From 8d5a19491edb17b119fc8b2c5bb0e8661cd226c2 Mon Sep 17 00:00:00 2001 From: Pjandro Date: Sat, 31 Oct 2026 23:25:13 +0000 Subject: [PATCH] =?UTF-8?q?=D0=9C=D0=BE=D1=81=D1=82=20.doc=20=E2=86=92=20.?= =?UTF-8?q?docx:=20=D0=B3=D0=BE=D1=80=D0=B8=D0=B7=D0=BE=D0=BD=D1=82=D0=B0?= =?UTF-8?q?=D0=BB=D1=8C=D0=BD=D0=BE=D0=B5=20=D0=BE=D0=B1=D1=8A=D0=B5=D0=B4?= =?UTF-8?q?=D0=B8=D0=BD=D0=B5=D0=BD=D0=B8=D0=B5=20=D1=8F=D1=87=D0=B5=D0=B5?= =?UTF-8?q?=D0=BA=20=D0=B8=D0=B7=20=D1=81=D0=B5=D1=82=D0=BA=D0=B8=20=D1=81?= =?UTF-8?q?=D1=82=D1=80=D0=BE=D0=BA=D0=B8=20(gridSpan,=20=C2=A72.9.321)?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit TTP-абзац каждой строки несёт свой sprmTDefTable; автомат использовал только сетку первой строки → объединённая ячейка получала tcW первой колонки и рендерилась пол-width с лишней вертикальной чертой в строке. Теперь rowXml строит tcW/gridSpan из собственной сетки строки, согласованной с tblGrid (ECMA-376 §17.4.65); при невыровненных границах — прежняя индексная выдача. Регрессия — WordPdfConverterTest#docMergedTableRow_fullWidthNotSplit, юниты — DocToDocxFormattingTest#mergedRow_gridSpanAndWidth, #misalignedRow_fallsBackToColumnWidths. --- AGENTS.md | 6 +- .../wordpdf/internal/doc/DocToDocx.java | 54 ++++++-- .../pjandro/wordpdf/internal/doc/Tables.java | 22 +++- .../pjandro/wordpdf/WordPdfConverterTest.java | 106 ++++++++++++++++ .../internal/doc/DocToDocxFormattingTest.java | 119 ++++++++++++++++++ 5 files changed, 296 insertions(+), 11 deletions(-) diff --git a/AGENTS.md b/AGENTS.md index a161867..9be39a6 100644 --- a/AGENTS.md +++ b/AGENTS.md @@ -55,10 +55,10 @@ |`Headers`|Plcfhdd (§2.4.1): 6 разделителей + по 6 историй на секцию (even/odd/first × hdr/ftr); odd hdr/ftr **каждой** секции → своя часть `headerN.xml`/`footerN.xml` (нумерация независимая по типу) и `headerReference`/`footerReference` type="default" в её sectPr; пустая история `[x,x)` → части нет, docx4j наследует колонтитук предыдущей секции; guard-¶ отрезается; PAGE/NUMPAGES/SECTIONPAGES → `w:fldSimple` (та же семантика, что `FieldNormalizer` в docx-пути)| |`OfficeArt`|[MS-ODRAW] PICF @ fcDggInfo/lcbDggInfo (Table-поток), delay-поток = WordDocument; DggContainer → BStoreContainer(0xF004)/BStoreContainerDelay(0xF007)/инлайн → FBSE → BLIP: 0xF01A EMF / 0xF01B WMF / 0xF01C PICT / 0xF01D JPEG (=0xF02A) / 0xF01E PNG / 0xF01F DIB; PNG/JPEG дословно, DIB → ImageIO → PNG, EMF/WMF/PICT → пропуск + warn (EMF-рендера в Java2D нет)| |`PrcData`|§2.9.210 PrcData в Data-потоке (`[cbGrpprl:2][grpprl]`, капа cb 0x3FA2, поля `next` нет): `resolve(data, grpprl)` разворачивает grpprl абзаца, чьи свойства Word вынес за FKP-страницу PAPX, — одиночный Prl `sprmPHugePapx` (0x6646; в grpprl GrpPrlAndIstd — единственный Prl при istd=0, §2.6.2) и `sprmPTableProps` (0x646B — цепочка продолжается в указанном PrcData). Оба указателя разворачиваются на своей позиции **без обрыва** текущего массива, не-спец-спрмы сохраняются (union): spec §2.6.2 велит хвост за PTableProps игнорировать, но Word пишет в нём легаси-зеркало (в `samples/ru-table-image.doc` — единственный `sprmTDefTable`, Appendix A <9>), а `sprmTInsert` из PrcData конвертер не читает — замещение ломало бы сетку; спец-спрмов нет → **тот же массив** (по ссылке); любой брак (ptr за Data, cb вне [1, 0x3FA2], цикл A→B→A — бюджет 32 PrcData) → останов без исключения, снисходительно (образец `Styles`/`Lists`). Подключается единственной точкой — `DocxBody.buildRange` (покрывает тело, колонтитуки, TTP-ветку и обычные huge-PAPX абзацы). Регрессия — `DocToDocxFormattingTest#hugePapxRowMark_closesRowWithGridFromPrcData` | -|`DocToDocx`|Оркестратор + вложенный `DocxBody`: текст → раны (CHPX+стилевой chpx-цепочка → rPr, прямой PAPX — после `PrcData.resolve` — +стилевая papx-цепочка (отступы через `Grpprl.Indents`, 80-варианты включительно; `sprmPChgTabsPapx`/`sprmPChgTabs` → `w:tabs`, у стилевого варианта радиус удаления из `rgdxaClose`) + sprmPIlfo/sprmPIlvl → pPr + `w:numPr` (между pageBreakBefore и tabs, CT_PPr §17.3.1.26; ilfo=0 перекрывает стилевой, ilvl=0x0C и неразрешённый numId → без numPr), base→derived→direct last-wins), ¶ → ``; TAB/0x0B → `w:tab`/`w:br`, 0x0C в ране → `w:br type="page"`, 0x0C в конце абзаца — **разрыв секции**: `sectPr` соответствующей `Sections.Section` (матчинг по конечному CP) в pPr этого абзаца, внутри таблицы деградирует в `w:br type="page"`; body-level `sectPr` — последняя секция; `w:type continuous` из sprmSBkc; 0x1E → U+2011, 0x1F → U+00AD, 0x02/0x03/0x04 (сноски) → пропуск; U+0001 со sprmCPicLocation → DrawingML `pic` (общий путь с картинками и OLE-fallback); field-символы в основном тексте: инструкция скрыта, кэшированный результат после разделителя видим; **табличный автомат**: абзац с 0x07 без TTP закрывает ячейку, 0x07+sprmPFTtp — конец строки (`Tables.parse` по TAP → `w:tbl`/`w:tr`/`w:tc`, сам маркер не эмитится), sprmPFInTable открывает ячейку; без корректного TDefTable строка деградирует в плоские абзацы (прежнее поведение); сетка первой строки действует на всю таблицу| +|`DocToDocx`|Оркестратор + вложенный `DocxBody`: текст → раны (CHPX+стилевой chpx-цепочка → rPr, прямой PAPX — после `PrcData.resolve` — +стилевая papx-цепочка (отступы через `Grpprl.Indents`, 80-варианты включительно; `sprmPChgTabsPapx`/`sprmPChgTabs` → `w:tabs`, у стилевого варианта радиус удаления из `rgdxaClose`) + sprmPIlfo/sprmPIlvl → pPr + `w:numPr` (между pageBreakBefore и tabs, CT_PPr §17.3.1.26; ilfo=0 перекрывает стилевой, ilvl=0x0C и неразрешённый numId → без numPr), base→derived→direct last-wins), ¶ → ``; TAB/0x0B → `w:tab`/`w:br`, 0x0C в ране → `w:br type="page"`, 0x0C в конце абзаца — **разрыв секции**: `sectPr` соответствующей `Sections.Section` (матчинг по конечному CP) в pPr этого абзаца, внутри таблицы деградирует в `w:br type="page"`; body-level `sectPr` — последняя секция; `w:type continuous` из sprmSBkc; 0x1E → U+2011, 0x1F → U+00AD, 0x02/0x03/0x04 (сноски) → пропуск; U+0001 со sprmCPicLocation → DrawingML `pic` (общий путь с картинками и OLE-fallback); field-символы в основном тексте: инструкция скрыта, кэшированный результат после разделителя видим; **табличный автомат**: абзац с 0x07 без TTP закрывает ячейку, 0x07+sprmPFTtp — конец строки (`Tables.parse` по TAP → `w:tbl`/`w:tr`/`w:tc`, сам маркер не эмитится), sprmPFInTable открывает ячейку; без корректного TDefTable строка деградирует в плоские абзацы (прежнее поведение); сетка первой строки действует на всю таблицу как `tblGrid`, ширины/объединение ячеек каждой строки — из её собственного TDefTable (горизонтальное слияние → `w:gridSpan`)| |`DocxWriter`|Мульти-частный zip: `[Content_Types].xml` (hdr/ftr/numbering/png/jpg), `_rels/.rels`, `word/document.xml` (посекционные sectPr + headerReference; tblPr таблиц: tblW → jc (из sprmTJc) → tblInd → tblBorders), `word/_rels/document.xml.rels`, `word/numbering.xml`, `word/headerN.xml`/`footerN.xml` (по одной на непустую историю секции), `word/media/imageN.(png|jpg)`; корневые namespaces w/r/wp/a/pic| -Остаток моста (осознанный, вне контура): семантика рестартов списков не переносится (`fNoRestart`/`ilvlRestartLim` → `w:lvlRestart` — docx4j-Emulator применяет свой дефолт «рестарт на старшем уровне»), как и `fLegal`/`isLgl`, `dxaIndentSav` и `LfoData.cp`; `sprmPIlvl=0x0C` — абзац без numPr (не «в списке без номера»); AUTONUM-поля трактуются как обычные списки; отрицательный `sprmPIlfo` («сохранить отступы») — обычный numPr, отступы делает прямой `w:ind` абзаца; объединённые ячейки (`vertMerge`/sprmTInsert), вложенные таблицы (sprmPFInnerTtp — разделитель ячейки/строки там ¶ 0x0D, не 0x07) и бордюры уровня ячейки (TC80/sprmTCellBorders) не переносятся — только сетка и строковые границы; строки, у которых сетка задана только `sprmTInsert` (в PrcData нет `sprmTDefTable`, а PAPX-зеркало отсутствует), деградируют в плоские абзацы (`sprmTInsert` конвертер не читает); `DocFile.countPages` (`PapxIndex.countPageBreakBefore`) цепочку PrcData не следует — свойства вне FKP в подсчёт страниц не попадают, 0x0C-разрывы считаются; сноски/концевые сноски/комментарии не рендерятся (метки ссылок пропускаются); чётные и first-page варианты колонтитуков не переносятся (переносится только odd → `type="default"`, FOP не различает чётность полос набора, `titlePg` не эмитится); разрыв секции в абзаце со sprmPFInTable деградирует в разрыв страницы (`w:sectPr` в `w:pPr` внутри `w:tc` невалиден); error-флаги `errorOnCharts`/`errorOnSmartArt`/`errorOnOle` на `.doc` **не срабатывают** — диаграммы/SmartArt/OLE в бинарном формате существуют только как BLIP-плейсхолдеры, мост выдаёт их картинками (задокументировано в `@Operation`); `stale-cache.doc` конвертируется (кэш PageCount=5, концепта lastRenderedPageBreak в .doc нет) — семантика отличается от docx-фикстуры, запинено тестом. +Остаток моста (осознанный, вне контура): семантика рестартов списков не переносится (`fNoRestart`/`ilvlRestartLim` → `w:lvlRestart` — docx4j-Emulator применяет свой дефолт «рестарт на старшем уровне»), как и `fLegal`/`isLgl`, `dxaIndentSav` и `LfoData.cp`; `sprmPIlvl=0x0C` — абзац без numPr (не «в списке без номера»); AUTONUM-поля трактуются как обычные списки; отрицательный `sprmPIlfo` («сохранить отступы») — обычный numPr, отступы делает прямой `w:ind` абзаца; объединённые ячейки: вертикальное слияние (`vertMerge`) не переносится, горизонтальное — переносится собственной сеткой строки (TTP-абзац каждой строки несёт свой `sprmTDefTable`, §2.9.321 → `w:gridSpan`+суммарный `w:tcW`; регрессия — WordPdfConverterTest#docMergedTableRow_fullWidthNotSplit, юниты — DocToDocxFormattingTest#mergedRow_gridSpanAndWidth, #misalignedRow_fallsBackToColumnWidths), вложенные таблицы (sprmPFInnerTtp — разделитель ячейки/строки там ¶ 0x0D, не 0x07) и бордюры уровня ячейки (TC80/sprmTCellBorders) не переносятся — только сетка и строковые границы; строки, у которых сетка задана только `sprmTInsert` (в PrcData нет `sprmTDefTable`, а PAPX-зеркало отсутствует), деградируют в плоские абзацы (`sprmTInsert` конвертер не читает); `DocFile.countPages` (`PapxIndex.countPageBreakBefore`) цепочку PrcData не следует — свойства вне FKP в подсчёт страниц не попадают, 0x0C-разрывы считаются; сноски/концевые сноски/комментарии не рендерятся (метки ссылок пропускаются); чётные и first-page варианты колонтитуков не переносятся (переносится только odd → `type="default"`, FOP не различает чётность полос набора, `titlePg` не эмитится); разрыв секции в абзаце со sprmPFInTable деградирует в разрыв страницы (`w:sectPr` в `w:pPr` внутри `w:tc` невалиден); error-флаги `errorOnCharts`/`errorOnSmartArt`/`errorOnOle` на `.doc` **не срабатывают** — диаграммы/SmartArt/OLE в бинарном формате существуют только как BLIP-плейсхолдеры, мост выдаёт их картинками (задокументировано в `@Operation`); `stale-cache.doc` конвертируется (кэш PageCount=5, концепта lastRenderedPageBreak в .doc нет) — семантика отличается от docx-фикстуры, запинено тестом. ### Нормализаторы (`internal/DocxNormalizer`) @@ -240,7 +240,7 @@ java -cp wordpdf-core/target/test-classes:$(cat /tmp/cp.txt) \ - Гейт `maven-pmd-plugin` 3.28.0 на `verify` для обоих модулей, ruleset `pmd-ruleset.xml`, `includeTests=true`. Версия PMD-движка в pom не пинится (тянется плагином). - Гейт JaCoCo `0.8.15`: `jacoco:check` (правило BUNDLE, LINE COVEREDRATIO `0.90` — обоих модулей; в `wordpdf-core/pom.xml` execution `check` переопределён и добавляет BRANCH COVEREDRATIO `0.85` — только для core) на `verify`; агент подключается в surefire через `argLine` = `@{argLine} -Djava.awt.headless=true` (свойство `argLine` в корневом pom по умолчанию пусто и перезаписывается `prepare-agent` — `mvn test -Djacoco.skip=true` без агента работоспособно); `report` и `check` оба на `verify`, report раньше — при провале порога отчёт уже на диске; отчёты `target/site/jacoco/` (html+xml, xml нужен CI-сводке). Плотность покрытия держат тесты, а не заглушки: промахи в основном недостижимые IOException/catch-ветки (`GlyphFont`, `BundledFonts`) и защитные ветви сканеров нормализаторов/валидатора. -- 55 тестовых класса / 796 `@Test` (core 49/753 — из них 17 классов / 189 тестов в `internal/doc/`, app 6/43: ConvertController 23 + ApiKeyFilter 8 + ConversionService 5 + ApiExceptionHandler 4 + ConvertLimits 2 + ConversionTimeout 1). JUnit 6 (`org.junit.jupiter:junit-jupiter`), surefire 3.6.0 с `-Djava.awt.headless=true`; только `Assertions` (Mockito/AssertJ не использовать; в app-тестах допустим inline-Hamcrest `org.hamcrest.Matchers.containsString` в `andExpect`), тестовые классы package-private, зеркалят main-пакеты; только `@Test` + два `@BeforeAll` (warm-up шрифтов в `GlyphCoverageNormalizerTest` и `BundledFonts.init()` в `BundledFontsTest`) + `@AfterEach drainWorker` в `ConversionTimeoutTest` (дренировать отменённый FOP-рендер до следующего класса — гонка глобального `PhysicalFonts`). +- 55 тестовых класса / 799 `@Test` (core 49/756 — из них 17 классов / 189 тестов в `internal/doc/`, app 6/43: ConvertController 23 + ApiKeyFilter 8 + ConversionService 5 + ApiExceptionHandler 4 + ConvertLimits 2 + ConversionTimeout 1). JUnit 6 (`org.junit.jupiter:junit-jupiter`), surefire 3.6.0 с `-Djava.awt.headless=true`; только `Assertions` (Mockito/AssertJ не использовать; в app-тестах допустим inline-Hamcrest `org.hamcrest.Matchers.containsString` в `andExpect`), тестовые классы package-private, зеркалят main-пакеты; только `@Test` + два `@BeforeAll` (warm-up шрифтов в `GlyphCoverageNormalizerTest` и `BundledFonts.init()` в `BundledFontsTest`) + `@AfterEach drainWorker` в `ConversionTimeoutTest` (дренировать отменённый FOP-рендер до следующего класса — гонка глобального `PhysicalFonts`). - **PDF сравнивается текстом, не растеризацией**: PDFBox 3 (`Loader.loadPDF`) — `PDFTextStripper` (пер-странично `setStartPage/setEndPage`), override `processTextPosition` для шрифта конкретного символа (`fontNameOf`), обход ресурсов страниц для встроенных шрифтов (`EAAAAA+Carlito-Bold`) и счётчик картинок (`imageCount`/`distinctImageCount` — SMask игнорируется). Негативные маркеры: `assertFalse(text.contains("#"))` (.notdef), `assertFalse(font.startsWith("Helvetica"))`. Текст нормализуется по пробелам (`norm`); в `tableImage_tableAndImage` — полное удаление пробелов (docx4j переносит слова в auto-fit таблицах). - Пиксели (BufferedImage) — только в unit-тестах chart-пейнтеров: безразмерные отношения к эталону Word (экспорт 300 dpi, числа зашиты в тесты), допуски `assertRatio` <0.06 (`PiePainterTest`, `CartesianPainterTest`) / <0.10 (`Surface3dPainterTest`, + `assertRange` ±6 pt для центров силуэта); пороги залитых px, перцентильные коридоры яркости, «серый» px — разброс каналов `GRAY_MAX_SPREAD=25`; исключение — структурная проверка чернил в `GlyphFontTest`. Эталонные файлы — `develop/`, вне git. Хелперы chart-тестов (`render`, `countColor`, `assertRatio`, `paint`) продублированы по классам — общего test-util нет. - `GlyphFont` (fontbox): метрики пиксельно-метрически эквивалентны AWT (ascent/descent/leading/advance совпадают до 4-го знака, кернинг-дрейф 0.0000 — DejaVu Sans, Carlito). Приёмочный стенд без-fontconfig: контейнер без `libfontconfig.so.1*` и `/etc/fonts`, `mvn verify` + `java -jar` (до перехода на GlyphFont там падали `GlyphCoverageNormalizerTest` 12 / `CartesianPainterTest` 3 / `PiePainterTest` 2 / chart-тесты `WordPdfConverterTest` 4, chart-рендер молча деградировал). `GlyphFontTest` написан без единого `java.awt.Font` — обязан проходить на хосте без fontconfig. diff --git a/wordpdf-core/src/main/java/ru/pjandro/wordpdf/internal/doc/DocToDocx.java b/wordpdf-core/src/main/java/ru/pjandro/wordpdf/internal/doc/DocToDocx.java index 5c6988a..4ce6ba8 100644 --- a/wordpdf-core/src/main/java/ru/pjandro/wordpdf/internal/doc/DocToDocx.java +++ b/wordpdf-core/src/main/java/ru/pjandro/wordpdf/internal/doc/DocToDocx.java @@ -166,6 +166,8 @@ public final class DocToDocx { private static final int LSPD_OPERAND_LEN = 4; /** fMultLinespace=1: dyaLine — множитель интервала в 240-х долях. */ private static final int FMULT_MULTIPLIER = 1; + /** w:gridSpan эмитится только при покрытии ≥2 колонок tblGrid (§17.4.65). */ + private static final int MIN_GRID_SPAN = 2; private final PieceTable pieces; private final ChpxIndex chpx; @@ -315,7 +317,9 @@ public final class DocToDocx { * эмитится); абзацы с 0x0D внутри открытой ячейки (или с * sprmPFInTable) — продолжение/начало ячейки; прочие — обычные w:p. * Без корректного sprmTDefTable строка деградирует в плоские абзацы - * (прежнее поведение). Сетка первой строки действует на всю таблицу. + * (прежнее поведение). Сетка первой строки действует на всю таблицу + * как tblGrid, а ширины/объединение ячеек каждой строки — из её + * собственного TDefTable (горизонтальное слияние → w:gridSpan). */ private String emitParas(List paras) { StringBuilder body = new StringBuilder(); @@ -334,7 +338,7 @@ public final class DocToDocx { tableOpen = true; grid = g; } - body.append(rowXml(rowCells, grid)); + body.append(rowXml(rowCells, grid, g)); } else { if (tableOpen) { body.append(""); @@ -413,15 +417,41 @@ public final class DocToDocx { return xml.append("").toString(); } - /** w:tr: ячейка i получает tcW i-й колонки; лишние ячейки — без tcW. */ - private String rowXml(List> cells, Tables.Grid grid) { + /** + * w:tr: ширина/объединение ячейки — из собственной сетки строки + * (§2.9.321: у TTP-абзаца свой sprmTDefTable; объединённая ячейка — + * центр, покрывающий несколько колонок tblGrid → w:gridSpan + + * суммарный w:tcW, ECMA-376 §17.4.65, порядок детей CT_TcPrBase: + * tcW → gridSpan). Строка без согласованной сетки (центров не на 1 + * больше числа ячеек) или с невыровненными с tblGrid границами — + * прежнее поведение: ячейка i получает tcW i-й колонки, лишние — + * без tcW. + */ + private String rowXml(List> cells, Tables.Grid grid, Tables.Grid rowGrid) { StringBuilder xml = new StringBuilder(""); + int[] table = grid.centers(); + int[] row = rowGrid == null ? null : rowGrid.centers(); + // собственная сетка строки согласована с автоматом, только если + // центров ровно на 1 больше ячеек (§2.4.4: число ячеек = число определений) + boolean perRow = row != null && row.length == cells.size() + 1; int i = 0; for (List cell : cells) { xml.append(""); - if (i < grid.colWidths().length) { - xml.append(""); + StringBuilder tcPr = new StringBuilder(); + int a = perRow ? indexOf(table, row[i]) : -1; + int b = perRow ? indexOf(table, row[i + 1]) : -1; + if (a >= 0 && b > a) { + tcPr.append(""); + if (b - a >= MIN_GRID_SPAN) { + tcPr.append(""); + } + } else if (i < grid.colWidths().length) { + tcPr.append(""); + } + if (tcPr.length() > 0) { + xml.append("").append(tcPr).append(""); } if (cell.isEmpty()) { xml.append(""); // ≥1 абзац в ячейке обязательно (§17.4.42) @@ -436,6 +466,16 @@ public final class DocToDocx { return xml.append("").toString(); } + /** Индекс значения в границах сетки (растущих); нет — -1. */ + private static int indexOf(int[] centers, int value) { + for (int i = 0; i < centers.length; i++) { + if (centers[i] == value) { + return i; + } + } + return -1; + } + /** istd абзаца: последний прямой sprmPIstd в границах STSH, иначе из PAPX. */ private int istdOf(byte[] direct, int fallback) { int[] istd = {fallback}; diff --git a/wordpdf-core/src/main/java/ru/pjandro/wordpdf/internal/doc/Tables.java b/wordpdf-core/src/main/java/ru/pjandro/wordpdf/internal/doc/Tables.java index 97a7f79..bcabd12 100644 --- a/wordpdf-core/src/main/java/ru/pjandro/wordpdf/internal/doc/Tables.java +++ b/wordpdf-core/src/main/java/ru/pjandro/wordpdf/internal/doc/Tables.java @@ -22,8 +22,14 @@ package ru.pjandro.wordpdf.internal.doc; * (байт 3 = 0xFF) не эмитится, иначе RRGGBB; Brc80.ico — по таблице Ico * (§2.9.171); 0 = auto, > 0x10 — не эмитится.

* + *

Горизонтальное объединение ячеек переносится сеткой самой строки: + * у TTP-абзаца каждой строки свой {@code sprmTDefTable} (§2.9.321), и + * автомат {@code DocxBody} по нему выдаёт {@code w:gridSpan}+{@code w:tcW} + * (сетка первой строки остаётся tblGrid).

+ * *

Вне контура (деградация {@code null} / молчаливый пропуск): вложенные - * таблицы (sprmPFInnerTtp), объединённые ячейки (vertMerge, sprmTInsert), + * таблицы (sprmPFInnerTtp), вертикальное объединение ячеек (vertMerge), + * сетки из одного только sprmTInsert (без PAPX-зеркала sprmTDefTable), * отступы между ячейками (sprmTDxaCellSpacing), бордюры уровня ячейки * (TC80/sprmTCellBorders) — только строковые границы 0xD613/0xD605.

*/ @@ -43,6 +49,20 @@ final class Tables { * не эмитится). */ record Grid(int[] colWidths, int indent, String bordersXml, String tblJc) { + + /** + * Абсолютные границы колонок: [indent, indent+w0, …] — восстановленный + * rgdxaCenter (§2.9.321: parse строит colWidths[i] = center[i+1] − + * center[i], indent = center[0], реконструкция точна). + */ + int[] centers() { + int[] c = new int[colWidths.length + 1]; + c[0] = indent; + for (int i = 0; i < colWidths.length; i++) { + c[i + 1] = c[i] + colWidths[i]; + } + return c; + } } /** diff --git a/wordpdf-core/src/test/java/ru/pjandro/wordpdf/WordPdfConverterTest.java b/wordpdf-core/src/test/java/ru/pjandro/wordpdf/WordPdfConverterTest.java index 83f4834..ba4b9a4 100644 --- a/wordpdf-core/src/test/java/ru/pjandro/wordpdf/WordPdfConverterTest.java +++ b/wordpdf-core/src/test/java/ru/pjandro/wordpdf/WordPdfConverterTest.java @@ -1592,6 +1592,112 @@ class WordPdfConverterTest { assertEquals(160.15, xOfMarker(pdf, 'Q'), 1.0); } + // --- крафт .doc с горизонтально объединённой строкой ------------------ + + /** + * Таблица 2 строки: строка 0 «Лев» | «Прав» с сеткой {0, 4320, 8640} + * (tblGrid, 432pt < полосы A4), строка 1 — одна ячейка Ш×40 со СВОЕЙ + * сеткой {0, 8640} (§2.9.321: у TTP-абзаца каждой строки свой + * sprmTDefTable). Без gridSpan ячейка получает tcW первой колонки + * (≈216pt) и текст переносится — вертикальная черта строки режет + * объединённую ячейку пополам (симптом клиента). + */ + private static byte[] mergedTableRowDoc() throws IOException { + String text = "Лев" + (char) 7 + "Прав" + (char) 7 + (char) 7 + + "Ш".repeat(40) + (char) 7 + (char) 7; + 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 начал абзацев: «Лев␇|Прав␇|␇|Ш…␇|␇» + int[] rgfc = {LISTS_TEXT_FC, LISTS_TEXT_FC + 8, LISTS_TEXT_FC + 18, + LISTS_TEXT_FC + 20, LISTS_TEXT_FC + 102, + 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, 91, 95, 125, 128}; + for (int i = 0; i < bx.length; i++) { + wd[rgbx + i * 13] = (byte) bx[i]; + } + wd[page + 511] = 5; // cpara + byte[] inTable = prl(0x2416, 1); + papxEntry(wd, page, 87, inTable); + papxEntry(wd, page, 91, inTable); + papxEntry(wd, page, 95, concat(inTable, prl(0x2417, 1), + tdefTable(2, new int[] {0, 4320, 8640}))); + papxEntry(wd, page, 125, inTable); + papxEntry(wd, page, 128, concat(inTable, prl(0x2417, 1), + tdefTable(1, new int[] {0, 8640}))); + byte[] tab = new byte[53]; + put32(tab, 0, 0); + put32(tab, 4, text.length()); // PlcfSed + put32(tab, 20, LISTS_TEXT_FC); // PlcfBtePapx aFc + pn=3 + 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); + 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(); + } + } + + /** + * Регрессия (пара {@code DocToDocxFormattingTest#mergedRow_gridSpanAndWidth}): + * объединённая строка рендерится одной полноширинной ячейкой — текст + * Ш×40 (≈290pt) встает в одну строку (полоса ≈451pt) и уходит за экватор; + * без gridSpan ячейка = первая колонка tblGrid (≈216pt) → перенос и + * «лишнее разделение на столбцы» в строке. + */ + @Test + void docMergedTableRow_fullWidthNotSplit() throws Exception { + Path pdf = convertPdf(mergedTableRowDoc(), "doc-merged-row"); + Set linesWithSh = new HashSet<>(); + double[] rightEdge = {0}; + try (PDDocument doc = Loader.loadPDF(pdf.toFile())) { + PDFTextStripper stripper = new PDFTextStripper() { + @Override + protected void processTextPosition( + org.apache.pdfbox.text.TextPosition position) { + if (position.getUnicode().indexOf('Ш') >= 0) { + linesWithSh.add((long) Math.round(position.getYDirAdj())); + rightEdge[0] = Math.max(rightEdge[0], + position.getXDirAdj() + position.getWidth()); + } + super.processTextPosition(position); + } + }; + stripper.setStartPage(1); + stripper.setEndPage(1); + String text = stripper.getText(doc); + assertFalse(text.contains("#"), "no .notdef: " + text); + assertTrue(text.contains("Лев") && text.contains("Прав"), text); + } + assertEquals(1, linesWithSh.size(), + "строка Ш×40 не переносится (ячейка на всю полосу): " + linesWithSh); + assertTrue(rightEdge[0] > 300, + "объединённая ячейка шире половины полосы, right=" + rightEdge[0]); + } + // --- крафт .doc со списками (дубль DocToDocxFormattingTest) ---------- private static final int LISTS_TEXT_FC = 2048; diff --git a/wordpdf-core/src/test/java/ru/pjandro/wordpdf/internal/doc/DocToDocxFormattingTest.java b/wordpdf-core/src/test/java/ru/pjandro/wordpdf/internal/doc/DocToDocxFormattingTest.java index 58571aa..42604f8 100644 --- a/wordpdf-core/src/test/java/ru/pjandro/wordpdf/internal/doc/DocToDocxFormattingTest.java +++ b/wordpdf-core/src/test/java/ru/pjandro/wordpdf/internal/doc/DocToDocxFormattingTest.java @@ -753,6 +753,125 @@ class DocToDocxFormattingTest { assertTrue(xml.indexOf(">D3<") < xml.indexOf(">E<"), xml); } + // --- объединённая строка: собственная сетка строки → gridSpan --------- + + /** + * Строка 0: «A» | «B» со своей {@code sprmTDefTable} {0, 810, 1895} + * (tblGrid всей таблицы); строка 1 — {@code row2Cells} ячеек со СВОЕЙ + * сеткой {@code row2Centers} (§2.9.321: у TTP-абзаца каждой строки свой + * TDefTable, [MS-DOC] §2.4.4: число ячеек = числу определений строки); + * после таблицы — абзац «after». + */ + private static byte[] mergedRowDoc(int[] row2Centers, int row2Cells) throws IOException { + char c7 = (char) 7; + String text = "A" + c7 + "B" + c7 + c7 + "C" + + (row2Cells > 1 ? c7 + "D" : "") + + c7 + c7 + "after\r"; + byte[] wd = new byte[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); + pair(wd, 13, 20, 12); // PlcfBtePapx + pair(wd, 33, 32, 21); // Clx + byte[] t = text.getBytes(StandardCharsets.UTF_16LE); + System.arraycopy(t, 0, wd, TEXT_FC, t.length); + int page = 3 * 512; + byte[] inTable = prl(0x2416, 1); + byte[] ttp = prl(0x2417, 1); + byte[] ttpRow0 = concat(inTable, ttp, tdefTable(2, new int[] {0, 810, 1895}), + tableBorders()); + byte[] ttpRow1 = concat(inTable, ttp, + tdefTable(row2Centers.length - 1, row2Centers), tableBorders()); + byte[][] prls = row2Cells > 1 + ? new byte[][] {inTable, inTable, ttpRow0, inTable, inTable, ttpRow1, + new byte[0]} + : new byte[][] {inTable, inTable, ttpRow0, inTable, ttpRow1, new byte[0]}; + int cpara = prls.length; + // rgfc — FC начал абзацев (маркеры конца — \x07/\r) + конец потока + int[] starts = new int[cpara]; + starts[0] = 0; + int pi = 0; + for (int i = 0; i < text.length() && pi + 1 < cpara; i++) { + char ch = text.charAt(i); + if (ch == c7 || ch == '\r') { + starts[++pi] = i + 1; + } + } + for (int i = 0; i <= cpara; i++) { + put32(wd, page + i * 4, TEXT_FC + 2 * (i < cpara ? starts[i] : text.length())); + } + int rgbx = page + (cpara + 1) * 4; + int off = 174; // чётный байтовый offset PapxInFkp, bx = off / 2 + for (int i = 0; i < cpara; i++) { + wd[rgbx + i * 13] = (byte) (off / 2); + papxEntry(wd, page, off / 2, 0, prls[i]); + off += ((prls[i].length & 1) != 0 ? prls[i].length + 3 : prls[i].length + 4) + 2; + } + wd[page + 511] = (byte) cpara; // cpara + byte[] tab = new byte[53]; + put32(tab, 0, 0); + put32(tab, 4, text.length()); // PlcfSed + put32(tab, 20, TEXT_FC); // PlcfBtePapx aFc + pn=3 + put32(tab, 24, 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, 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(); + } + } + + /** Сетка строки 1 {0, 1895} покрывает обе колонки → gridSpan=2, tcW=1895. */ + @Test + void mergedRow_gridSpanAndWidth() throws IOException { + String xml = documentXml(mergedRowDoc(new int[] {0, 1895}, 1)); + assertEquals(1, xml.split("", -1).length - 1, xml); + assertEquals(2, xml.split("", -1).length - 1, "строки: " + xml); + assertEquals(3, xml.split("", -1).length - 1, "ячейки: " + xml); + assertTrue(xml.contains("") + && xml.contains(""), + "tblGrid — сетка первой строки: " + xml); + assertTrue(xml.contains("" + + ""), + "объединённая ячейка: " + xml); + assertEquals(1, xml.split(""), + "row0 cell0 — ширина колонки: " + xml); + assertTrue(xml.indexOf(">A<") < xml.indexOf(">B<") + && xml.indexOf(">B<") < xml.indexOf(">C<"), xml); + assertTrue(xml.indexOf(">C<") < xml.indexOf("") + && xml.indexOf("") < xml.indexOf(">after<"), xml); + } + + /** Границы строки 1 вне tblGrid → прежняя индексная выдача ширины, без gridSpan. */ + @Test + void misalignedRow_fallsBackToColumnWidths() throws IOException { + String xml = documentXml(mergedRowDoc(new int[] {0, 1000, 1895}, 2)); + assertEquals(1, xml.split("", -1).length - 1, xml); + assertEquals(4, xml.split("", -1).length - 1, "ячейки: " + xml); + assertEquals(0, xml.split("", -1).length - 1, + "обе ячейки-нечётные по индексу: " + xml); + assertEquals(2, xml.split("", -1).length - 1, + xml); + assertTrue(xml.contains(">D<"), xml); + } + /** * Таблица 2×2, у которой TTP-абзац первой строки несёт grpprl, вынесенный * Word в PrcData (Data-поток): PAPX = единственный {@code sprmPHugePapx -- 2.56.1