diff --git a/AGENTS.md b/AGENTS.md index fe27dea..61c9450 100644 --- a/AGENTS.md +++ b/AGENTS.md @@ -23,7 +23,6 @@ | 0 | `DependencyGuard.check()` | API-проба `ZipArchiveInputStream.getNextEntry()` — совместимость commons-compress ≥ 1.25.0; иначе `ConversionException` с инструкцией вместо мутного `NoSuchMethodError` внутри docx4j | | 1 | `new BundledFontMapper()` → `BundledFonts.init()` → `restrictToBundled()` | Конструктор маппера добавляет системные шрифты в глобальный реестр `PhysicalFonts`; `init()` вызывает `dropNonBundled()` **до** регистрации бандла (`addPhysicalFont` не перезаписывает занятый ключ — иначе системный Calibri ломает em-dash-fallback) | | 2 | `DocxRewritePipeline.STEP` → `OleObjectNormalizer` → `WordprocessingMLPackage.load` | Один zip-проход переписывания XML-частей (правила 1–8, см. ниже) + условная OLE-вычистка (правило 9) | -| 2.5 | `WordPdfValidator.checkPageCount(normalizedBytes, maxPages)` | Lightweight-оценка страниц по zip, до рендера | | 3 | `pkg.setFontMapper(mapper)` | Привязка шрифтов документа к физическим TTF | | 3.5 | `DrawingPreRenderer.run(pkg, options)` | `c:chart`/`dgm:relIds` → PNG 300 dpi → `pic:pic` (docx2fo.xslt их не умеет) | | 4 | `new FOSettings(pkg)` + `FopFallbackFonts.declare(foSettings)` | В FOP-конфиг добавляются **все** бандл-семейства: FOP встраивает только задекларированные | @@ -33,7 +32,7 @@ | 6 | `Docx4J.toFO(foSettings, os, FLAG_EXPORT_PREFER_XSL)` | XSL-FO → PDF | | 7 | `finally` → `getFontTablePart().deleteEmbeddedFontTempFiles()` | В docx4j 17.x `OpcPackage.close()` нет — пакет в памяти | -Вход валидируется **до** `convertToStream`: `WordPdfValidator.validate(bytes, options)` (размер → подпись: zip `PK\x03\x04` или CFB `D0 CF 11 E0` → контейнер → страницы). Для `.doc` страницы считаются **по сырым байтам .doc, до конвертации**: `checkPageCountDoc` = `max(SummaryInfo PageCount, 1 + явные разрывы)`; явные — 0x0C в основном тексте + `sprmPFPageBreakBefore` из PAPX. Тот же метод — вход приложения. +Вход валидируется **до** `convertToStream`: `WordPdfValidator.validate(bytes, options)` (размер → подпись: zip `PK\x03\x04` или CFB `D0 CF 11 E0` → контейнер → страницы). Для `.doc` страницы считаются **по сырым байтам .doc, до конвертации**: `checkPageCountDoc` = `max(SummaryInfo PageCount, 1 + явные разрывы)`; явные — 0x0C в основном тексте + `sprmPFPageBreakBefore` из PAPX. Тот же метод — вход приложения. Повторный скан по нормализованным байтам удалён — правила 1–8 число учитываемых разрывов не меняют, а скан внутри живой JAXB-модели удваивал бы пиковую память; скан выполняется ровно один раз по сырому входу, до аллокаций docx4j. ### Мост `.doc` → `.docx` (`internal/doc`) diff --git a/wordpdf-app/src/main/java/ru/pjandro/wordpdf/app/ConvertController.java b/wordpdf-app/src/main/java/ru/pjandro/wordpdf/app/ConvertController.java index 452f649..fd2949b 100644 --- a/wordpdf-app/src/main/java/ru/pjandro/wordpdf/app/ConvertController.java +++ b/wordpdf-app/src/main/java/ru/pjandro/wordpdf/app/ConvertController.java @@ -85,6 +85,15 @@ final class ConvertController { // .doc (Word 97–2003) переносится в .docx мостом internal.doc throw new ValidationException("Поддерживаются только .docx и .doc: " + name); } + // Размер проверяется до getBytes(): multipart-лимит сервера (100 МБ) + // больше логического лимита входа (wordpdf.max-mb), и без этого гварда + // заведомо oversized-upload сначала материализовался бы в куче. + // Текст — тот же формат, что WordPdfValidator.checkInput. + long maxBytes = maxMb * 1024 * 1024; + if (file.getSize() > maxBytes) { + throw new ValidationException("Файл больше " + maxMb + " МБ: " + + file.getSize() + " байт > " + maxBytes + " байт"); + } byte[] docxBytes; try { docxBytes = file.getBytes(); diff --git a/wordpdf-core/src/main/java/ru/pjandro/wordpdf/WordPdfConverter.java b/wordpdf-core/src/main/java/ru/pjandro/wordpdf/WordPdfConverter.java index 405fe9f..d6722b5 100644 --- a/wordpdf-core/src/main/java/ru/pjandro/wordpdf/WordPdfConverter.java +++ b/wordpdf-core/src/main/java/ru/pjandro/wordpdf/WordPdfConverter.java @@ -74,7 +74,8 @@ public final class WordPdfConverter { * {@link WordPdfValidator#validate(byte[], ConvertOptions)} до рендера: * {@code null} / размер больше {@link WordPdfSettings#MAX_INPUT_MB} (МБ) / zip-подпись / * число страниц больше {@link WordPdfSettings#MAX_PAGES} — при отказе байтов результата нет; - * страницы дополнительно перепроверяются по нормализованным байтам (шаг 2.5). + * страницы считаются ровно раз по сырому входу, повторного скана по + * нормализованным байтам нет (см. javadoc перегрузки с {@link ConvertOptions}). * * @param docxBytes байты .docx или бинарного .doc * @param title заголовок PDF (метаданные); {@code null}/пустая — заголовок не задаётся @@ -96,10 +97,12 @@ public final class WordPdfConverter { *
Вход проверяется {@link WordPdfValidator#validate(byte[], ConvertOptions)}
* до рендера — одна проверка на оба формата: {@code null} / размер больше
* {@code options.maxMb()} (МБ) / не .docx и не .doc / число страниц больше
- * {@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.
+ * {@code options.maxPages()} — при отказе байтов результата нет. Страницы
+ * считаются ровно раз по сырому входу, до аллокаций docx4j: для .docx —
+ * lightweight-скан по zip, для .doc — по чистому бинарному документу до
+ * конвертации. Повторного скана по нормализованным байтам нет: правила 1–8
+ * {@code DocxRewritePipeline} число учитываемых разрывов не меняют, а скан
+ * внутри живой JAXB-модели удваивал бы пиковую память.
*
* @param docxBytes байты .docx или бинарного .doc
* @param title заголовок PDF (метаданные); {@code null}/пустая — заголовок не задаётся
@@ -111,6 +114,11 @@ public final class WordPdfConverter {
* документ длиннее {@code options.maxPages()} страниц
* @throws ConversionException прочие ошибки (битый .docx, ошибка рендера)
*/
+ // PMD.UnusedAssignment глушится намеренно: зануление docxBytes ниже —
+ // не «мёртвое присваивание», а детерминированное освобождение массива до
+ // моста/рендера (точные liveness-карты HotSpot строит только для
+ // скомпилированных кадров).
+ @SuppressWarnings("PMD.UnusedAssignment")
public static byte[] convert(byte[] docxBytes, String title, ConvertOptions options) throws ConversionException {
ConvertOptions opts = options == null ? ConvertOptions.defaults() : options;
// Полная проверка входа — одна на оба формата: размер до
@@ -120,12 +128,17 @@ public final class WordPdfConverter {
WordPdfValidator.validate(docxBytes, opts);
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.
+ // .docx — собственный артефакт, его штатной валидацией входа не
+ // проверяем (вход уже проверен по байтам .doc).
byte[] docx = fromDoc ? DocToDocx.convert(docxBytes) : docxBytes;
+ // Сырой вход (.doc до конвертации в docx тоже был в куче) больше не
+ // читается — обнуляем явно: точные liveness-карты HotSpot строит
+ // только для скомпилированных кадров, без этого ссылка доживала бы до
+ // конца метода, пережив и мост, и FOP-рендер.
+ docxBytes = null;
ByteArrayOutputStream bos = new ByteArrayOutputStream(Math.max(1 << 16, docx.length));
try {
- convertToStream(docx, title, opts, bos, fromDoc);
+ convertToStream(docx, title, opts, bos);
} catch (ConversionException e) {
// ValidationException (отказ валидации входа) — подтип, уходит
// вызывающему без обёртки
@@ -141,8 +154,12 @@ public final class WordPdfConverter {
* совместимости commons-compress в classpath потребителя (DependencyGuard):
* без неё старая версия библиотеки дала бы мутный NoSuchMethodError внутри docx4j.
*/
+ // PMD.UnusedAssignment глушится намеренно: зануление rawDocxBytes/docxBytes
+ // — детерминированное освобождение байтов входа до load()/рендера, а не
+ // «мёртвое присваивание» (см. javadoc convert).
+ @SuppressWarnings("PMD.UnusedAssignment")
private static void convertToStream(byte[] rawDocxBytes, String title, ConvertOptions options,
- OutputStream os, boolean skipPageRecheck) throws Exception {
+ OutputStream os) throws Exception {
// 0. Совместимость commons-compress: docx4j требует ковариантный
// ZipArchiveInputStream.getNextEntry() (>= 1.25.0); ниже — понятный
// ConversionException с инструкцией вместо NoSuchMethodError.
@@ -164,24 +181,16 @@ public final class WordPdfConverter {
for (DocxNormalizer normalizer : normalizers(options)) {
docxBytes = normalizer.normalize(docxBytes);
}
+ // Исходные байты до нормализации больше не читаются — освобождаем явно
+ // (без них при .doc-входе в куче жили бы и .doc, и нормализованный .docx).
+ rawDocxBytes = null;
WordprocessingMLPackage pkg = WordprocessingMLPackage.load(
new ByteArrayInputStream(docxBytes));
+ // ZipPartStore при load() копирует распакованные байты каждой записи в
+ // свой реестр, нормализованный zip дальше не читается — освобождаем до
+ // FOP-рендера (пик: JAXB-модель + FOP + PDF-буфер).
+ docxBytes = null;
try {
- // 2.5 Проверка числа страниц по самому .docx: lightweight-оценка
- // по zip (кэш docProps/app.xml