Files
java-word-pdf/docs/index.md
T
Pjandro b3511f8b74 docs: сайт документации на MkDocs Material
- Контент-дерево docs/: пользователь, REST API, библиотека, архитектура,
  разработчику, эксплуатация; навигация обязательна (strict-сборка).
- docs/agent/ и docs/standards/ из сайта исключены (exclude_docs),
  ссылки на них — внешние, на Gitea.
- Javadoc публичного API core попадает на сайт как docs/apidocs (gitignored).
2026-11-22 21:39:08 +03:00

4.0 KiB

Word → PDF конвертер

Конвертация .docx/.doc → PDF на чистой Java: docx4j 17.3.2 + форк Apache FOP (org.docx4j:docx4j-fo-renderer* 2.11-docx4j.6), без LibreOffice и без Aspose. Бинарный .doc (Word 97–2003) читается собственным мостом [MS-DOC]/[MS-CFB] и переносится в .docx в памяти — дальше идёт тем же конвейером. Шрифты упакованы в jar: конвертация не зависит от шрифтов, установленных в системе, и работает «из коробки» на голом сервере.

Три поверхности

Поверхность Что это Куда смотреть
Веб-интерфейс React SPA: перетащил файл → предпросмотр PDF → скачивание. Публикация: https://pjandro.ru/pdf-converter/ Пользователю
REST API POST /api/v1/convert (Spring Boot 4.1.1), ключ доступа, Swagger UI REST API
Java-библиотека wordpdf-core: WordPdfConverter.convert(...) — байты docx на входе, байты PDF на выходе Библиотека

Как это работает (схема)

.docx/.doc ──> валидация входа ──> (.doc: мост → .docx в памяти)
     ──> нормализация байтов ──> docx4j (WordprocessingMLPackage)
     ──> диаграммы → PNG ──> XSL-FO (вендорный XSLT) ──> Apache FOP ──> PDF (embedded-шрифты)
  1. Вход проверяется до рендера (WordPdfValidator): размер → сигнатура байтов (zip PK\x03\x04 или CFB D0 CF 11 E0) → контейнер и страницы lightweight-сканом, без зависимости от docx4j.
  2. XML-части переписывает DocxRewritePipeline одним zip-проходом (12 правил нормализации), затем OLE-объекты вычищает OleObjectNormalizer.
  3. Документ загружается в WordprocessingMLPackage, привязывается BundledFontMapper.
  4. Диаграммы и SmartArt предварительно растеризуются в PNG 300 dpi собственным Java2D-движком (DrawingPreRenderer) — XSLT-экспорт docx4j их не умеет.
  5. Экспорт в XSL-FO идёт вендорным стилем docx2fo.xslt; Apache FOP рендерит PDF, встраивая подмножества шрифтов.

Полностью, с обоснованиями — Архитектура.

Возможности

  • RU/EN: кириллица и латиница встраиваются в PDF как embedded-подмножества.
  • Частые MS-шрифты подменяются метрически совместимыми open-source аналогами (Шрифты).
  • Диаграммы (17 типов, включая комбинированные) и SmartArt — PNG без Word/LibreOffice (Диаграммы).
  • .doc: текст, стили, таблицы, списки, колонтитуки, картинки — собственный мост (Мост .doc).

Ключевые версии

Компонент Версия
Java 17 (temurin)
docx4j 17.3.2
Apache FOP (форк docx4j-fo-renderer*) 2.11-docx4j.6
commons-compress 1.28.0 (минимум 1.25.0)
Spring Boot 4.1.1
springdoc 3.1.1
SPA React 19.2 + TypeScript ~6.0 + Vite 8.3

Ссылки