Files
java-word-pdf/README.md
T
Pjandro 76c251ddd9 docx→PDF конвертер на docx4j + FOP (без LibreOffice/Aspose)
- wordpdf-core: WordPdfConverter, встроенные TTF-шрифты (Carlito/Caladea/
  Arimo/Tinos/Cousine/DejaVu), BundledFontMapper с фолбэком в DejaVu
- нормализация w:val on/off (regular-раны не рендерятся жирным курсивом)
- символы U+2000–U+2EFF (em-dash) встраиваются через DejaVu, а не
  системным неembedded-шрифтом
- wordpdf-cli: fat-jar CLI (один/несколько docx, явный выходной файл)
- тесты (docx4j/FOP/PDFBox/POI), README
2026-09-23 17:54:54 +00:00

5.8 KiB
Raw Blame History

java-word-pdf

Конвертация docx → PDF на чистом Java: docx4j + Apache FOP, без LibreOffice/Aspose. Шрифты упакованы в jar — конвертация не зависит от шрифтов, установленных в системе (работает «из коробки» на голом сервере).

Возможности

  • Поддержка RU/EN: кириллица и латиница встраиваются в PDF (embedded-подмножества).
  • Самодостаточность: TTF выгружаются из jar в временный каталог и регистрируются в docx4j/FOP.
  • Частые MS-шрифты подменяются метрически совместимыми open-source аналогами (см. «Шрифты» ниже).
  • Клиентская библиотека (wordpdf-core) и CLI (wordpdf-cli, fat-jar).

Структура

java-word-pdf/
├── wordpdf-core/   библиотека: конвертер, шрифты, маппинг
└── wordpdf-cli/    командная строка (fat-jar через maven-shade)

Ключевые классы (wordpdf-core):

Класс Назначение
ru.pjandro.wordpdf.WordPdfConverter публичный API: convert(Path) / convert(Path, Path)
ru.pjandro.wordpdf.ConversionException исключение конвертации
ru.pjandro.wordpdf.fonts.BundledFonts выгрузка TTF из jar и регистрация в docx4j
ru.pjandro.wordpdf.fonts.BundledFontMapper маппинг имён шрифтов документа → TTF
ru.pjandro.wordpdf.internal.DocxOnOffNormalizer нормализация w:val="off"/"on" перед загрузкой
ru.pjandro.wordpdf.internal.FopFallbackFonts декларация fallback-семейства в FOP-конфиге

Сборка

Требуется Java 17 и Maven.

mvn clean verify          # сборка всех модулей + тесты
mvn -pl wordpdf-cli package   # только fat-jar CLI

Результат: wordpdf-cli/target/wordpdf-cli-<версия>.jar (fat-jar, все зависимости внутри).

Использование

CLI

java -jar wordpdf-cli-1.0.0.jar in.docx              # рядом создаётся in.pdf
java -jar wordpdf-cli-1.0.0.jar in.docx out.pdf     # в указанный файл
java -jar wordpdf-cli-1.0.0.jar a.docx b.docx       # пакетно: каждый -> свой .pdf

Коды возврата: 0 — успех, 1 — ошибка использования, 2 — не удалось конвертировать хотя бы один файл.

Библиотека

import ru.pjandro.wordpdf.WordPdfConverter;
import java.nio.file.Path;

Path pdf = WordPdfConverter.convert(Path.of("doc.docx"));      // doc.pdf рядом
WordPdfConverter.convert(Path.of("doc.docx"), Path.of("out.pdf")); // явный выход

Ошибки валидации (не .docx, файл не найден) бросают ConversionException.

Шрифты

В wordpdf-core/src/main/resources/fonts/ упакованы 28 TTF (по 4 начертания на семейство):

Семейство Аналог MS-шрифта
Carlito Calibri
Caladea Cambria
Arimo Arial
Tinos Times New Roman
Cousine Courier New
DejaVu Sans / DejaVu Serif fallback

BundledFontMapper подставляет метрически совместимые аналоги при конвертации (Calibri → Carlito и т.д.). Нераспознанные шрифты и символы, не найденные в шрифте ранa (em-dash «—», кавычки, U+2000–U+2EFF), падают в DejaVu Sans (гарантированная кириллица). Все шрифты встраиваются в PDF как подмножества.

Лицензии шрифтов

  • Arimo, Cousine, Tinos, Carlito, Caladea — SIL OFL 1.1 (см. fonts/FONT-LICENSE.txt).
  • DejaVu Sans / DejaVu Serif — SIL OFL 1.1 / Bitstream Vera (см. fonts/DejaVu-LICENSE.txt).

Как это работает

docx ──> (нормализация w:val on/off) ──> docx4j (WordprocessingMLPackage)
     ──> XSL-FO (XSLT) ──> Apache FOP ──> PDF (embedded-шрифты)
  1. Байты .docx нормализуются (DocxOnOffNormalizer): docx4j 11.x теряет атрибуты w:val="off"/"on" при JAXB-разборе, из-за чего regular-раны могли рендериться жирным курсивом.
  2. Документ загружается в WordprocessingMLPackage, привязывается BundledFontMapper.
  3. Экспорт в XSL-FO (XSLT-проход), затем Apache FOP рендерит PDF, встраивая используемые подмножества шрифтов.

Ограничения

  • Это не pixel-perfect рендер Word: раскладка, поля и некоторые эффекты приближённые (ограничения FOP/docx4j, а не «мы что-то упустили»).
  • Символы U+2000–U+2EFF (em-dash и т.п.) рендерятся fallback-шрифтом DejaVu, а не шрифтом самого ранa.
  • Поддержка таблиц/изображений — базовая (через docx4j/FOP).

Тесты

Тесты используют готовые .docx из wordpdf-core/src/test/resources/samples/ (генерируются POI) и проверяют извлечённый PDFBox'ом текст и встраивание шрифтов. Запуск: mvn test.