// враждебный cch
byte[] bigCch = concat(rawLvl(0), u16(0xFFFF));
assertFalse(lists(plfLst(lstf(100, false)), bigCch, new byte[0], fonts())
.hasNumbering());
}
@Test
void lfoDataTruncated_keepsLfoWithoutOverrides() {
// clfolvl=1, но LFOData обрывается на cp / первом LFOLVL
assertFalse(lists(plfLst(lstf(100, true)), plainLvl(0),
plfLfo(100, 1, new byte[0]), fonts()).numberingXml()
.contains("lvlOverride"));
assertTrue(lists(plfLst(lstf(100, true)), plainLvl(0),
plfLfo(100, 1, u32(0)), fonts()).hasNum(1));
assertFalse(lists(plfLst(lstf(100, true)), plainLvl(0),
plfLfo(100, 1, u32(0)), fonts()).numberingXml()
.contains("lvlOverride"));
}
@Test
void lfoLvlFormattingTruncated_stopsOverrides() {
// fFormatting, но LVL обрезан — переопределение отброшено, num жив
byte[] data = concat(u32(0), u32(1 << 5), rawLvl(100));
Lists lists = lists(plfLst(lstf(100, true)), plainLvl(0),
plfLfo(100, 1, data), fonts());
assertTrue(lists.hasNum(1));
assertFalse(lists.numberingXml().contains("lvlOverride"),
lists.numberingXml());
}
@Test
void lfoLvlFlags_ilvlCapAndEmptyOverride() {
// ilvl=9 — за пределами уровней (скип); без fStartAt/fFormatting — пустой lvlOverride
byte[] data = concat(u32(0), u32(9), u32(0), u32(1), u32(0));
Lists lists = lists(plfLst(lstf(100, true)), plainLvl(0),
plfLfo(100, 2, data), fonts());
String xml = lists.numberingXml();
assertFalse(xml.contains("w:ilvl=\"9\""), xml);
assertTrue(xml.contains("<w:lvlOverride w:ilvl=\"1\"></w:lvlOverride>"), xml);
}
// --- деградации ----------------------------------------------------------
@Test
void zeroLcb_emptyLists() {
byte[] table = new byte[64];
Lists lists = Lists.read(table, 0, 0, 0, 0, fonts());
assertFalse(lists.hasNumbering());
assertFalse(lists.hasNum(1));
}
@Test
void truncatedLevelArray_keepsParsedLevels() {
// 9 уровней влезает только 3 — abstractNum с ilvl 0..2, без падения
byte[] full = concat(plainLvl(0), plainLvl(1), plainLvl(2), plainLvl(3),
plainLvl(4), plainLvl(5), plainLvl(6), plainLvl(7), plainLvl(8));
byte[] truncated = new byte[plainLvl(0).length * 3];
System.arraycopy(full, 0, truncated, 0, truncated.length);
Lists lists = lists(plfLst(lstf(100, false)), truncated, new byte[0], fonts());
assertTrue(lists.hasNumbering());
String xml = lists.numberingXml();
assertTrue(xml.contains("<w:lvl w:ilvl=\"2\">"), xml);
assertFalse(xml.contains("<w:lvl w:ilvl=\"3\">"), xml);
}
@Test
void garbageTable_emptyLists() {
byte[] table = "не PlfLst вообще".getBytes(StandardCharsets.UTF_8);
Lists lists = Lists.read(table, 2, 100, 2, 100, fonts());
assertFalse(lists.hasNumbering());
assertFalse(lists.hasNum(1));
}
// --- хелперы ---------------------------------------------------------
/** LVLF с заданным cbPapx и байтами grpprl (для guard-тестов). */
private static byte[] rawLvl(int cbPapx, byte... grpprl) {
byte[] b = new byte[28];
b[25] = (byte) cbPapx;
return concat(b, grpprl);
}
private static byte[] u16(int v) {
byte[] b = new byte[2];
put16(b, 0, v);
return b;
}
private static byte[] prl2(int sprm, int v) {
return new byte[] {(byte) sprm, (byte) (sprm >>> 8), (byte) v, (byte) (v >>> 8)};
}
private static byte[] u32(long v) {
byte[] b = new byte[4];
put32(b, 0, (int) v);
return b;
}
private static byte[] concat(byte[]... parts) {
int len = 0;
for (byte[] p : parts) {
len += p.length;
}
byte[] out = new byte[len];
int at = 0;
for (byte[] p : parts) {
System.arraycopy(p, 0, out, at, p.length);
at += p.length;
}
return out;
}
private static void put16(byte[] b, int off, int v) {
b[off] = (byte) v;
b[off + 1] = (byte) (v >>> 8);
}
private static void put32(byte[] b, int off, int v) {
put16(b, off, v & 0xFFFF);
put16(b, off + 2, (v >>> 16) & 0xFFFF);
}
}
@@ -0,0 +1,243 @@
package ru.pjandro.wordpdf.internal.doc;
import static org.junit.jupiter.api.Assertions.assertArrayEquals;
import static org.junit.jupiter.api.Assertions.assertEquals;
import static org.junit.jupiter.api.Assertions.assertNotNull;
import static org.junit.jupiter.api.Assertions.assertNull;
import java.io.ByteArrayOutputStream;
import java.nio.ByteBuffer;
import java.nio.ByteOrder;
import org.junit.jupiter.api.Test;
/**
* Юниты {@link OfficeArt}: крафтовые PICF+BLIP-области ([MS-DOC] §2.9.192,
* [MS-ODRAW] §2.2.23–.31) — отбор по сигнатуре, UID-чётность, размеры,
* DIB→PNG, деградация на метафайлах и мусоре. Фикстуры-документы
* (samples/ru-table-image.doc и др.) покрывает WordPdfConverterTest.
*/
class OfficeArtTest {
private static final byte[] PNG_TINY = pngBytes();
@Test
void pngBlip_extractedWithScaledSize() {
byte[] region = region(picf(1800, 900, 1000, 1000),
blip(0x6E0, 0xF01E, 16, PNG_TINY));
OfficeArt.Picture pic = OfficeArt.read(region, 0);
assertNotNull(pic);
assertEquals("png", pic.extension());
assertEquals("image/png", pic.contentType());
assertArrayEquals(PNG_TINY, pic.data());
assertEquals(1800 * 635, pic.cxEmu());
assertEquals(900 * 635, pic.cyEmu());
}
@Test
void oddInstance_secondUidSkipped() {
byte[] region = region(picf(100, 100, 1000, 1000),
blip(0x6E1, 0xF01E, 32, PNG_TINY));
OfficeArt.Picture pic = OfficeArt.read(region, 0);
assertNotNull(pic, "нечётный recInstance — два UID, данные после 32+1");
assertArrayEquals(PNG_TINY, pic.data());
}
@Test
void jpegBlip_extracted() {
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));
OfficeArt.Picture pic = OfficeArt.read(region, 0);
assertNotNull(pic);
assertEquals("jpg", pic.extension());
assertEquals("image/jpeg", pic.contentType());
}
@Test
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));
assertNotNull(OfficeArt.read(region, 0));
}
@Test
void metafileBlips_skipped() {
for (int type : new int[] {0xF01A, 0xF01B, 0xF01C}) {
byte[] region = region(picf(100, 100, 1000, 1000),
blip(0x2FC, type, 16, PNG_TINY));
assertNull(OfficeArt.read(region, 0),
"метафайл 0x" + Integer.toHexString(type) + " не рендерится");
}
}
@Test
void pngSignatureRequired() {
byte[] region = region(picf(100, 100, 1000, 1000),
blip(0x6E0, 0xF01E, 16, new byte[] {1, 2, 3, 4, 5, 6, 7, 8, 9}));
assertNull(OfficeArt.read(region, 0), "recType=PNG без сигнатуры — ложное срабатывание");
}
@Test
void badPicfHeader_rejected() {
byte[] good = region(picf(100, 100, 1000, 1000), blip(0x6E0, 0xF01E, 16, PNG_TINY));
byte[] badCb = good.clone();
badCb[4] = 0x40; // cbHeader ≠ 0x44 (NilPICFAndBinData — OLE-бинарник)
assertNull(OfficeArt.read(badCb, 0));
byte[] badLcb = good.clone();
put32(badLcb, 0, 40); // lcb < PICF_SIZE
assertNull(OfficeArt.read(badLcb, 0));
assertNull(OfficeArt.read(good, -1), "отрицательный picLocation");
assertNull(OfficeArt.read(good, good.length - 10), "PICF не влезает в поток");
byte[] truncated = new byte[good.length - 1];
System.arraycopy(good, 0, truncated, 0, truncated.length);
assertNull(OfficeArt.read(truncated, 0), "off + lcb за концом потока");
}
@Test
void garbageRegion_null() {
byte[] region = new byte[256];
for (int i = 0; i < region.length; i++) {
region[i] = (byte) (i * 31 + 7);
}
put32(region, 0, region.length);
put16(region, 4, 0x44);
assertNull(OfficeArt.read(region, 0));
}
@Test
void shapefilePrefix_skipped() {
// mm=0x0066: после PICF идёт cchPicName + stPicName ([MS-DOC] §2.9.190)
byte[] picf = picf(100, 100, 1000, 1000);
put16(picf, 6, 0x0066);
byte[] name = {3, 'b', 'm', 'p'};
byte[] blip = blip(0x6E0, 0xF01E, 16, PNG_TINY);
byte[] region = new byte[picf.length + name.length + blip.length];
System.arraycopy(picf, 0, region, 0, picf.length);
System.arraycopy(name, 0, region, picf.length, name.length);
System.arraycopy(blip, 0, region, picf.length + name.length, blip.length);
put32(region, 0, region.length);
assertNotNull(OfficeArt.read(region, 0));
}
@Test
void pngSizeFallsBackToIhdr() {
// dxaGoal=0 → размер из IHDR @96 dpi: 100×50 px → 1500×750 twips
byte[] region = region(picf(0, 0, 1000, 1000), blip(0x6E0, 0xF01E, 16, PNG_TINY));
OfficeArt.Picture pic = OfficeArt.read(region, 0);
assertNotNull(pic);
assertEquals(1500 * 635, pic.cxEmu());
assertEquals(750 * 635, pic.cyEmu());
}
@Test
void dibReencodedToPng() {
byte[] dib = dib24();
byte[] region = region(picf(100, 100, 1000, 1000), blip(0x6E4, 0xF01F, 16, dib));
OfficeArt.Picture pic = OfficeArt.read(region, 0);
assertNotNull(pic, "DIB обязан перекодироваться в PNG");
assertEquals("png", pic.extension());
assertEquals((byte) 0x89, pic.data()[0]);
assertEquals('P', pic.data()[1]);
}
@Test
void truncatedDib_null() {
byte[] region = region(picf(100, 100, 1000, 1000),
blip(0x6E4, 0xF01F, 16, new byte[20]));
assertNull(OfficeArt.read(region, 0));
}
@Test
void blipBeyondLcb_rejected() {
byte[] picf = picf(100, 100, 1000, 1000);
byte[] blip = blip(0x6E0, 0xF01E, 16, PNG_TINY);
byte[] region = new byte[picf.length + blip.length];
System.arraycopy(picf, 0, region, 0, picf.length);
System.arraycopy(blip, 0, region, picf.length, blip.length);
put32(region, 0, picf.length + 4); // lcb обрезает BLIP-область
assertNull(OfficeArt.read(region, 0), "cb за пределами lcb — не картинка");
}
// --- конструкторы крафтовых областей -------------------------------
/** PICF (68 байт) с заданными dxaGoal/dyaGoal/mx/my. */
private static byte[] picf(int dxaGoal, int dyaGoal, int mx, int my) {
byte[] picf = new byte[68];
put16(picf, 4, 0x44);
put16(picf, 0x1C, dxaGoal);
put16(picf, 0x1E, dyaGoal);
put16(picf, 0x20, mx);
put16(picf, 0x22, my);
return picf;
}
/** OfficeArtRecord: verInstance/type/cb + uid(16|32) + tag + данные. */
private static byte[] blip(int verInstance, int type, int uidSize, byte[] data) {
ByteBuffer buf = ByteBuffer.allocate(8 + uidSize + 1 + data.length)
.order(ByteOrder.LITTLE_ENDIAN);
buf.putShort((short) verInstance);
buf.putShort((short) type);
buf.putInt(uidSize + 1 + data.length);
buf.position(8 + uidSize);
buf.put((byte) 0xFF); // tag
buf.put(data);
return buf.array();
}
/** PICF + записи, lcb = вся область. */
private static byte[] region(byte[] picf, byte[]... records) {
int len = picf.length;
for (byte[] r : records) {
len += r.length;
}
byte[] out = new byte[len];
System.arraycopy(picf, 0, out, 0, picf.length);
int at = picf.length;
for (byte[] r : records) {
System.arraycopy(r, 0, out, at, r.length);
at += r.length;
}
put32(out, 0, len);
return out;
}
/** Минимальный PNG 100×50 (сигнатура + IHDR + усечённое тело). */
private static byte[] pngBytes() {
ByteArrayOutputStream out = new ByteArrayOutputStream();
byte[] sig = {(byte) 0x89, 'P', 'N', 'G', 0x0D, 0x0A, 0x1A, 0x0A};
out.writeBytes(sig);
ByteBuffer ihdr = ByteBuffer.allocate(21).order(ByteOrder.BIG_ENDIAN);
ihdr.putInt(13).put(new byte[] {'I', 'H', 'D', 'R'})
.putInt(100).putInt(50).put((byte) 8).put((byte) 2)
.put((byte) 0).put((byte) 0).put((byte) 0);
out.writeBytes(ihdr.array());
out.writeBytes(new byte[8]); // хвост: pngDxa читает IHDR до +24
return out.toByteArray();
}
/** DIB 24 bpp 2×2 (BITMAPINFOHEADER + 2 ряда по 8 байт). */
private static byte[] dib24() {
ByteBuffer buf = ByteBuffer.allocate(40 + 16).order(ByteOrder.LITTLE_ENDIAN);
buf.putInt(40).putInt(2).putInt(2).putShort((short) 1).putShort((short) 24)
.putInt(0).putInt(0).putInt(0).putInt(0).putInt(0).putInt(0);
for (int i = 0; i < 16; i++) {
buf.put((byte) (i * 40));
}
return buf.array();
}
private static void put16(byte[] data, int off, int value) {
data[off] = (byte) value;
data[off + 1] = (byte) (value >>> 8);
}
private static void put32(byte[] data, int off, int value) {
data[off] = (byte) value;
data[off + 1] = (byte) (value >>> 8);
data[off + 2] = (byte) (value >>> 16);
data[off + 3] = (byte) (value >>> 24);
}
}
@@ -0,0 +1,167 @@
package ru.pjandro.wordpdf.internal.doc;
import static org.junit.jupiter.api.Assertions.assertArrayEquals;
import static org.junit.jupiter.api.Assertions.assertEquals;
import static org.junit.jupiter.api.Assertions.assertThrows;
import org.junit.jupiter.api.Test;
import ru.pjandro.wordpdf.ValidationException;
/**
* Юниты {@link PapxIndex} ([MS-DOC] §2.4.6.1, §2.9.16/.175): крафтовый
* PlcfBtePapx + PapxFkp — обе формы PapxInFkp (cb≠0 и cb=0→cb'), пропуски
* и {@code countPageBreakBefore}.
*/
class PapxIndexTest {
/** sprmPFPageBreakBefore=0x2407 toggle, on. */
private static final byte[] GRPRL_PB = {0x07, 0x24, 0x01};
private static byte[] table(int pn) {
byte[] t = new byte[12];
put32(t, 0, 2048);
put32(t, 4, 2100);
put32(t, 8, pn);
return t;
}
/**
* WordDocument с PapxFkp на странице pn: cpara=1, rgfc [2048, 2100],
* BxPap.bOffset=bx; PapxInFkp: cb≠0 → istd(2)+grpprl (2cb−1 всего),
* cb=0 → cb'-байт и 2cb' всего.
*/
private static byte[] wordDocument(int bx, boolean shortForm, int cb,
byte[] grpprl) {
return wordDocument(bx, shortForm, cb, grpprl, 0);
}
private static byte[] wordDocument(int bx, boolean shortForm, int cb,
byte[] grpprl, int istd) {
byte[] wd = new byte[1536];
int page = 2 * 512;
put32(wd, page, 2048);
put32(wd, page + 4, 2100);
wd[page + 8] = (byte) bx; // rgbx[0].bOffset (BxPap 13 байт, первый)
wd[page + 511] = 1; // cpara
int infkp = page + bx * 2;
if (shortForm) { // cb=0: следующий байт — cb'
wd[infkp] = 0;
wd[infkp + 1] = (byte) cb;
wd[infkp + 2] = (byte) istd;
wd[infkp + 3] = (byte) (istd >>> 8);
System.arraycopy(grpprl, 0, wd, infkp + 4, grpprl.length);
} else {
wd[infkp] = (byte) cb;
wd[infkp + 1] = (byte) istd;
wd[infkp + 2] = (byte) (istd >>> 8);
System.arraycopy(grpprl, 0, wd, infkp + 3, grpprl.length);
}
return wd;
}
@Test
void emptyBte_defaults() {
PapxIndex idx = PapxIndex.read(new byte[0], 0, 0, new byte[0]);
assertArrayEquals(new byte[0], idx.grpprlFor(2048));
assertEquals(0, idx.countPageBreakBefore());
}
@Test
void badBte_rejected() {
byte[] t = table(2);
byte[] wd = wordDocument(11, false, 3, GRPRL_PB);
assertThrows(ValidationException.class, () -> PapxIndex.read(t, 0, 11, wd));
assertThrows(ValidationException.class, () -> PapxIndex.read(t, 0, 13, wd));
}
@Test
void pageBeyondWordDocument_rejected() {
assertThrows(ValidationException.class,
() -> PapxIndex.read(table(100), 0, 12, new byte[1536]));
}
@Test
void badCpara_rejected() {
byte[] wd = wordDocument(11, false, 3, GRPRL_PB);
wd[2 * 512 + 511] = 0;
assertThrows(ValidationException.class, () -> PapxIndex.read(table(2), 0, 12, wd));
wd[2 * 512 + 511] = 0x61;
assertThrows(ValidationException.class, () -> PapxIndex.read(table(2), 0, 12, wd));
}
@Test
void longForm_extractsGrpprl() {
// cb=3 → stdSize=5 = istd(2)+grpprl(3)
PapxIndex idx = PapxIndex.read(table(2), 0, 12, wordDocument(11, false, 3, GRPRL_PB));
assertArrayEquals(GRPRL_PB, idx.grpprlFor(2048));
assertEquals(1, idx.countPageBreakBefore());
}
@Test
void shortForm_extractsGrpprl() {
// cb=0, cb'=3 → stdSize=6 = istd(2)+grpprl(4)… берём grpprl 4 байта
byte[] grpprl = {0x07, 0x24, 0x01, 0x00};
PapxIndex idx = PapxIndex.read(table(2), 0, 12, wordDocument(11, true, 3, grpprl));
assertArrayEquals(grpprl, idx.grpprlFor(2048));
}
@Test
void zeroOffsetAndTinyStd_skipped() {
assertArrayEquals(new byte[0],
PapxIndex.read(table(2), 0, 12, wordDocument(0, false, 3, GRPRL_PB))
.grpprlFor(2048), "bOffset=0 — дефолт");
// cb=1 → stdSize=1 → grpprlLen=-1 — слишком мелко, пропуск
assertArrayEquals(new byte[0],
PapxIndex.read(table(2), 0, 12, wordDocument(11, false, 1, GRPRL_PB))
.grpprlFor(2048));
}
@Test
void stdBeyondPage_skipped() {
// bx=250: infkp=page+500, std за границу 512-байтовой страницы
assertArrayEquals(new byte[0],
PapxIndex.read(table(2), 0, 12, wordDocument(250, false, 60, GRPRL_PB))
.grpprlFor(2048));
}
@Test
void countPageBreakBefore_countsOnlyOn() {
byte[] wd = wordDocument(11, false, 3, GRPRL_PB);
wd[2 * 512 + 27] = 0; // toggle off (grpprl по infkp+3=+25, operand +2)
assertEquals(0, PapxIndex.read(table(2), 0, 12, wd).countPageBreakBefore());
}
@Test
void istd_extractedBothForms() {
PapxIndex longForm = PapxIndex.read(table(2), 0, 12,
wordDocument(11, false, 3, GRPRL_PB, 10));
assertEquals(10, longForm.istdFor(2048));
PapxIndex shortForm = PapxIndex.read(table(2), 0, 12,
wordDocument(11, true, 3, new byte[] {0x07, 0x24, 0x01, 0}, 11));
assertEquals(11, shortForm.istdFor(2048));
}
@Test
void istdOnly_emptyGrpprlKept() {
// cb=0, cb'=1 → GrpPrlAndIstd = istd(2), Prl'ов нет (§2.9.175):
// grpprl пустой, istd читается — стиль единственное свойство
PapxIndex idx = PapxIndex.read(table(2), 0, 12,
wordDocument(11, true, 1, new byte[0], 12));
assertArrayEquals(new byte[0], idx.grpprlFor(2048));
assertEquals(12, idx.istdFor(2048));
}
@Test
void istdFor_outsideRange_minusOne() {
PapxIndex idx = PapxIndex.read(table(2), 0, 12,
wordDocument(11, false, 3, GRPRL_PB, 10));
assertEquals(-1, idx.istdFor(2200), "вне диапазона — стиля нет");
}
private static void put32(byte[] b, int off, int v) {
b[off] = (byte) v;
b[off + 1] = (byte) (v >>> 8);
b[off + 2] = (byte) (v >>> 16);
b[off + 3] = (byte) (v >>> 24);
}
}
@@ -0,0 +1,64 @@
package ru.pjandro.wordpdf.internal.doc;
import static org.junit.jupiter.api.Assertions.assertEquals;
import static org.junit.jupiter.api.Assertions.assertThrows;
import static org.junit.jupiter.api.Assertions.assertTrue;
import java.io.ByteArrayOutputStream;
import java.io.IOException;
import org.junit.jupiter.api.Test;
import ru.pjandro.wordpdf.ValidationException;
/**
* Юниты guard'а {@link PieceTable}: FC-диапазон куска обязан лежать внутри
* WordDocument-потока ([MS-DOC] §2.9.177) — иначе charAt/fcOf читали бы за
* массивом (IOOBE вместо 400).
*/
class PieceTableTest {
/** Clx = Pcdt с одним Pcd: aCp=[0, cpEnd], fc с флагом сжатия. */
private static byte[] clxOnePiece(int cpEnd, long fc, boolean compressed) throws IOException {
ByteArrayOutputStream out = new ByteArrayOutputStream();
out.write(0x02); // clxt Pcdt
out.write(le32(4 + 12)); // lcb PlcPcd: 2 aCP + 1 Pcd
out.write(le32(0));
out.write(le32(cpEnd));
out.write(new byte[] {0, 0}); // Pcd.flags
long fcw = (fc & 0x3FFF_FFFFL) | (compressed ? 0x4000_0000L : 0);
out.write(le32((int) fcw));
out.write(new byte[] {0, 0}); // Pcd.prm
return out.toByteArray();
}
private static byte[] le32(int v) {
return new byte[] {(byte) v, (byte) (v >>> 8), (byte) (v >>> 16), (byte) (v >>> 24)};
}
@Test
void uncompressedPieceBeyondWordDocument_rejected() throws Exception {
byte[] table = clxOnePiece(10, 0, false); // 10 CP × 2 байта = 20
byte[] wordDocument = new byte[8];
ValidationException e = assertThrows(ValidationException.class,
() -> PieceTable.read(table, 0, table.length, wordDocument));
assertTrue(e.getMessage().contains("WordDocument"));
}
@Test
void compressedPieceBeyondWordDocument_rejected() throws Exception {
byte[] table = clxOnePiece(10, 2 * 8, true); // сжатый: fc/2=8, span=10 > 8
byte[] wordDocument = new byte[8];
assertThrows(ValidationException.class,
() -> PieceTable.read(table, 0, table.length, wordDocument));
}
@Test
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);
assertEquals('H', pt.charAt(0));
assertEquals('i', pt.charAt(1));
assertEquals(2, pt.fcOf(1));
}
}
@@ -0,0 +1,216 @@
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.assertThrows;
import static org.junit.jupiter.api.Assertions.assertTrue;
import java.util.List;
import org.junit.jupiter.api.Test;
import ru.pjandro.wordpdf.ValidationException;
/**
* Юниты {@link Sections} ([MS-DOC] §2.6.3, PlcfSed/Sepx): по-секционная
* геометрия и continuous из {@code list()}, одиночные аксессоры — последней
* секции, guard'ы aCP, пропуски битых Sepx.
*/
class SectionsTest {
/** PlcfSed из n секций; aCp = [0, 100, …, n·100], fcSepx[i] — адреса в wordDocument. */
private static byte[] plcfSed(int... fcSepxs) {
int n = fcSepxs.length;
int[] aCp = new int[n + 1];
for (int i = 0; i <= n; i++) {
aCp[i] = i * 100;
}
return plcfSed(aCp, fcSepxs);
}
/** PlcfSed с произвольным aCp (n+1 значений) и fcSepx[i] в wordDocument. */
private static byte[] plcfSed(int[] aCp, int... fcSepxs) {
int n = fcSepxs.length;
byte[] t = new byte[(n + 1) * 4 + n * 12]; // aFc(n+1) + SED(n×12)
for (int i = 0; i <= n; i++) {
put32(t, i * 4, aCp[i]);
}
int sedBase = (n + 1) * 4;
for (int i = 0; i < n; i++) {
put32(t, sedBase + i * 12 + 2, fcSepxs[i]);
}
return t;
}
/** Sepx в wordDocument: cb(2) + grpprl. */
private static void sepx(byte[] wd, int fc, byte[] grpprl) {
wd[fc] = (byte) grpprl.length;
wd[fc + 1] = 0;
System.arraycopy(grpprl, 0, wd, fc + 2, grpprl.length);
}
/** Prl: sprm LE + 2-байтовый операнд. */
private static byte[] prl2(int sprm, int v) {
return new byte[] {(byte) sprm, (byte) (sprm >>> 8), (byte) v, (byte) (v >>> 8)};
}
@Test
void emptySed_defaults() {
Sections s = Sections.read(new byte[0], 0, 0, new byte[0], 500);
assertEquals(12240, s.pageWidth());
assertEquals(15840, s.pageHeight());
assertEquals(1440, s.marginLeft());
assertEquals(720, s.header());
assertEquals(0, s.continuousSectionEnds());
// одна неявная секция [0, ccpText) с дефолтами
List<Sections.Section> list = s.list();
assertEquals(1, list.size());
assertEquals(0, list.get(0).cpStart());
assertEquals(500, list.get(0).cpEnd());
assertFalse(list.get(0).continuous());
}
@Test
void badSed_rejected() {
byte[] t = plcfSed(0);
assertThrows(ValidationException.class, () -> Sections.read(t, 0, 21, new byte[0], 1000));
assertThrows(ValidationException.class,
() -> Sections.read(t, 0, t.length + 1, new byte[0], 1000));
}
@Test
void zeroAndBrokenSepx_skipped() {
byte[] wd = new byte[4096];
// fcSepx=0 — нет разрыва; fcSepx у конца wd (4095+2 > 4096) — пропуск
Sections s = Sections.read(plcfSed(0, 4095), 0, plcfSed(0, 4095).length, wd, 1000);
assertEquals(12240, s.pageWidth());
// cb=0
byte[] wd2 = new byte[4096];
wd2[64] = 0;
Sections s2 = Sections.read(plcfSed(64), 0, plcfSed(64).length, wd2, 1000);
assertEquals(12240, s2.pageWidth());
}
@Test
void lastSection_geometryApplied() {
byte[] wd = new byte[4096];
byte[] gpr = concat(prl2(Grpprl.SPRM_S_XA_PAGE, 16838),
prl2(Grpprl.SPRM_S_YA_PAGE, 11906),
prl2(Grpprl.SPRM_S_DXA_LEFT, 1080),
prl2(Grpprl.SPRM_S_DXA_RIGHT, 1081),
prl2(Grpprl.SPRM_S_DYA_TOP, 1440),
prl2(Grpprl.SPRM_S_DYA_BOTTOM, 1441),
prl2(Grpprl.SPRM_S_DYA_HDR_TOP, 850),
prl2(Grpprl.SPRM_S_DYA_HDR_BOTTOM, 992));
sepx(wd, 64, gpr);
byte[] t = plcfSed(64);
Sections s = Sections.read(t, 0, t.length, wd, 1000);
assertEquals(16838, s.pageWidth());
assertEquals(11906, s.pageHeight());
assertEquals(1080, s.marginLeft());
assertEquals(1081, s.marginRight());
assertEquals(1440, s.marginTop());
assertEquals(1441, s.marginBottom());
assertEquals(850, s.header());
assertEquals(992, s.footer());
}
/**
* Две секции со своими Sepx: {@code list()} отдаёт CP-диапазон
* [aCP[i], aCP[i+1]) и геометрию КАЖДОЙ секции; continuous — из sprmSBkc
* своей секции (§2.6.3 SBkcOperand — разрыв, ЗАКАНЧИВАЮЩИЙ секцию);
* одиночные аксессоры — последней.
*/
@Test
void multiSection_listPerSection() {
byte[] wd = new byte[4096];
sepx(wd, 64, concat(prl2(Grpprl.SPRM_S_XA_PAGE, 12240),
prl2(Grpprl.SPRM_S_YA_PAGE, 15840),
prl2(Grpprl.SPRM_S_DXA_LEFT, 1440),
new byte[] {0x09, 0x30, 0x00})); // sprmSBkc=bkcContinuous
sepx(wd, 128, concat(prl2(Grpprl.SPRM_S_XA_PAGE, 16838),
prl2(Grpprl.SPRM_S_YA_PAGE, 11906),
prl2(Grpprl.SPRM_S_DXA_LEFT, 720),
new byte[] {0x09, 0x30, 0x02})); // bkcNewPage
byte[] t = plcfSed(new int[] {0, 10, 25}, 64, 128);
Sections s = Sections.read(t, 0, t.length, wd, 25);
List<Sections.Section> list = s.list();
assertEquals(2, list.size());
Sections.Section s0 = list.get(0);
assertEquals(0, s0.cpStart());
assertEquals(10, s0.cpEnd());
assertEquals(12240, s0.pageWidth());
assertEquals(15840, s0.pageHeight());
assertEquals(1440, s0.marginLeft());
assertTrue(s0.continuous(), "sprmSBkc=0 у секции 0");
Sections.Section s1 = list.get(1);
assertEquals(10, s1.cpStart());
assertEquals(25, s1.cpEnd());
assertEquals(16838, s1.pageWidth());
assertEquals(11906, s1.pageHeight());
assertEquals(720, s1.marginLeft());
assertFalse(s1.continuous(), "bkcNewPage у секции 1");
// аксессоры — последней секции (подсчёт страниц не меняется)
assertEquals(16838, s.pageWidth());
assertEquals(720, s.marginLeft());
assertEquals(1, s.continuousSectionEnds());
}
@Test
void continuousEnds_countedForNonLastOnly() {
byte[] wd = new byte[4096];
byte[] cont = {0x09, 0x30, 0x00}; // sprmSBkc=0x3009, bkcContinuous
byte[] newPage = {0x09, 0x30, 0x02}; // bkcNewPage
sepx(wd, 64, cont);
sepx(wd, 128, cont);
sepx(wd, 192, newPage);
byte[] t = plcfSed(64, 128, 192);
Sections s = Sections.read(t, 0, t.length, wd, 1000);
// секции 0 и 1 — не последние: обе continuous считаются;
// секция 2 — последняя: bkc в оценку не идёт
assertEquals(2, s.continuousSectionEnds());
}
/** §2.8.26: «MUST NOT contain duplicate CPs» — дубль и спад невозможны. */
@Test
void nonIncreasingAcp_rejected() {
byte[] dup = plcfSed(new int[] {0, 5, 5}, 0, 0);
assertThrows(ValidationException.class, () -> Sections.read(dup, 0, dup.length,
new byte[0], 1000));
byte[] down = plcfSed(new int[] {0, 7, 3}, 0, 0);
assertThrows(ValidationException.class, () -> Sections.read(down, 0, down.length,
new byte[0], 1000));
}
/**
* Финальный aCP реальные файлы Word пишут за ccpText (page-numbers.doc:
* aCp[1]=108 при ccpText=33) — не отбраковка; конец последней секции
* клампится к ccpText.
*/
@Test
void lastAcpBeyondText_clamped() {
byte[] t = plcfSed(new int[] {0, 101}, 0);
Sections s = Sections.read(t, 0, t.length, new byte[0], 100);
assertEquals(100, s.list().get(0).cpEnd());
}
private static byte[] concat(byte[]... parts) {
int len = 0;
for (byte[] p : parts) {
len += p.length;
}
byte[] out = new byte[len];
int at = 0;
for (byte[] p : parts) {
System.arraycopy(p, 0, out, at, p.length);
at += p.length;
}
return out;
}
private static void put32(byte[] b, int off, int v) {
b[off] = (byte) v;
b[off + 1] = (byte) (v >>> 8);
b[off + 2] = (byte) (v >>> 16);
b[off + 3] = (byte) (v >>> 24);
}
}
@@ -0,0 +1,257 @@
package ru.pjandro.wordpdf.internal.doc;
import static org.junit.jupiter.api.Assertions.assertArrayEquals;
import static org.junit.jupiter.api.Assertions.assertEquals;
import java.io.ByteArrayOutputStream;
import java.util.Arrays;
import org.junit.jupiter.api.Test;
/**
* Юниты {@link Styles} ([MS-DOC] §2.9.271/.272/.260/.308/.309, §2.4.6.5):
* крафтовый STSH — разбор LPStshi/LPStd/Std (stdf + xstzName + LPUpx),
* цепочка base-first, защита от циклов и битого STSH.
*/
class StylesTest {
/** jc=center (sprmPJc 0x2461, 1 байт). */
private static final byte[] JC_CENTER = {0x61, 0x24, 0x01};
/** left 720 (sprmPDxaLeft 0x845E, 2 байта). */
private static final byte[] LEFT_720 = {0x5E, (byte) 0x84, (byte) 0xD0, 0x02};
/** bold (sprmCBold 0x0835, toggle on). */
private static final byte[] BOLD = {0x35, 0x08, 0x01};
/**
* STSH: cstd стилей, rglpstd с istd 10..(9+n); пустые слоты 0..9.
* Каждый стиль — Std(stdf + xstzName + cupx × LPUpx).
*/
private static byte[] stsh(int cstd, byte[]... stylesFrom10) {
ByteArrayOutputStream out = new ByteArrayOutputStream();
put16(out, 18); // cbStshi
put16(out, cstd); // cstd
put16(out, 0x0A); // cbSTDBaseInFile
out.write(new byte[14], 0, 14); // остальное STSHI
for (int i = 0; i < 10; i++) {
put16(out, 0); // пустые фиксированные стили
}
for (byte[] std : stylesFrom10) {
put16(out, std.length);
out.write(std, 0, std.length);
if (((2 + std.length) & 1) != 0) {
out.write(0); // LPStd на чётной границе (padding вне cbStd)
}
}
return out.toByteArray();
}
/** Std: stk=1, istdBase, cupx по числу непустых UPX; xstzName cch=2. */
private static byte[] std(int sti, int stk, int istdBase, byte[] papx, byte[] chpx) {
ByteArrayOutputStream out = new ByteArrayOutputStream();
long base = sti | ((long) stk << 16) | ((long) istdBase << 20);
int cupx = (papx == null ? 0 : 1) + (chpx == null ? 0 : 1);
byte[] stdf = new byte[10];
stdf[0] = (byte) base;
stdf[1] = (byte) (base >>> 8);
stdf[2] = (byte) (base >>> 16);
stdf[3] = (byte) (base >>> 24);
stdf[4] = (byte) cupx;
out.write(stdf, 0, 10);
byte[] name = new byte[8]; // cch=2, "Ab", chTerm=0
put16(name, 0, 2);
name[2] = 'A';
name[4] = 'b';
out.write(name, 0, 8);
if (papx != null) {
byte[] data = new byte[2 + papx.length]; // UpxPapx: istd(2) + grpprl
System.arraycopy(papx, 0, data, 2, papx.length);
upx(out, data);
}
if (chpx != null) {
upx(out, chpx);
}
return out.toByteArray();
}
private static void upx(ByteArrayOutputStream out, byte[] data) {
put16(out, data.length);
out.write(data, 0, data.length);
if ((data.length & 1) != 0) {
out.write(0); // LPUpx на чётной границе
}
}
private static void put16(ByteArrayOutputStream out, int v) {
out.write(v & 0xFF);
out.write((v >>> 8) & 0xFF);
}
private static void put16(byte[] b, int off, int v) {
b[off] = (byte) v;
b[off + 1] = (byte) (v >>> 8);
}
@Test
void chain_baseFirstDerivedOverrides() {
// istd10: jc center + bold; istd11: base 10, + left 720
byte[] table = stsh(12,
std(65, 1, 0x0FFF, JC_CENTER, BOLD),
std(105, 1, 10, LEFT_720, null));
Styles s = Styles.read(table, 0, table.length);
assertEquals(12, s.count());
byte[] chain = s.papxChain(11);
assertArrayEquals(concat(JC_CENTER, LEFT_720), chain,
"base-first: предок раньше потомка");
assertArrayEquals(BOLD, s.chpxChain(11), "CHPX наследуется по той же цепочке");
assertArrayEquals(JC_CENTER, s.papxChain(10));
}
@Test
void unknownAndEmptyStil_emptyChain() {
byte[] table = stsh(12, std(65, 1, 0x0FFF, JC_CENTER, BOLD));
Styles s = Styles.read(table, 0, table.length);
assertArrayEquals(new byte[0], s.papxChain(0), "пустой слот — без свойств");
assertArrayEquals(new byte[0], s.papxChain(99), "istd за таблицей — без свойств");
assertArrayEquals(new byte[0], s.papxChain(-1));
}
@Test
void baseBeyondTable_chainStops() {
// istdBase=99 (несуществующий) — цепочка обрывается на собственном grpprl
byte[] table = stsh(12, std(65, 1, 99, JC_CENTER, null));
Styles s = Styles.read(table, 0, table.length);
assertArrayEquals(JC_CENTER, s.papxChain(10));
}
@Test
void selfBase_cycleTerminated() {
// istdBase=сам на себя — защита MAX_CHAIN: 16 копий, не бесконечность
byte[] table = stsh(12, std(65, 1, 10, JC_CENTER, null));
Styles s = Styles.read(table, 0, table.length);
byte[] chain = s.papxChain(10);
assertEquals(16 * JC_CENTER.length, chain.length,
"цепочка обязана оборваться: " + Arrays.toString(chain));
}
@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));
Styles s = Styles.read(table, 0, table.length);
assertArrayEquals(new byte[0], s.papxChain(10));
assertArrayEquals(new byte[0], s.chpxChain(10));
}
@Test
void brokenStsh_emptyTableNotThrow() {
assertEmptyFor(new byte[0]);
assertEmptyFor(new byte[] {18, 0, 0, 0}); // cstd=0
assertEmptyFor(new byte[] {18, 0, 1, 0, 4, 0}); // cbSTDBaseInFile<5
assertEmptyFor(new byte[] {2, 0, 16, 0, 10, 0, 0}); // cbStshi<4
// Std обрезан по конец потока — слот не заполнен, цепочка пуста
byte[] table = stsh(12, std(65, 1, 0x0FFF, JC_CENTER, BOLD));
byte[] truncated = Arrays.copyOf(table, 60);
Styles s = Styles.read(truncated, 0, truncated.length);
assertArrayEquals(new byte[0], s.papxChain(10));
assertArrayEquals(new byte[0], s.chpxChain(10));
}
private static void assertEmptyFor(byte[] table) {
Styles s = Styles.read(table, 0, table.length);
assertEquals(0, s.count(), "битый STSH — пустая таблица, не исключение");
assertArrayEquals(new byte[0], s.papxChain(10));
}
@Test
void zeroLcb_empty() {
byte[] table = stsh(12, std(65, 1, 0x0FFF, JC_CENTER, BOLD));
assertEquals(0, Styles.read(table, 0, 0).count());
}
@Test
void badFc_empty() {
byte[] table = stsh(12, std(65, 1, 0x0FFF, JC_CENTER, BOLD));
assertEquals(0, Styles.read(table, -1, table.length).count(), "fc<0");
assertEquals(0, Styles.read(table, table.length - 3, 3).count(),
"STSHI-заголовок не влезает в поток");
}
@Test
void hugeCstd_empty() {
// cstd ≥ 0x0FFE — зарезервировано (§2.9.271), таблица пустая
byte[] table = stsh(0x0FFE, std(65, 1, 0x0FFF, JC_CENTER, null));
assertEquals(0, Styles.read(table, 0, table.length).count());
}
@Test
void oddStshi_parsedWithPadding() {
// cbStshi=19 (нечётный) — LPStd-массив начинается со следующего чётного
ByteArrayOutputStream out = new ByteArrayOutputStream();
put16(out, 19); // cbStshi — нечётный
put16(out, 11); // cstd
put16(out, 0x0A); // cbSTDBaseInFile
out.write(new byte[15], 0, 15); // остальное STSHI (19 − 4)
out.write(0); // padding до чётной границы
for (int i = 0; i < 10; i++) {
put16(out, 0); // пустые фиксированные стили
}
byte[] s = std(65, 1, 0x0FFF, JC_CENTER, null);
put16(out, s.length);
out.write(s, 0, s.length);
byte[] table = out.toByteArray();
Styles st = Styles.read(table, 0, table.length);
assertArrayEquals(JC_CENTER, st.papxChain(10), "нечётный cbStshi — padding");
}
@Test
void stdWithoutName_noProps() {
// cbStd = только stdf — xstzName не влезает, стиль без свойств
byte[] table = stsh(12, new byte[10]);
Styles s = Styles.read(table, 0, table.length);
assertArrayEquals(new byte[0], s.papxChain(10));
}
@Test
void upxBeyondStd_stops() {
// cupx=1, LPUpx вылезает за Std — разбор UPX обрывается (§2.9.271)
byte[] stdf = new byte[10];
stdf[4] = 1; // cupx=1
byte[] name = new byte[8];
put16(name, 0, 2);
name[2] = 'A';
name[4] = 'b';
byte[] raw = concat(concat(stdf, name), new byte[] {6, 0, 1, 2});
byte[] table = stsh(12, raw);
Styles s = Styles.read(table, 0, table.length);
assertArrayEquals(new byte[0], s.papxChain(10));
}
@Test
void emptyUpxPapx_noProps() {
// UpxPapx с cbUpx=0 — ни istd, ни grpprl; UpxChpx на месте i=0 не читается
byte[] stdf = new byte[10];
long base = 65 | (1L << 16) | (0xFFFL << 20);
stdf[0] = (byte) base;
stdf[1] = (byte) (base >>> 8);
stdf[2] = (byte) (base >>> 16);
stdf[3] = (byte) (base >>> 24);
stdf[4] = 1; // cupx=1
byte[] name = new byte[8];
put16(name, 0, 2);
name[2] = 'A';
name[4] = 'b';
ByteArrayOutputStream out = new ByteArrayOutputStream();
out.write(stdf, 0, 10);
out.write(name, 0, 8);
upx(out, new byte[0]); // cbUpx=0
byte[] table = stsh(12, out.toByteArray());
Styles s = Styles.read(table, 0, table.length);
assertArrayEquals(new byte[0], s.papxChain(10));
}
private static byte[] concat(byte[] a, byte[] b) {
byte[] out = new byte[a.length + b.length];
System.arraycopy(a, 0, out, 0, a.length);
System.arraycopy(b, 0, out, a.length, b.length);
return out;
}
}
@@ -0,0 +1,68 @@
package ru.pjandro.wordpdf.internal.doc;
import static org.junit.jupiter.api.Assertions.assertEquals;
import java.io.ByteArrayOutputStream;
import java.io.IOException;
import org.junit.jupiter.api.Test;
/**
* Юниты {@link SummaryInfo} на крафтовом PropertySetStream ([MS-OLEPS] §2.21):
* реальные фикстуры смещение offset свойства (относительное vs абсолютное) не
* различают — max(кэш, разрывы) маскирует, поэтому поток собирается вручную.
*/
class SummaryInfoTest {
/**
* PropertySetStream: заголовок 0x30 (ByteOrder/Version/SysId/CLSID(16)/
* NumPropertySets/FMTID0(16)/Offset0) + PropertySet (cb, NumProperties,
* массив (pid, offset), VT_I4 + значение); offset свойства — относительно
* начала PropertySet (§2.20).
*/
private static byte[] propertySet(int pagecount) throws IOException {
ByteArrayOutputStream out = new ByteArrayOutputStream();
out.write(new byte[] {(byte) 0xFF, (byte) 0xFE, 1, 0}); // ByteOrder, Version
out.write(new byte[4]); // SystemIdentifier
out.write(new byte[16]); // CLSID
out.write(le32(1)); // NumPropertySets
out.write(new byte[16]); // FMTID0 (SummaryInformation)
out.write(le32(0x30)); // Offset0
out.write(le32(8 + 8 + 8)); // cbPropertySet
out.write(le32(1)); // NumProperties
out.write(le32(0x0000000E)); // PIDSI_PAGECOUNT
out.write(le32(8 + 8)); // offset — относительно начала PropertySet
out.write(le32(3)); // VT_I4
out.write(le32(pagecount));
return out.toByteArray();
}
private static byte[] le32(int v) {
return new byte[] {(byte) v, (byte) (v >>> 8), (byte) (v >>> 16), (byte) (v >>> 24)};
}
@Test
void pageCount_readFromRelativeOffset() throws Exception {
assertEquals(42, SummaryInfo.pageCount(propertySet(42)));
}
@Test
void pageCount_shortStream_returnsZero() {
assertEquals(0, SummaryInfo.pageCount(new byte[4]));
}
@Test
void pageCount_offsetBeyondStream_returnsZero() throws Exception {
byte[] s = propertySet(42);
s[0x2C] = 0x7F; // Offset0 за концом потока
s[0x2D] = 0x7F;
assertEquals(0, SummaryInfo.pageCount(s));
}
@Test
void pageCount_truncatedProperty_returnsZero() throws Exception {
byte[] s = propertySet(42);
byte[] cut = new byte[s.length - 4];
System.arraycopy(s, 0, cut, 0, cut.length);
assertEquals(0, SummaryInfo.pageCount(cut));
}
}
@@ -0,0 +1,250 @@
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 org.junit.jupiter.api.Test;
/**
* Юниты {@link Tables} ([MS-DOC] §2.6.3, §2.9.321/.302/.303/.39/.171):
* TAP TTP-абзаца → сетка (ширины из rgdxaCenter, сдвиг от поля) и границы
* w:tblBorders; деградация в {@code null} на битом/отсутствующем
* sprmTDefTable.
*/
class TablesTest {
/** TDefTableOperand: ncols + centers (без rgTc80 — он не читается). */
private static byte[] defTable(int[] centers) {
byte[] op = new byte[3 + 2 * centers.length];
op[0] = (byte) (op.length - 2 + 1 & 0xFF);
op[1] = (byte) ((op.length - 2 + 1) >>> 8);
op[2] = (byte) (centers.length - 1);
for (int i = 0; i < centers.length; i++) {
op[3 + 2 * i] = (byte) centers[i];
op[4 + 2 * i] = (byte) (centers[i] >>> 8);
}
return concat(new byte[] {0x08, (byte) 0xD6}, op);
}
/** TableBordersOperand: 6 × Brc (cv + dptLineWidth + brcType + флаги). */
private static byte[] borders(int[][] brcs) {
byte[] op = new byte[1 + 6 * 8];
op[0] = 0x30;
for (int i = 0; i < brcs.length && i < 6; i++) {
int b = 1 + i * 8;
op[b] = (byte) brcs[i][0]; // R
op[b + 1] = (byte) brcs[i][1]; // G
op[b + 2] = (byte) brcs[i][2]; // B
op[b + 3] = (byte) brcs[i][3]; // fAuto (0xFF — auto)
op[b + 4] = (byte) brcs[i][4]; // dptLineWidth
op[b + 5] = (byte) brcs[i][5]; // brcType
}
return concat(new byte[] {0x13, (byte) 0xD6}, op);
}
/** TableBordersOperand80: 6 × Brc80 (dptLineWidth + brcType + ico + флаги). */
private static byte[] borders80(int[][] brc80s) {
byte[] op = new byte[1 + 6 * 4];
op[0] = 0x18;
for (int i = 0; i < brc80s.length && i < 6; i++) {
int b = 1 + i * 4;
op[b] = (byte) brc80s[i][0]; // dptLineWidth
op[b + 1] = (byte) brc80s[i][1]; // brcType
op[b + 2] = (byte) brc80s[i][2]; // ico
}
return concat(new byte[] {0x05, (byte) 0xD6}, op);
}
/** Prl выравнивания таблицы: sprmTJc (0x548A) / sprmTJc90 (0x5400), u16. */
private static byte[] tblJc(int sprm, int value) {
return concat(new byte[] {(byte) (sprm & 0xFF), (byte) (sprm >>> 8)},
new byte[] {(byte) value, (byte) (value >>> 8)});
}
private static byte[] concat(byte[]... parts) {
int len = 0;
for (byte[] p : parts) {
len += p.length;
}
byte[] out = new byte[len];
int at = 0;
for (byte[] p : parts) {
System.arraycopy(p, 0, out, at, p.length);
at += p.length;
}
return out;
}
@Test
void grid_widthsAndIndent() {
Tables.Grid g = Tables.parse(defTable(new int[] {100, 910, 1995}));
assertEquals(2, g.colWidths().length);
assertEquals(810, g.colWidths()[0]);
assertEquals(1085, g.colWidths()[1]);
assertEquals(100, g.indent(), "первый center — сдвиг от поля");
assertEquals("", g.bordersXml(), "без sprmTTableBorders — границ нет");
}
@Test
void grid_negativeIndent() {
// XAS со знаком (0xFF9C = −100) — таблица залезает на поле
Tables.Grid g = Tables.parse(defTable(new int[] {-100, 810}));
assertEquals(-100, g.indent());
assertEquals(910, g.colWidths()[0]);
}
@Test
void sprmTJc_centerInTap() {
Tables.Grid g = Tables.parse(concat(defTable(new int[] {0, 3000, 6000}),
tblJc(Grpprl.SPRM_T_JC, 1)));
assertEquals("center", g.tblJc());
}
@Test
void sprmTJc90_right_noModern() {
Tables.Grid g = Tables.parse(concat(defTable(new int[] {0, 3000, 6000}),
tblJc(Grpprl.SPRM_T_JC90, 2)));
assertEquals("right", g.tblJc());
}
@Test
void sprmTJc_modernWinsOver90() {
// современный перекрывает 90-вариант в любом порядке (тот же паттерн,
// что у d613 над d605)
assertEquals("center", Tables.parse(concat(defTable(new int[] {0, 3000, 6000}),
tblJc(Grpprl.SPRM_T_JC, 1), tblJc(Grpprl.SPRM_T_JC90, 2))).tblJc());
assertEquals("center", Tables.parse(concat(defTable(new int[] {0, 3000, 6000}),
tblJc(Grpprl.SPRM_T_JC90, 2), tblJc(Grpprl.SPRM_T_JC, 1))).tblJc());
}
@Test
void sprmTJc_left_omitted() {
// 0 = left (дефолт) → элемент не эмитится; валидных значений больше нет (§2.6.3)
assertNull(Tables.parse(concat(defTable(new int[] {0, 3000, 6000}),
tblJc(Grpprl.SPRM_T_JC, 0))).tblJc());
assertNull(Tables.parse(defTable(new int[] {0, 3000, 6000})).tblJc(),
"без sprmTJc — left");
}
@Test
void noDefTable_null() {
assertNull(Tables.parse(borders(new int[][] {{0, 0, 0, 0xFF, 4, 1}})),
"нет sprmTDefTable — сетку построить нельзя");
assertNull(Tables.parse(new byte[0]));
}
@Test
void badDefTable_null() {
assertNull(Tables.parse(defTable(new int[] {0, 0, 100})), "нулевая ширина");
assertNull(Tables.parse(defTable(new int[] {500, 400})), "отрицательная ширина");
byte[] ncolsZero = defTable(new int[] {0, 100});
ncolsZero[4] = 0; // ncols=0 (§2.9.321: 1..63)
assertNull(Tables.parse(ncolsZero));
byte[] truncated = {0x08, (byte) 0xD6, 0x04, 0x00, 0x02, 0x20, 0x03};
assertNull(Tables.parse(truncated), "centers не влезают в operand");
}
@Test
void borders_d613_typesColorsAndSkip() {
Tables.Grid g = Tables.parse(concat(
defTable(new int[] {0, 100}),
borders(new int[][] {
{0xFF, 0, 0, 0, 4, 1}, // top: single, красный 4/8pt
{0, 0, 0, 0, 0, 0}, // left: brcType=0 — не эмитится
{0, 0, 0, 0xFF, 12, 3}, // bottom: double, auto-цвет
{0, 0, 0, 0, 64, 0x40}, // right: brcType≥0x40 → sz×8
})));
String xml = g.bordersXml();
assertTrue(xml.contains("<w:top w:val=\"single\" w:sz=\"4\" w:color=\"FF0000\""), xml);
assertFalse(xml.contains("w:left"), "brcType=0 не эмитится: " + xml);
assertTrue(xml.contains("<w:bottom w:val=\"double\" w:sz=\"12\""), xml);
assertFalse(xml.contains("<w:bottom w:val=\"double\" w:sz=\"12\" w:color"),
"fAuto цвет не пишет: " + xml);
assertTrue(xml.contains("w:sz=\"512\""), "brcType 0x40: ширина в пунктах ×8: " + xml);
}
@Test
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)
String xml = only80.bordersXml();
assertTrue(xml.contains("<w:top w:val=\"single\" w:sz=\"2\""),
"dptLineWidth<2 → 2 (§2.9.37): " + xml);
assertTrue(xml.contains("w:color=\"0000FF\""), "ico→цвет: " + xml);
Tables.Grid both = Tables.parse(concat(
defTable(new int[] {0, 100}),
borders(new int[][] {{0xFF, 0, 0, 0, 4, 1}}),
borders80(new int[][] {{8, 3, 0}})));
assertTrue(both.bordersXml().contains("<w:top w:val=\"single\""),
"0xD613 приоритетнее 0xD605: " + both.bordersXml());
assertFalse(both.bordersXml().contains("double"), "0xD605 проигнорирован: "
+ both.bordersXml());
}
@Test
void unknownBrcType_fallsBackToSingle() {
Tables.Grid g = Tables.parse(concat(
defTable(new int[] {0, 100}),
borders(new int[][] {{0, 0, 0, 0xFF, 4, 0x7F}})));
assertTrue(g.bordersXml().contains("w:val=\"single\""), g.bordersXml());
}
@Test
void borderVal_fullStBorderTable() {
// ST_Border §2.9.39: каждый brcType — своё имя ST_Border
assertEquals("single", Tables.borderVal(0x01));
assertEquals("double", Tables.borderVal(0x03));
assertEquals("dotted", Tables.borderVal(0x06));
assertEquals("dashed", Tables.borderVal(0x07));
assertEquals("dotDash", Tables.borderVal(0x08));
assertEquals("dotDotDash", Tables.borderVal(0x09));
assertEquals("triple", Tables.borderVal(0x0A));
assertEquals("thinThickSmallGap", Tables.borderVal(0x0B));
assertEquals("thickThinSmallGap", Tables.borderVal(0x0C));
assertEquals("thinThickThinSmallGap", Tables.borderVal(0x0D));
assertEquals("thinThickMediumGap", Tables.borderVal(0x0E));
assertEquals("thickThinMediumGap", Tables.borderVal(0x0F));
assertEquals("thinThickThinMediumGap", Tables.borderVal(0x10));
assertEquals("thinThickLargeGap", Tables.borderVal(0x11));
assertEquals("thickThinLargeGap", Tables.borderVal(0x12));
assertEquals("thinThickThinLargeGap", Tables.borderVal(0x13));
assertEquals("wave", Tables.borderVal(0x14));
assertEquals("doubleWave", Tables.borderVal(0x15));
assertEquals("dashSmallGap", Tables.borderVal(0x16));
assertEquals("dashDotStroked", Tables.borderVal(0x17));
assertEquals("threeDEmboss", Tables.borderVal(0x18));
assertEquals("threeDEngrave", Tables.borderVal(0x19));
assertEquals("outset", Tables.borderVal(0x1A));
assertEquals("outset", Tables.borderVal(0x1B));
assertEquals("single", Tables.borderVal(0x02), "неизвестный тип — single");
}
@Test
void malformedOperands_ignored() {
// sprmTDefTable с operand < 3 байт — пропускается сканером
assertNull(Tables.parse(new byte[] {0x08, (byte) 0xD6, 0x02, 0x00, 0x01}),
"operand<3 — TDefTable игнорируется");
byte[] ncolsWide = defTable(new int[] {0, 100});
ncolsWide[4] = 64; // ncols=64 > 63 (§2.9.321)
assertNull(Tables.parse(ncolsWide));
// границы неверной длины (≠0x31 / ≠0x19) — игнор, сетка без границ
byte[] bad613 = concat(new byte[] {0x13, (byte) 0xD6, 0x10}, new byte[0x10]);
byte[] bad605 = {0x05, (byte) 0xD6, 0x04, 0x01, 0x02, 0x03, 0x04};
Tables.Grid g = Tables.parse(concat(defTable(new int[] {0, 100}), bad613, bad605));
assertEquals("", g.bordersXml(), "длина не по §2.9.302/.303 — границы игнорируются");
}
@Test
void borders80_icoBeyondPalette_noColor() {
// ico за таблицей §2.9.171 — цвет не пишется (FOP возьмёт auto)
Tables.Grid g = Tables.parse(concat(
defTable(new int[] {0, 100}),
borders80(new int[][] {{4, 1, 0xFF}})));
assertTrue(g.bordersXml().contains("<w:top"), g.bordersXml());
assertFalse(g.bordersXml().contains("w:color"), "ico=0xFF — цвета нет: "
+ g.bordersXml());
}
}
Binary file not shown.
Binary file not shown.
Binary file not shown.
+1 -1
View File
@@ -64,7 +64,7 @@ export async function convertDocx(
// флаг i обязателен; фолбэк — имя исходника с заменой расширения // флаг i обязателен; фолбэк — имя исходника с заменой расширения
const cd = resp.headers.get('Content-Disposition') ?? '' const cd = resp.headers.get('Content-Disposition') ?? ''
const m = /filename\*=utf-8''([^;]+)/i.exec(cd) const m = /filename\*=utf-8''([^;]+)/i.exec(cd)
const filename = m ? decodeURIComponent(m[1]) : file.name.replace(/\.docx$/i, '') + '.pdf' const filename = m ? decodeURIComponent(m[1]) : file.name.replace(/\.docx?$/i, '') + '.pdf'
const blob = await resp.blob() const blob = await resp.blob()
return { blob, filename } return { blob, filename }
} }
+1 -1
View File
@@ -130,7 +130,7 @@ export default function App() {
<div> <div>
<h1 className="text-2xl font-semibold">Word → PDF</h1> <h1 className="text-2xl font-semibold">Word → PDF</h1>
<p className="mt-1 text-sm text-muted"> <p className="mt-1 text-sm text-muted">
docx → PDF на docx4j + Apache FOP. Лимиты задаёт сервер; docx/doc → PDF на docx4j + Apache FOP. Лимиты задаёт сервер;
переопределение из формы убрано. переопределение из формы убрано.
</p> </p>
</div> </div>
+3 -3
View File
@@ -8,7 +8,7 @@ interface Props {
} }
/** /**
* Зона drag&drop + клик для выбора .docx. Скрытый input[type=file] — * Зона drag&drop + клик для выбора .docx/.doc. Скрытый input[type=file] —
* единственный источник выбора; drop берёт первый файл. * единственный источник выбора; drop берёт первый файл.
*/ */
export default function DropZone({ file, disabled, onSelect }: Props) { export default function DropZone({ file, disabled, onSelect }: Props) {
@@ -53,7 +53,7 @@ export default function DropZone({ file, disabled, onSelect }: Props) {
<path d="M12 16V4m0 0-4 4m4-4 4 4" /> <path d="M12 16V4m0 0-4 4m4-4 4 4" />
<path d="M4 16v3a1 1 0 0 0 1 1h14a1 1 0 0 0 1-1v-3" /> <path d="M4 16v3a1 1 0 0 0 1 1h14a1 1 0 0 0 1-1v-3" />
</svg> </svg>
<span>Перетащите .docx сюда или нажмите для выбора</span> <span>Перетащите .docx или .doc сюда или нажмите для выбора</span>
{file && ( {file && (
<span className="text-sm text-muted"> <span className="text-sm text-muted">
{file.name} · {(file.size / 1024).toFixed(0)} КБ {file.name} · {(file.size / 1024).toFixed(0)} КБ
@@ -62,7 +62,7 @@ export default function DropZone({ file, disabled, onSelect }: Props) {
<input <input
ref={inputRef} ref={inputRef}
type="file" type="file"
accept=".docx" accept=".docx,.doc"
className="sr-only" className="sr-only"
disabled={disabled} disabled={disabled}
onChange={(e) => { onChange={(e) => {