Мост .xlsx → PDF: SpreadsheetML-конвейер без LibreOffice/POI #91

Closed
ai wants to merge 8 commits from feat/xlsx-bridge into main
3 changed files with 452 additions and 50 deletions
Showing only changes of commit 3a1bfba413 - Show all commits
@@ -11,17 +11,23 @@ import java.io.IOException;
import java.io.InputStream;
import java.nio.charset.StandardCharsets;
import java.util.ArrayDeque;
import java.util.ArrayList;
import java.util.Deque;
import java.util.HashMap;
import java.util.HashSet;
import java.util.Iterator;
import java.util.LinkedHashMap;
import java.util.List;
import java.util.Map;
import java.util.Set;
import java.util.zip.ZipEntry;
import java.util.zip.ZipInputStream;
/**
* Валидатор ограничений на вход: .docx и бинарный .doc (Word 97–2003) —
* размер входа, корректность контейнера (.docx-манифест, защита от
* zip-бомбы; для .doc — CFB/Word-разбор {@code internal.doc}) и число
* страниц для обоих форматов.
* Валидатор ограничений на вход: .docx, бинарный .doc (Word 97–2003) и
* .xlsx (SpreadsheetML) — размер входа, корректность контейнера
* (.docx/.xlsx-манифест, защита от zip-бомбы; для .doc — CFB/Word-разбор
* {@code internal.doc}) и число страниц для всех форматов.
*
* <p>Вход валидатора — только {@code byte[]}: файловых проверок нет,
* работа с файлами — забота вызывающего (приложения).
@@ -44,9 +50,12 @@ import java.util.zip.ZipInputStream;
* Последние два — защитные константные пороги ({@link #validate(byte[], ConvertOptions)}),
* {@link ConvertOptions} их не переопределяет.
*
* <p>Проверка контейнера: архив обязан декларировать документ
* wordprocessingml в {@code [Content_Types].xml} — иначе это не .docx
* (обычный zip, переименованный .xlsx/.pptx).
* <p>Проверка контейнера: архив обязан декларировать в
* {@code [Content_Types].xml} документ wordprocessingml (.docx) или
* spreadsheetml (.xlsx) — иначе это не OOXML-документ (обычный zip,
* переименованный .pptx). Классификация входа до любой работы с
* форматом: {@link #isBinaryDoc(byte[])} (CFB), {@link #isSpreadsheet(byte[])}
* (zip-манифест spreadsheetml).
*
* <p>Число страниц берётся из самого .docx как максимум трёх нижних
* оценок: кэша Word в {@code docProps/app.xml} ({@code <Pages>}),
@@ -73,6 +82,32 @@ public final class WordPdfValidator {
/** Тело документа. */
private static final String DOCUMENT_PART = "word/document.xml";
/** Zip-подпись PK\x03\x04 — начало центрального заголовка локальной записи. */
private static final int ZIP_SIG_LEN = 4;
/** Workbook-часть .xlsx. */
private static final String XLSX_WORKBOOK_PART = "xl/workbook.xml";
/** Rels workbook-части (rId worksheet → путь части). */
private static final String XLSX_WORKBOOK_RELS = "xl/_rels/workbook.xml.rels";
/** Namespace атрибута {@code r:id} у {@code sheets/sheet} (ECMA-376 Part 2). */
private static final String REL_NS =
"http://schemas.openxmlformats.org/officeDocument/2006/relationships";
/** Тип связи worksheet (ECMA-376 Part 2). */
private static final String WORKSHEET_REL_TYPE =
"http://schemas.openxmlformats.org/officeDocument/2006/relationships/worksheet";
/** Текущий и родительский сегменты относительных Targets rels. */
private static final String SEG_CURRENT = ".";
private static final String SEG_PARENT = "..";
/** Класс контейнера OOXML по манифесту {@code [Content_Types].xml}. */
private enum ContainerKind {
DOCX, XLSX
}
private WordPdfValidator() {
}
@@ -122,6 +157,45 @@ public final class WordPdfValidator {
return true;
}
/**
* Zip с манифестом spreadsheetml в {@code [Content_Types].xml} — .xlsx.
* Короткий скан до первой записи {@code [Content_Types].xml} (дубликаты
* враждебного zip: первая выигрывает); не-zip, ошибка разбора и манифест
* без spreadsheetml — {@code false} (отвергает не здесь: классификация,
* а не валидация). Конвертер вызывает только после {@link #validate},
* где контейнер уже проверен.
*/
public static boolean isSpreadsheet(byte[] bytes) {
if (bytes == null || !isZipSignature(bytes)) {
return false;
}
try (ZipInputStream zip = new ZipInputStream(new ByteArrayInputStream(bytes))) {
ZipEntry entry;
while ((entry = zip.getNextEntry()) != null) {
if (!"[Content_Types].xml".equals(entry.getName())) {
continue;
}
byte[] ct = zip.readAllBytes();
// Порядок тот же, что в checkOoxmlContainer: docx-маркер
// имеет приоритет (манифест с обоими — wordprocessingml).
if (containsAscii(ct, "wordprocessingml.document")) {
return false;
}
return containsAscii(ct, "spreadsheetml.");
}
return false;
} catch (IOException | RuntimeException e) {
return false;
}
}
/** Zip-подпись {@code PK\x03\x04} (ECMA-376 Part 3 §10.1) — .docx и .xlsx. */
private static boolean isZipSignature(byte[] bytes) {
return bytes.length >= ZIP_SIG_LEN
&& bytes[0] == 'P' && bytes[1] == 'K'
&& (bytes[2] & 0xFF) == 0x03 && (bytes[3] & 0xFF) == 0x04;
}
/**
* Проверяет число страниц без загрузки документа в docx4j: .docx
* читается как zip напрямую (StAX по {@code word/document.xml},
@@ -239,12 +313,235 @@ public final class WordPdfValidator {
}
/**
* 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
* берутся из {@link ConvertOptions} (переопределение на вызов, см.
* {@link ConvertOptions#maxMb()}, {@link ConvertOptions#maxPages()}).
* Число страниц .xlsx — нижняя оценка <b>до</b> конвертации мостом
* {@code internal.xlsx}: видимые листы ({@code sheets/sheet} без
* {@code state="hidden"/"veryHidden"}, связь на существующую часть) плюс
* суммарные ручные разрывы строк ({@code rowBreaks/brk}, ECMA-376
* §18.3.1.74 — каждый разрыв добавляет страницу листу). Автопереносов
* оценка не знает — расхождение только в сторону недооценки длинных
* листов, ровно как у lightweight-пути .docx.
*
* @throws ValidationException при {@code null}, ошибке разбора zip/XML
* или превышении {@link WordPdfSettings#MAX_PAGES}
*/
public static void checkPageCountXlsx(byte[] xlsxBytes) throws ValidationException {
checkPageCountXlsx(xlsxBytes, WordPdfSettings.MAX_PAGES);
}
/**
* То же, что {@link #checkPageCountXlsx(byte[])}, с явным лимитом
* страниц (переопределение на вызов, см. {@link ConvertOptions#maxPages()}).
*
* @throws ValidationException при {@code null}, ошибке разбора zip/XML
* или превышении {@code maxPages}
*/
public static void checkPageCountXlsx(byte[] xlsxBytes, int maxPages) throws ValidationException {
if (xlsxBytes == null) {
throw new ValidationException("Не указаны байты входного .xlsx");
}
int pages;
try {
pages = estimateXlsxPages(xlsxBytes);
} catch (IOException | RuntimeException e) {
throw new ValidationException("Не удалось разобрать байты .xlsx", e);
}
if (pages > maxPages) {
throw new ValidationException("Документ длиннее " + maxPages
+ " страниц: получено не менее " + pages);
}
}
/**
* Двупроходная нижняя оценка страниц .xlsx (порядок записей в zip
* произволен — содержимое workbook ищет отдельным проходом):
* проход 1 — {@code xl/workbook.xml} (листы: r:id, state) и
* {@code xl/_rels/workbook.xml.rels} (rId → путь worksheet-части);
* проход 2 — {@code rowBreaks/brk} в целевых частях листов. Лист без
* r:id, с внешним/отсутствующим target не учитывается вовсе.
*/
private static int estimateXlsxPages(byte[] xlsxBytes) throws IOException {
Map<String, String> ridToTarget = new LinkedHashMap<>();
List<String> visibleRids = new ArrayList<>();
try (ZipInputStream zip = new ZipInputStream(new ByteArrayInputStream(xlsxBytes))) {
ZipEntry entry;
while ((entry = zip.getNextEntry()) != null) {
String n = entry.getName();
if (XLSX_WORKBOOK_PART.equals(n)) {
readWorkbookSheets(noClose(zip), visibleRids);
} else if (XLSX_WORKBOOK_RELS.equals(n)) {
readWorksheetRels(noClose(zip), ridToTarget);
}
}
}
Set<String> targets = new HashSet<>();
for (String rid : visibleRids) {
String target = ridToTarget.get(rid);
if (target != null && !target.isEmpty()) {
targets.add(target);
}
}
Map<String, Integer> breaksByPart = new HashMap<>();
try (ZipInputStream zip = new ZipInputStream(new ByteArrayInputStream(xlsxBytes))) {
ZipEntry entry;
while ((entry = zip.getNextEntry()) != null) {
String n = entry.getName();
if (targets.contains(n) && !breaksByPart.containsKey(n)) {
breaksByPart.put(n, countRowBreaks(noClose(zip)));
}
}
}
int pages = 0;
Set<String> countedBreaks = new HashSet<>();
for (String rid : visibleRids) {
String target = ridToTarget.get(rid);
if (target == null || target.isEmpty()) {
continue;
}
Integer breaks = breaksByPart.get(target);
if (breaks == null) {
// rel на отсутствующую часть — лист не считается
continue;
}
pages++;
if (countedBreaks.add(target)) {
pages += breaks;
}
}
return pages;
}
/**
* Видимые листы {@code xl/workbook.xml} (§18.2.20): r:id видимых
* {@code sheets/sheet} (state скрыт — hidden/veryHidden; порядок
* сохраняется). Лист без r:id пропускается: часть не найти.
*/
private static void readWorkbookSheets(InputStream in, List<String> visibleRids)
throws IOException {
try {
XMLStreamReader xr = newSecureReader().createXMLStreamReader(in);
while (xr.hasNext()) {
if (xr.next() == XMLStreamReader.START_ELEMENT
&& "sheet".equals(xr.getLocalName())) {
String state = attrLocal(xr, "state");
boolean visible = state == null || "visible".equals(state);
String rid = xr.getAttributeValue(REL_NS, "id");
if (visible && rid != null) {
visibleRids.add(rid);
}
}
}
} catch (XMLStreamException e) {
throw new IOException("Некорректный XML в xl/workbook.xml", e);
} finally {
in.close();
}
}
/**
* rId → путь worksheet-части из {@code xl/_rels/workbook.xml.rels}
* (дубликаты rId: первый выигрывает; {@code TargetMode="External"} —
* не worksheet-часть, пропускается).
*/
private static void readWorksheetRels(InputStream in, Map<String, String> ridToTarget)
throws IOException {
try {
XMLStreamReader xr = newSecureReader().createXMLStreamReader(in);
while (xr.hasNext()) {
if (xr.next() == XMLStreamReader.START_ELEMENT
&& "Relationship".equals(xr.getLocalName())) {
if (!WORKSHEET_REL_TYPE.equals(attrLocal(xr, "Type"))
|| "External".equals(attrLocal(xr, "TargetMode"))) {
continue;
}
String id = attrLocal(xr, "Id");
String target = attrLocal(xr, "Target");
if (id != null && target != null && !ridToTarget.containsKey(id)) {
ridToTarget.put(id, resolveWorkbookTarget(target));
}
}
}
} catch (XMLStreamException e) {
throw new IOException("Некорректный XML в xl/_rels/workbook.xml.rels", e);
} finally {
in.close();
}
}
/**
* Target rels workbook-части в путь zip-записи: абсолютный ("/xl/…") —
* от корня пакета, относительный — от {@code xl/} (rel лежит в
* {@code xl/_rels/}); «..» поднимают сегмент.
*/
private static String resolveWorkbookTarget(String target) {
String t = target.replace('\\', '/');
int query = t.indexOf('?');
if (query >= 0) {
t = t.substring(0, query);
}
if (t.startsWith("/")) {
return t.substring(1);
}
Deque<String> segs = new ArrayDeque<>();
segs.push("xl");
for (String seg : t.split("/")) {
if (seg.isEmpty() || SEG_CURRENT.equals(seg)) {
continue;
}
if (SEG_PARENT.equals(seg)) {
if (!segs.isEmpty()) {
segs.pop();
}
} else {
segs.push(seg);
}
}
if (segs.isEmpty()) {
return "";
}
StringBuilder path = new StringBuilder();
for (Iterator<String> it = segs.descendingIterator(); it.hasNext(); ) {
if (path.length() > 0) {
path.append('/');
}
path.append(it.next());
}
return path.toString();
}
/** Число {@code brk} непосредственно под {@code rowBreaks} (§18.3.1.74). */
private static int countRowBreaks(InputStream in) throws IOException {
int count = 0;
try {
XMLStreamReader xr = newSecureReader().createXMLStreamReader(in);
Deque<String> path = new ArrayDeque<>();
while (xr.hasNext()) {
int ev = xr.next();
if (ev == XMLStreamReader.START_ELEMENT) {
String parent = path.peek();
if ("brk".equals(xr.getLocalName()) && "rowBreaks".equals(parent)) {
count++;
}
path.push(xr.getLocalName());
} else if (ev == XMLStreamReader.END_ELEMENT && !path.isEmpty()) {
path.pop();
}
}
} catch (XMLStreamException e) {
throw new IOException("Некорректный XML в части worksheet", e);
} finally {
in.close();
}
return count;
}
/**
* Полная проверка входа: размер → классификация формата → (.docx/.xlsx:
* zip-подпись → контейнер (.docx/.xlsx + zip-бомба) → число страниц
* docx- или xlsx-путём) / (.doc: число страниц по чистому бинарному
* документу). Порядок значим: размер — дешёвая, разбор zip без подписи
* бессмысленен. Лимиты берутся из {@link ConvertOptions}
* (переопределение на вызов, см. {@link ConvertOptions#maxMb()},
* {@link ConvertOptions#maxPages()}).
*
* <p>Проверка zip-подписи отдельным шагом обязательна:
* {@code ZipInputStream.getNextEntry()} на не-zip-потоке возвращает
@@ -254,17 +551,18 @@ public final class WordPdfValidator {
* {@code ConvertControllerTest#corruptNotAZip_rejected}).</p>
*
* <p>Проверка контейнера: в {@code [Content_Types].xml} обязана быть
* декларация документа wordprocessingml (архив без неё — не .docx);
* zip-бомба отсекается потоковым счётчиком распакованных байт
* декларация документа wordprocessingml (.docx) или spreadsheetml
* (.xlsx) — архив без обеих не OOXML-документ; zip-бомба отсекается
* потоковым счётчиком распакованных байт
* ({@link WordPdfSettings#MAX_DECOMPRESSED_MB}) и числом записей
* ({@link WordPdfSettings#MAX_ZIP_ENTRIES}) — до разбора содержимого
* в {@link #checkPageCount(byte[], int)}. Оба лимита —
* защитные пороги, {@link ConvertOptions} их не переопределяет.
* Регрессии — {@code WordPdfValidatorTest#validate_plainZipRejected},
* {@code #validate_xlsxRenamedRejected}, {@code #validate_zipBombRejected},
* {@code #validate_pptxLikeRejected}, {@code #validate_zipBombRejected},
* {@code #validate_tooManyEntriesRejected}.</p>
* @throws ValidationException при {@code null}, превышении {@code options.maxMb()},
* отсутствии zip-подписи, не-.docx-контейнере, признаках zip-бомбы,
* отсутствии zip-подписи, не-OOXML-контейнере, признаках zip-бомбы,
* ошибке разбора zip или превышении {@code options.maxPages()}
*/
public static void validate(byte[] docxBytes, ConvertOptions options) throws ValidationException {
@@ -275,22 +573,28 @@ public final class WordPdfValidator {
checkPageCountDoc(docxBytes, options.maxPages());
return;
}
if (docxBytes.length < 4 || docxBytes[0] != 'P' || docxBytes[1] != 'K'
|| (docxBytes[2] & 0xFF) != 0x03 || (docxBytes[3] & 0xFF) != 0x04) {
throw new ValidationException("Содержимое не похоже на .docx или .doc (не zip-архив)");
if (!isZipSignature(docxBytes)) {
throw new ValidationException(
"Содержимое не похоже на .docx, .doc или .xlsx (не zip-архив)");
}
ContainerKind kind = checkOoxmlContainer(docxBytes);
if (kind == ContainerKind.XLSX) {
checkPageCountXlsx(docxBytes, options.maxPages());
return;
}
checkDocxContainer(docxBytes);
checkPageCount(docxBytes, options.maxPages());
}
/**
* Один потоковый проход по zip: суммарный распакованный размер и число
* записей (защита от zip-бомбы — отсечение ДО чтения содержимого
* в {@link #checkPageCount(byte[], int)}) и наличие в
* {@code [Content_Types].xml} декларации документа wordprocessingml
* (архив без неё — не .docx: обычный zip, переименованный .xlsx/.pptx).
* в {@link #checkPageCount(byte[], int)}) и классификация контейнера по
* {@code [Content_Types].xml}: декларация документа wordprocessingml →
* {@link ContainerKind#DOCX}, spreadsheetml → {@link ContainerKind#XLSX},
* ни того ни другого — архив не OOXML-документ (обычный zip,
* переименованный .pptx).
*/
private static void checkDocxContainer(byte[] docxBytes) throws ValidationException {
private static ContainerKind checkOoxmlContainer(byte[] docxBytes) throws ValidationException {
long maxTotal = WordPdfSettings.MAX_DECOMPRESSED_MB * 1024 * 1024;
long total = 0;
int entries = 0;
@@ -328,16 +632,24 @@ public final class WordPdfValidator {
} catch (IOException | RuntimeException e) {
throw new ValidationException("Не удалось разобрать байты .docx", e);
}
// Маркер — подстрока content-type части документа
// (application/vnd.openxmlformats-officedocument.wordprocessingml.document.main+xml):
// URI пространства имён wml в [Content_Types].xml не появляется ни у
// одного генератора (Word/POI/docx4j пишут только content-type), а в
// манифестах .xlsx/.pptx стоит spreadsheetml/presentationml — не матчится.
String marker = "wordprocessingml.document";
if (!containsAscii(ctBuf.toByteArray(), marker)) {
throw new ValidationException("Архив не является .docx: в [Content_Types].xml нет "
+ "декларации документа wordprocessingml");
// Маркеры — подстроки content-type частей документа
// (application/vnd.openxmlformats-officedocument.wordprocessingml.document.main+xml /
// …spreadsheetml.worksheet+xml): URI пространств имён wml/sml в
// [Content_Types].xml не появляются ни у одного генератора (Word/POI/
// docx4j пишут только content-type). Spreadsheetml — union-префикс
// (worksheet/sheet/sharedStrings/styles): Override worksheet есть и у
// генераторов, пишущих workbook только как sheet-override; docx-
// манифесту префикс не матчится никогда. docx проверяется первым —
// манифест с обоими маркерами (экзотика) трактуется как .docx.
byte[] ct = ctBuf.toByteArray();
if (containsAscii(ct, "wordprocessingml.document")) {
return ContainerKind.DOCX;
}
if (containsAscii(ct, "spreadsheetml.")) {
return ContainerKind.XLSX;
}
throw new ValidationException("Архив не является .docx или .xlsx: в [Content_Types].xml "
+ "нет декларации документа wordprocessingml или spreadsheetml");
}
/** Поиск байтов ASCII-строки в массиве (манифест ограничен 8 МБ — наивного поиска достаточно). */
@@ -637,7 +637,7 @@ class WordPdfConverterTest {
/**
* Вход без подписи какого-либо поддерживаемого контейнера (ни zip,
* ни CFB) — отказ как некорректный вход (ValidationException),
* а не ошибка рендера: сообщение перечисляет оба формата.
* а не ошибка рендера: сообщение перечисляет все форматы.
* Регрессия — WordPdfValidatorTest#validate_notAZip.
*/
@Test
@@ -645,7 +645,7 @@ class WordPdfConverterTest {
byte[] junk = {1, 2, 3, 4, 5, 6, 7, 8};
ValidationException ex = assertThrows(ValidationException.class, () ->
WordPdfConverter.convert(junk, "junk"));
assertTrue(ex.getMessage().contains("не похоже на .docx или .doc"),
assertTrue(ex.getMessage().contains("не похоже на .docx, .doc или .xlsx"),
"сообщение должно перечислять форматы: " + ex.getMessage());
}
@@ -1,15 +1,16 @@
package ru.pjandro.wordpdf;
import org.apache.poi.xssf.usermodel.XSSFWorkbook;
import org.apache.poi.xwpf.usermodel.BreakType;
import org.apache.poi.xwpf.usermodel.XWPFDocument;
import org.apache.poi.xwpf.usermodel.XWPFParagraph;
import org.apache.poi.xwpf.usermodel.XWPFTable;
import org.junit.jupiter.api.Test;
import java.io.ByteArrayInputStream;
import java.io.ByteArrayOutputStream;
import java.nio.charset.StandardCharsets;
import java.util.zip.ZipEntry;
import java.util.zip.ZipInputStream;
import java.util.zip.ZipOutputStream;
import static org.junit.jupiter.api.Assertions.*;
@@ -168,8 +169,7 @@ class WordPdfValidatorTest {
throws Exception {
byte[] base = docxWithPageBreaks(0);
ByteArrayOutputStream out = new ByteArrayOutputStream();
try (java.util.zip.ZipInputStream zin = new java.util.zip.ZipInputStream(
new java.io.ByteArrayInputStream(base));
try (ZipInputStream zin = new ZipInputStream(new ByteArrayInputStream(base));
ZipOutputStream zout = new ZipOutputStream(out)) {
ZipEntry e;
while ((e = zin.getNextEntry()) != null) {
@@ -312,22 +312,112 @@ class WordPdfValidatorTest {
}
/**
* .xlsx под .docx-суффиксом: манифест xlsx декларирует spreadsheetml,
* не wordprocessingml — отказ как не-.docx, а не 500 на загрузке docx4j.
* Регрессия — WordPdfValidator#checkDocxContainer.
* Zip с манифестом без маркеров wordprocessingml и spreadsheetml
* (например, presentationml — переименованный .pptx) — отказ как
* не-OOXML-документ с обоими маркерами в тексте (контракт 400).
* Регрессия — WordPdfValidator#checkOoxmlContainer.
*/
@Test
void validate_xlsxRenamedRejected() throws Exception {
void validate_pptxLikeRejected() throws Exception {
ByteArrayOutputStream out = new ByteArrayOutputStream();
try (XSSFWorkbook wb = new XSSFWorkbook()) {
wb.createSheet("S1");
wb.write(out);
try (ZipOutputStream zos = new ZipOutputStream(out)) {
zos.putNextEntry(new ZipEntry("[Content_Types].xml"));
zos.write(("<Types><Override ContentType=\"application/vnd.openxmlformats-officedocument"
+ ".presentationml.presentation.main+xml\" PartName=\"/ppt/presentation.xml\"/>"
+ "</Types>").getBytes(StandardCharsets.UTF_8));
zos.closeEntry();
}
byte[] xlsx = out.toByteArray();
ValidationException ex = assertThrows(ValidationException.class,
() -> WordPdfValidator.validate(xlsx, ConvertOptions.defaults()));
assertTrue(ex.getMessage().contains("не является .docx"),
"манифест xlsx — spreadsheetml: " + ex.getMessage());
() -> WordPdfValidator.validate(out.toByteArray(), ConvertOptions.defaults()));
assertEquals("Архив не является .docx или .xlsx: в [Content_Types].xml нет "
+ "декларации документа wordprocessingml или spreadsheetml", ex.getMessage());
}
/** .xlsx валиден как OOXML-контейнер: validate не бросает. */
@Test
void validate_xlsxAccepted() throws Exception {
assertDoesNotThrow(() -> WordPdfValidator.validate(
sample("xlsx-basic.xlsx"), ConvertOptions.defaults()));
}
// ===== xlsx: isSpreadsheet / checkPageCountXlsx =====
@Test
void isSpreadsheet_xlsx_true() throws Exception {
assertTrue(WordPdfValidator.isSpreadsheet(sample("xlsx-basic.xlsx")));
}
@Test
void isSpreadsheet_docxAndJunk_false() throws Exception {
assertFalse(WordPdfValidator.isSpreadsheet(sample("ru-plain.docx")));
assertFalse(WordPdfValidator.isSpreadsheet(new byte[] {1, 2, 3, 4, 5}));
assertFalse(WordPdfValidator.isSpreadsheet(null));
}
/**
* Переименованный .docx (zip, манифест wordprocessingml) — не xlsx,
* даже под .xlsx-суффиксом: классификация по манифесту, не по имени.
*/
@Test
void isSpreadsheet_disguisedDocxZip_false() throws Exception {
assertFalse(WordPdfValidator.isSpreadsheet(sample("ru-plain.docx")));
}
/**
* Нижняя оценка страниц .xlsx: листы + ручные разрывы. xlsx-basic —
* 2 видимых листа, xlsx-wide — 1 лист + 1 разрыв (строка после 12-й);
* xlsx-page-limit — 1 + 130 = 131 &gt; 100 (точное число в тексте).
*/
@Test
void checkPageCountXlsx_estimates() throws Exception {
assertDoesNotThrow(() -> WordPdfValidator.checkPageCountXlsx(
sample("xlsx-basic.xlsx"), 2));
assertDoesNotThrow(() -> WordPdfValidator.checkPageCountXlsx(
sample("xlsx-wide.xlsx"), 2));
ValidationException ex = assertThrows(ValidationException.class,
() -> WordPdfValidator.checkPageCountXlsx(
sample("xlsx-page-limit.xlsx"), PAGE_LIMIT));
assertTrue(ex.getMessage().contains("не менее 131"),
"1 лист + 130 ручных разрывов: " + ex.getMessage());
}
/**
* Скрытые листы в оценку не входят: basic без «Заметки» — 1 страница,
* с лимитом 1 проходит только после сокрытия (синтетика — правка
* workbook.xml в памяти фикстуры допустима: это юнит оценки).
*/
@Test
void checkPageCountXlsx_hiddenSheetsNotCounted() throws Exception {
byte[] patched = replaceInZip(sample("xlsx-basic.xlsx"), "xl/workbook.xml",
"<sheet name=\"Заметки\"", "<sheet state=\"hidden\" name=\"Заметки\"");
assertDoesNotThrow(() -> WordPdfValidator.checkPageCountXlsx(patched, 1));
}
@Test
void checkPageCountXlsx_bytesNull() {
assertThrows(ValidationException.class,
() -> WordPdfValidator.checkPageCountXlsx((byte[]) null));
}
/** Подстрока в XML-записи zip → новые байты архива (для синтетики листов). */
private static byte[] replaceInZip(byte[] zipBytes, String entryName,
String before, String after) throws Exception {
ByteArrayOutputStream out = new ByteArrayOutputStream();
try (ZipInputStream zin = new ZipInputStream(new ByteArrayInputStream(zipBytes));
ZipOutputStream zout = new ZipOutputStream(out)) {
ZipEntry e;
while ((e = zin.getNextEntry()) != null) {
byte[] data = zin.readAllBytes();
if (entryName.equals(e.getName())) {
data = new String(data, StandardCharsets.UTF_8)
.replace(before, after).getBytes(StandardCharsets.UTF_8);
}
zout.putNextEntry(new ZipEntry(e.getName()));
zout.write(data);
zout.closeEntry();
}
}
return out.toByteArray();
}
/**