b3511f8b74
- 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).
4.0 KiB
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)
- Вход проверяется до рендера (
WordPdfValidator): размер → сигнатура байтов (zipPK\x03\x04или CFBD0 CF 11 E0) → контейнер и страницы lightweight-сканом, без зависимости от docx4j. - XML-части переписывает
DocxRewritePipelineодним zip-проходом (12 правил нормализации), затем OLE-объекты вычищаетOleObjectNormalizer. - Документ загружается в
WordprocessingMLPackage, привязываетсяBundledFontMapper. - Диаграммы и SmartArt предварительно растеризуются в PNG 300 dpi собственным
Java2D-движком (
DrawingPreRenderer) — XSLT-экспорт docx4j их не умеет. - Экспорт в XSL-FO идёт вендорным стилем
docx2fo.xslt;Apache FOPрендерит 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
- Javadoc публичного API
wordpdf-core - Внутренние справочники репозитория — для глубокой правки кода.