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

Closed
ai wants to merge 8 commits from feat/xlsx-bridge into main
5 changed files with 36 additions and 28 deletions
Showing only changes of commit 77ccac43f6 - Show all commits
Binary file not shown.
@@ -1,4 +1,4 @@
package ru.pjandro.wordpdf.internal.doc; package ru.pjandro.wordpdf.internal;
import java.io.ByteArrayOutputStream; import java.io.ByteArrayOutputStream;
import java.io.IOException; import java.io.IOException;
@@ -22,19 +22,26 @@ import java.util.zip.ZipOutputStream;
* XML-части идут в [Content_Types].xml как Override, медиа — как Default по * XML-части идут в [Content_Types].xml как Override, медиа — как Default по
* расширению (дедупликация по расширению). Байты уходят в штатный пайплайн * расширению (дедупликация по расширению). Байты уходят в штатный пайплайн
* docx4j (шаги 1–7 {@code WordPdfConverter}).</p> * docx4j (шаги 1–7 {@code WordPdfConverter}).</p>
*
* <p>Общий сборщик мостов: {@code internal.doc} (бинарный .doc) и
* {@code internal.xlsx} (SpreadsheetML) — отсюда public вне пакета.</p>
*/ */
final class DocxWriter { public final class DocxPackageWriter {
/** Часть пакета кроме document.xml: zip-запись, content-type, тип связи, байты. */ /** Часть пакета кроме document.xml: zip-запись, content-type, тип связи, байты. */
record Part(String entry, String contentType, String relType, byte[] content) { public 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\"" * Пространства имён корня document.xml/hdr/ftr: w + r (rels) + DrawingML
* + c (chart — нужно мосту .xlsx для {@code a:graphicData}/{@code c:chart}).
*/
public static final String NAMESPACES = "xmlns:w=\"http://schemas.openxmlformats.org/wordprocessingml/2006/main\""
+ " xmlns:r=\"http://schemas.openxmlformats.org/officeDocument/2006/relationships\"" + " xmlns:r=\"http://schemas.openxmlformats.org/officeDocument/2006/relationships\""
+ " xmlns:wp=\"http://schemas.openxmlformats.org/drawingml/2006/wordprocessingDrawing\"" + " xmlns:wp=\"http://schemas.openxmlformats.org/drawingml/2006/wordprocessingDrawing\""
+ " xmlns:a=\"http://schemas.openxmlformats.org/drawingml/2006/main\"" + " xmlns:a=\"http://schemas.openxmlformats.org/drawingml/2006/main\""
+ " xmlns:pic=\"http://schemas.openxmlformats.org/drawingml/2006/picture\""; + " xmlns:pic=\"http://schemas.openxmlformats.org/drawingml/2006/picture\""
+ " xmlns:c=\"http://schemas.openxmlformats.org/drawingml/2006/chart\"";
private static final String XML_DECL = "<?xml version=\"1.0\" encoding=\"UTF-8\" standalone=\"yes\"?>"; private static final String XML_DECL = "<?xml version=\"1.0\" encoding=\"UTF-8\" standalone=\"yes\"?>";
@@ -48,7 +55,7 @@ final class DocxWriter {
+ "Type=\"http://schemas.openxmlformats.org/officeDocument/2006/relationships/officeDocument\" " + "Type=\"http://schemas.openxmlformats.org/officeDocument/2006/relationships/officeDocument\" "
+ "Target=\"word/document.xml\"/></Relationships>"; + "Target=\"word/document.xml\"/></Relationships>";
private DocxWriter() { private DocxPackageWriter() {
} }
/** /**
@@ -59,7 +66,7 @@ final class DocxWriter {
* уже во время сборки тела, смещение {@code rIdN+1…} было бы * уже во время сборки тела, смещение {@code rIdN+1…} было бы
* нестабильным). * нестабильным).
*/ */
static byte[] write(String bodyXml, List<Part> parts, List<String> hyperlinkTargets) { public static byte[] write(String bodyXml, List<Part> parts, List<String> hyperlinkTargets) {
ByteArrayOutputStream bos = new ByteArrayOutputStream(1 << 14); ByteArrayOutputStream bos = new ByteArrayOutputStream(1 << 14);
try (ZipOutputStream zip = new ZipOutputStream(bos, StandardCharsets.UTF_8)) { try (ZipOutputStream zip = new ZipOutputStream(bos, StandardCharsets.UTF_8)) {
put(zip, "[Content_Types].xml", contentTypes(parts)); put(zip, "[Content_Types].xml", contentTypes(parts));
@@ -76,7 +83,7 @@ final class DocxWriter {
zip.closeEntry(); zip.closeEntry();
} }
} catch (IOException e) { } catch (IOException e) {
throw new IllegalStateException("Не удалось собрать .docx из .doc", e); throw new IllegalStateException("Не удалось собрать .docx", e);
} }
return bos.toByteArray(); return bos.toByteArray();
} }
@@ -92,7 +99,7 @@ final class DocxWriter {
} }
/** XML-часть колонтитука: {@code <w:hdr>}/{@code <w:ftr>} с полным набором имён. */ /** XML-часть колонтитука: {@code <w:hdr>}/{@code <w:ftr>} с полным набором имён. */
static byte[] storyPart(String rootElement, String paragraphsXml) { public static byte[] storyPart(String rootElement, String paragraphsXml) {
return (XML_DECL + "<" + rootElement + " " + NAMESPACES + ">" return (XML_DECL + "<" + rootElement + " " + NAMESPACES + ">"
+ paragraphsXml + "</" + rootElement + ">").getBytes(StandardCharsets.UTF_8); + paragraphsXml + "</" + rootElement + ">").getBytes(StandardCharsets.UTF_8);
} }
@@ -148,7 +155,7 @@ final class DocxWriter {
return xml.append("</Relationships>").toString(); return xml.append("</Relationships>").toString();
} }
/** Атрибутный экранировщик Target (дубликат образец {@code Lists.escapeAttr}). */ /** Атрибутный экранировщик Target (дубликат образец {@code internal.doc.Lists.escapeAttr}). */
private static String escapeAttr(String s) { private static String escapeAttr(String s) {
return s.replace("&", "&amp;").replace("<", "&lt;").replace("\"", "&quot;"); return s.replace("&", "&amp;").replace("<", "&lt;").replace("\"", "&quot;");
} }
@@ -1,6 +1,7 @@
package ru.pjandro.wordpdf.internal.doc; package ru.pjandro.wordpdf.internal.doc;
import ru.pjandro.wordpdf.ValidationException; import ru.pjandro.wordpdf.ValidationException;
import ru.pjandro.wordpdf.internal.DocxPackageWriter;
import java.nio.charset.StandardCharsets; import java.nio.charset.StandardCharsets;
import java.util.ArrayDeque; import java.util.ArrayDeque;
@@ -132,11 +133,11 @@ public final class DocToDocx {
file.wordDocument()); file.wordDocument());
Headers headers = Headers.read(file.table(), fib.fcPlcfHdd(), fib.lcbPlcfHdd(), Headers headers = Headers.read(file.table(), fib.fcPlcfHdd(), fib.lcbPlcfHdd(),
fib.ccpText() + fib.ccpFtn()); fib.ccpText() + fib.ccpFtn());
List<DocxWriter.Part> parts = new ArrayList<>(); List<DocxPackageWriter.Part> parts = new ArrayList<>();
if (lists.hasNumbering()) { if (lists.hasNumbering()) {
// relId этой части из XML не нужен — docx4j находит numbering по типу // relId этой части из XML не нужен — docx4j находит numbering по типу
// связи; id колонтитулов считаются после своего add, не сдвигаются // связи; id колонтитулов считаются после своего add, не сдвигаются
parts.add(new DocxWriter.Part("word/numbering.xml", NUMBERING_CONTENT_TYPE, parts.add(new DocxPackageWriter.Part("word/numbering.xml", NUMBERING_CONTENT_TYPE,
NUMBERING_REL_TYPE, NUMBERING_REL_TYPE,
lists.numberingXml().getBytes(StandardCharsets.UTF_8))); lists.numberingXml().getBytes(StandardCharsets.UTF_8)));
} }
@@ -167,9 +168,9 @@ public final class DocToDocx {
Headers.Story hdr = headers.oddHeader(i); Headers.Story hdr = headers.oddHeader(i);
if (!hdr.empty()) { if (!hdr.empty()) {
hdrNo++; hdrNo++;
parts.add(new DocxWriter.Part("word/header" + hdrNo + ".xml", parts.add(new DocxPackageWriter.Part("word/header" + hdrNo + ".xml",
HEADER_CONTENT_TYPE, HEADER_REL_TYPE, HEADER_CONTENT_TYPE, HEADER_REL_TYPE,
DocxWriter.storyPart("w:hdr", hdr.hasContent() DocxPackageWriter.storyPart("w:hdr", hdr.hasContent()
? body.buildRange(hdr.cpStart(), hdr.contentEnd(), true) ? body.buildRange(hdr.cpStart(), hdr.contentEnd(), true)
: "<w:p/>"))); : "<w:p/>")));
hdrRel[i] = "rId" + parts.size(); hdrRel[i] = "rId" + parts.size();
@@ -177,9 +178,9 @@ public final class DocToDocx {
Headers.Story ftr = headers.oddFooter(i); Headers.Story ftr = headers.oddFooter(i);
if (!ftr.empty()) { if (!ftr.empty()) {
ftrNo++; ftrNo++;
parts.add(new DocxWriter.Part("word/footer" + ftrNo + ".xml", parts.add(new DocxPackageWriter.Part("word/footer" + ftrNo + ".xml",
FOOTER_CONTENT_TYPE, FOOTER_REL_TYPE, FOOTER_CONTENT_TYPE, FOOTER_REL_TYPE,
DocxWriter.storyPart("w:ftr", ftr.hasContent() DocxPackageWriter.storyPart("w:ftr", ftr.hasContent()
? body.buildRange(ftr.cpStart(), ftr.contentEnd(), true) ? body.buildRange(ftr.cpStart(), ftr.contentEnd(), true)
: "<w:p/>"))); : "<w:p/>")));
ftrRel[i] = "rId" + parts.size(); ftrRel[i] = "rId" + parts.size();
@@ -188,9 +189,9 @@ public final class DocToDocx {
Headers.Story firstHdr = headers.firstHeader(i); Headers.Story firstHdr = headers.firstHeader(i);
if (!firstHdr.empty()) { if (!firstHdr.empty()) {
hdrNo++; hdrNo++;
parts.add(new DocxWriter.Part("word/header" + hdrNo + ".xml", parts.add(new DocxPackageWriter.Part("word/header" + hdrNo + ".xml",
HEADER_CONTENT_TYPE, HEADER_REL_TYPE, HEADER_CONTENT_TYPE, HEADER_REL_TYPE,
DocxWriter.storyPart("w:hdr", firstHdr.hasContent() DocxPackageWriter.storyPart("w:hdr", firstHdr.hasContent()
? body.buildRange(firstHdr.cpStart(), firstHdr.contentEnd(), ? body.buildRange(firstHdr.cpStart(), firstHdr.contentEnd(),
true) true)
: "<w:p/>"))); : "<w:p/>")));
@@ -199,9 +200,9 @@ public final class DocToDocx {
Headers.Story firstFtr = headers.firstFooter(i); Headers.Story firstFtr = headers.firstFooter(i);
if (!firstFtr.empty()) { if (!firstFtr.empty()) {
ftrNo++; ftrNo++;
parts.add(new DocxWriter.Part("word/footer" + ftrNo + ".xml", parts.add(new DocxPackageWriter.Part("word/footer" + ftrNo + ".xml",
FOOTER_CONTENT_TYPE, FOOTER_REL_TYPE, FOOTER_CONTENT_TYPE, FOOTER_REL_TYPE,
DocxWriter.storyPart("w:ftr", firstFtr.hasContent() DocxPackageWriter.storyPart("w:ftr", firstFtr.hasContent()
? body.buildRange(firstFtr.cpStart(), firstFtr.contentEnd(), ? body.buildRange(firstFtr.cpStart(), firstFtr.contentEnd(),
true) true)
: "<w:p/>"))); : "<w:p/>")));
@@ -211,7 +212,7 @@ public final class DocToDocx {
} }
// hyperlinks наполняются внутри build (body-pass); rels пишутся после // hyperlinks наполняются внутри build (body-pass); rels пишутся после
String bodyXml = body.build(secs, hdrRel, ftrRel, firstHdrRel, firstFtrRel); String bodyXml = body.build(secs, hdrRel, ftrRel, firstHdrRel, firstFtrRel);
return DocxWriter.write(bodyXml, parts, body.hyperlinks()); return DocxPackageWriter.write(bodyXml, parts, body.hyperlinks());
} }
/** /**
@@ -257,7 +258,7 @@ public final class DocToDocx {
/** Data-поток (.doc) для BLIP по sprmCPicLocation. */ /** Data-поток (.doc) для BLIP по sprmCPicLocation. */
private final byte[] dataStream; private final byte[] dataStream;
/** Части пакета (колонтитуки + media); id связи = rId{позиция+1}. */ /** Части пакета (колонтитуки + media); id связи = rId{позиция+1}. */
private final List<DocxWriter.Part> parts; private final List<DocxPackageWriter.Part> parts;
private final Deque<Boolean> fieldStack = new ArrayDeque<>(); private final Deque<Boolean> fieldStack = new ArrayDeque<>();
/** Флаг «поле открыло w:hyperlink», параллельно {@link #fieldStack}. */ /** Флаг «поле открыло w:hyperlink», параллельно {@link #fieldStack}. */
private final Deque<Boolean> linkStack = new ArrayDeque<>(); private final Deque<Boolean> linkStack = new ArrayDeque<>();
@@ -279,7 +280,7 @@ public final class DocToDocx {
DocxBody(PieceTable pieces, ChpxIndex chpx, PapxIndex papx, FontTable fonts, DocxBody(PieceTable pieces, ChpxIndex chpx, PapxIndex papx, FontTable fonts,
Styles styles, Lists lists, int ccpText, byte[] dataStream, Styles styles, Lists lists, int ccpText, byte[] dataStream,
List<DocxWriter.Part> parts) { List<DocxPackageWriter.Part> parts) {
this.pieces = pieces; this.pieces = pieces;
this.chpx = chpx; this.chpx = chpx;
this.papx = papx; this.papx = papx;
@@ -864,13 +865,13 @@ public final class DocToDocx {
return; return;
} }
int imageNo = 1; int imageNo = 1;
for (DocxWriter.Part p : parts) { for (DocxPackageWriter.Part p : parts) {
if (p.entry().startsWith("word/media/")) { if (p.entry().startsWith("word/media/")) {
imageNo++; imageNo++;
} }
} }
String entry = "word/media/image" + imageNo + "." + pic.extension(); String entry = "word/media/image" + imageNo + "." + pic.extension();
parts.add(new DocxWriter.Part(entry, pic.contentType(), IMAGE_REL_TYPE, pic.data())); parts.add(new DocxPackageWriter.Part(entry, pic.contentType(), IMAGE_REL_TYPE, pic.data()));
String relId = "rId" + parts.size(); String relId = "rId" + parts.size();
runs.append(markupOpen()).append("<w:r>").append(rPr).append("<w:drawing>") runs.append(markupOpen()).append("<w:r>").append(rPr).append("<w:drawing>")
.append("<wp:inline distT=\"0\" distB=\"0\" distL=\"0\" distR=\"0\">") .append("<wp:inline distT=\"0\" distB=\"0\" distL=\"0\" distR=\"0\">")
@@ -1411,7 +1411,7 @@ class WordPdfConverterTest {
* содержат — крафт POIFS, дубль хелперов DocToDocxFormattingTest): * содержат — крафт POIFS, дубль хелперов DocToDocxFormattingTest):
* инструкция → внешняя rels-связь документа, результат → содержимое * инструкция → внешняя rels-связь документа, результат → содержимое
* w:hyperlink, FOP кладёт поверх кликабельную аннотацию с /URI. * w:hyperlink, FOP кладёт поверх кликабельную аннотацию с /URI.
* Регрессия — internal.doc.DocxBody#hyperlinkUrl + DocxWriter#write. * Регрессия — internal.doc.DocxBody#hyperlinkUrl + DocxPackageWriter#write.
*/ */
@Test @Test
void docHyperlink_linkAnnotationClickable() throws Exception { void docHyperlink_linkAnnotationClickable() throws Exception {
@@ -1564,7 +1564,7 @@ class DocToDocxFormattingTest {
* Поле HYPERLINK: инструкция → w:hyperlink r:id="hl0" + внешняя связь * Поле HYPERLINK: инструкция → w:hyperlink r:id="hl0" + внешняя связь
* TargetMode="External" (экранирование & в Target), результат поля — * TargetMode="External" (экранирование & в Target), результат поля —
* содержимое ссылки; текст инструкции и URL в вывод не попадают. * содержимое ссылки; текст инструкции и URL в вывод не попадают.
* Регрессия — DocxBody#hyperlinkUrl + DocxWriter#documentRels. * Регрессия — DocxBody#hyperlinkUrl + DocxPackageWriter#documentRels.
*/ */
@Test @Test
void hyperlink_quotedUrl_becomesExternalLink() throws IOException { void hyperlink_quotedUrl_becomesExternalLink() throws IOException {