Pjandro 0c10bae3cf docx4j 11.5.3 -> 17.3.0: формулы OMML, колонки и постобработка XSL-FO
17.x приносит WordLayoutFixups (постобработка DOM XSL-FO: columnBreaks,
lineBoxAttributes, stripHints и др.) и jeuclid-fop, поэтому начинают
работать две вещи, которых не было: формулы m:oMath (на стр. 4 эталона
формула молча исчезала) и w:cols/@w:num (две колонки на стр. 9-11).
Сходимость текста references/word.docx с экспортом Word 0,848 -> 0,981,
средний постраничный пиксельный diff 10,5% -> 7,4%.

Что пришлось починить по пути:

* docx4j навешивает на fo:inline fox:gsub-features, не объявляя префикс
  fox. FO становится некорректным XML, WordLayoutFixups не парсит его и
  молча отказывается от всех фикс, а оставленный хинт docx4j-baseline
  отвергает уже FOP. Отключаем генерацию через
  docx4j.convert.out.fo.gsubFeatures=false.

* FOP теперь форк org.docx4j:docx4j-fo-renderer*, и его
  META-INF/services/org.apache.fop.fo.ElementMapping лежит ещё и в
  docx4j-export-fo: в fat-jar без ServicesResourceTransformer второй файл
  перезаписывает первый, FOP не узнаёт namespace fo: и падает на
  UnknownXMLObj. Тесты этого не видят — они идут по classpath.

* addPhysicalFont не перезаписывает занятый ключ реестра: системный
  DejaVuSerif.ttf занимает «dejavu serif» и наш DejaVuSerif-Regular.ttf
  не регистрировался. BundledFonts.init() чистит реестр до регистрации.

* Fop.Renderers.getRenderer() теперь список w:renderer по mime —
  FopFallbackFonts ищет application/pdf.

Em-dash (U+2000-U+2EFF) остался на шрифте ранa, если в нём есть глиф —
так же делает Word (в references/word.pdf em-dash нарисован Calibri/Times,
DejaVu нет вообще), поэтому тест проверяет «вшитый шрифт, не Helvetica»,
а не конкретное семейство.
2026-10-05 21:48:23 +00:00

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 байтов ──> docx4j (WordprocessingMLPackage)
     ──> XSL-FO (XSLT) ──> Apache FOP ──> PDF (embedded-шрифты)
  1. Байты .docx нормализуются, пока docx4j не увидел документ: DocxOnOffNormalizer (docx4j теряет w:val="off"/"on" при JAXB-разборе, из-за чего regular-раны могли рендериться жирным курсивом), SymbolFontNormalizer (маркеры из Symbol/Wingdings вместо «#») и FieldNormalizer (поля PAGE/NUMPAGES пересчитываются, а не печатают кэш из docx).
  2. Документ загружается в WordprocessingMLPackage, привязывается BundledFontMapper, диаграммы и SmartArt предварительно растеризуются в PNG (DrawingPreRenderer).
  3. Экспорт в XSL-FO (XSLT-проход + WordLayoutFixups), 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.) берутся из шрифта ранa, если в нём есть глиф, иначе — из fallback-семейства DejaVu.
  • 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.

S
Description
No description provided
Readme 98 MiB
Languages
Java 95.6%
XSLT 2%
Python 0.9%
TypeScript 0.9%
Shell 0.3%
Other 0.2%