# Мост .doc → .docx Бинарный формат Word 97–2003 читается **собственным мостом** без внешних зависимостей (POI остаётся test-scope): байты `.doc` парсятся по спецификациям **[MS-DOC]** (сам документ) и **[MS-CFB]** (OLE2-контейнер), собираются in-memory `.docx` — и дальше идут тем же конвейером, что и обычные docx. ## Точка входа ```java DocToDocx.convert(byte[] docBytes, long maxMb) // → байты .docx (вызывает WordPdfConverter) DocToDocx.countPages(byte[] docBytes) // → страницы по сырым байтам (вызывает валидатор) ``` Страницы `.doc` считаются **по сырым байтам до конвертации** (PageCount из SummaryInformation, разрывы 0x0C, межсекционные разрывы, `pageBreakBefore`) — тот же скан используется валидатором лимита страниц. Любой брак (не-CFB, шифрованный документ, Word 6–95) → `ConversionException` (в REST — 400). ## Классы пакета `internal/doc` (18 top-level) |Класс|Спецификация|Что делает| |---|---|---| |`CfbReader`|[MS-CFB] §2.2–2.6|FAT/DIFAT/miniFAT, directory; бюджеты против враждебного FAT, любой брак → `ConversionException`| |`FibHeader`|[MS-DOC] §2.5.1|заголовок FIB: потоки 1Table/0Table, пары fc/lcb нужных индексов, сверка раскладок по nFib| |`PieceTable`|§2.9.135|текст: куски CP1252/UTF-16LE, клампинг к `cbMac`, проверка aCP| |`Grpprl`|§2.6.2|свойства форматирования (sprm'ы): bold/italic/шрифт/цвет/подсветка/заливка/отступы/табуляции| |`ChpxIndex` / `PapxIndex`|§2.4.6|FKP-страницы символьных/абзацных свойств| |`Styles`|§2.9.271|STSH: стилевые цепочки абзацев и символов (stk=1/2)| |`Tables`|§2.6.3|TAP TTP-абзаца → сетка, границы, выравнивание таблицы| |`Lists`|§2.9.200/.201|PlfLst/PlfLfo → `word/numbering.xml`| |`Sections`|§2.8.26|PlcfSed → геометрия секций, ориентация, нумерация страниц, `titlePg`| |`FontTable`|§2.9.286|SttbfFfn: индекс ftc → имя семейства| |`SummaryInfo`|[MS-OLEPS]|`\x01SummaryInformation`: в т.ч. PageCount| |`Headers`|§2.4.1|Plcfhdd: 6 колонтитуков на секцию → `headerN.xml`/`footerN.xml`| |`OfficeArt`|[MS-ODRAW]|картинки: BLIP-хранилище (JPEG/PNG/TIFF/DIB/EMF/WMF/PICT)| |`PrcData`|§2.9.210|разворачивание «огромных» grpprl, вынесенных за FKP-страницу| |`DocToDocx`|—|оркестратор + вложенный `DocxBody` (сборка document.xml)| |`DocxWriter`|—|мульти-частный zip: content-types, rels, numbering, headers, media| 17 из 18 классов package-private; наружу — только `DocToDocx`. ## Модель деградации (не падение) |Объект в .doc|Поведение| |---|---| |OLE-внедрения (U+0001 в тексте)|плейсхолдер заменяется его же BLIP-картинкой| |картинки JPEG/PNG/TIFF/DIB|переносятся дословно / через ImageIO в PNG| |EMF/WMF/PICT|пропуск с warn (векторные растеризаторы не в контуре)| |битые/неподдерживаемые конструкции|снисходительный разбор, объект исчезает или упрощается — текст не теряется| Поэтому **error-флаги (`errorOnCharts`/`errorOnSmartArt`/`errorOnOle`) на `.doc` не срабатывают**: OLE-вложения бинарного формата — это U+0001 с BLIP-плейсхолдером, мост деградирует их в картинки, «OLE-объектов» в смысле docx-пути в результате нет. ## Сознательный остаток Семантика рестартов списков (`fNoRestart`/`ilvlRestartLim`), `fLegal`, AUTONUM-поля (трактуются как обычные списки), часть тонкостей объединённых ячеек — осознанные упрощения вне контура; полный перечень — [doc-bridge.md (репозиторий)](http://git.pjandro.ru/pjandro/java-word-pdf/src/branch/main/docs/agent/doc-bridge.md).