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

31 lines
3.5 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
# 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`.