Files
java-word-pdf/docs/standards/README.md
T
Pjandro eabc2b0e0d
PR checks / web (pull_request) Successful in 38s
PR checks / java (pull_request) Successful in 1m31s
Main: tests, deploy, autotests / web (push) Successful in 33s
Main: tests, deploy, autotests / java (push) Successful in 1m7s
Main: tests, deploy, autotests / images-web (push) Successful in 32s
Main: tests, deploy, autotests / images-app (push) Successful in 43s
Main: tests, deploy, autotests / deploy (push) Failing after 2m55s
Main: tests, deploy, autotests / autotests (push) Has been skipped
Main: tests, deploy, autotests / rollback (push) Failing after 3m4s
docs(standards): restructure into ooxml/binary, add MS-XLS/MS-XLSX for .xls/.xlsx
2026-11-02 22:21:23 +00:00

3.5 KiB
Raw Blame History

Нормативная документация форматов Office

Источник истины по форматам документов, которые принимает конвертер (.docx/.doc), и по соседним форматам того же семейства (.xlsx/.xls). Правило репозитория: любое решение про уже существующий формат — по спецификациям отсюда, а не по памяти или догадкам; ссылка на спецификацию — с номером секции (см. AGENTS.md «Documentation FIRST»).

Формат → директория

Формат Специфика формата Общее окружение
.doc (Word 97–2003, бинарный OLE2) doc/ ([MS-DOC]) binary/ (CFB-контейнер, OLEPS-метаданные, ODRAW-рисунки, OFFCRYPTO, OVBA, WMF/EMF; общие типы — [MS-OSHARED] в binary/)
.docx (Word OOXML) docx/ (валидатор фикстур) ooxml/ (ECMA-376 Part 1 §17 WordprocessingML + XSD; [MS-OI29500], [MS-ODRAWXML])
.xls (Excel 97–2003, бинарный OLE2) xls/ ([MS-XLS]) binary/ (то же окружение, что у .doc)
.xlsx (Excel OOXML) xlsx/ ([MS-XLSX]) ooxml/ (ECMA-376 Part 1 §18 SpreadsheetML + sml.xsd; [MS-OI29500], [MS-ODRAWXML])

Схемы ECMA-376 покрывают и PowerPoint (pml.xsd, §19 — в PDF и ecma376-part1-5th.md в ooxml/); специализированных MS-документов по PowerPoint здесь нет.

Как искать по номеру секции

Семейство файлов Что искать Как
doc/ms-doc.md, xls/ms-xls.md номер вида §2.9.38 заголовки в теле без номеров (автонумерация Word теряется при конвертации) — грепом по строкам оглавления: grep -n "^\[2\.9\.38 " doc/ms-doc.md, grep -n "^\[2\.4\.21 " xls/ms-xls.md
ooxml/ecma376-part1-5th.md номер вида §18.3.1.53 по нумерованным заголовкам в теле: grep -n "^18\.3\.1" ooxml/ecma376-part1-5th.md (пример строки: 18.3.1.53 is (Rich Text Inline))
ooxml/ms-oi29500.md комментарий Office к Part 1 указатели вида §2.17.3.3.13 (→ Part 1 §17.3.3.13)
binary/*.md, xlsx/ms-xlsx.md номер вида §2.2 тот же приём оглавления: grep -n "^\[2\.2 " xlsx/ms-xlsx.md

Конвенции

  • Первичен оригинал — .docx/.pdf в таблицах «Источники»; .md — производные извлечения, их SHA-256 справочные (сменишь инструмент — сменится SHA).
  • Регенерация — dated .docx с CDN (два хоста: у office_protocols-документов путь с сегментом /files/, у windows_protocols — без) + pandoc -t gfm-raw_html --wrap=none; плейсхолдеры [TABLE] (packet diagram'ы) и «full»-конверты с HTML-таблицами (-t gfm) описаны в README'ах каталогов.
  • ECMA-376 .md — из PDF (pdftotext -layout + постобработка), XSD — из официальных ECMA-архивов: ooxml/README.md.
  • Валидация .docx-фикстур по transitional-XSD — docx/validate-fixtures.py, см. docx/README.md.