package cn.iocoder.yudao.module.qcreport.service.aiimport.document;
|
|
import org.apache.pdfbox.pdmodel.PDDocument;
|
import org.apache.pdfbox.pdmodel.PDPage;
|
import org.apache.pdfbox.pdmodel.PDPageContentStream;
|
import org.apache.pdfbox.pdmodel.common.PDRectangle;
|
import org.apache.pdfbox.pdmodel.font.PDType1Font;
|
import org.apache.pdfbox.pdmodel.font.Standard14Fonts;
|
import org.apache.poi.ss.usermodel.Row;
|
import org.apache.poi.ss.usermodel.Sheet;
|
import org.apache.poi.xssf.usermodel.XSSFWorkbook;
|
import org.apache.poi.xwpf.model.XWPFHeaderFooterPolicy;
|
import org.apache.poi.xwpf.usermodel.XWPFDocument;
|
import org.apache.poi.xwpf.usermodel.XWPFTable;
|
import org.apache.poi.xwpf.usermodel.XWPFTableCell;
|
import org.openxmlformats.schemas.wordprocessingml.x2006.main.CTTcPr;
|
import org.openxmlformats.schemas.wordprocessingml.x2006.main.STMerge;
|
|
import java.io.ByteArrayOutputStream;
|
import java.io.IOException;
|
import java.io.UncheckedIOException;
|
import java.math.BigInteger;
|
|
/**
|
* 测试用的二进制样本，<b>在内存里现场生成</b>，不落地成资源文件。
|
* <p>
|
* 刻意不往 {@code src/test/resources} 放 .pdf / .docx 二进制：那种文件在仓库里既 review 不了也改不动，
|
* 想知道它里面写了什么还得专门打开看。现场生成则让「样本里有什么内容」直接写在测试代码里，
|
* 一眼就能看出断言为什么成立。
|
* <p>
|
* 代价是样本用了与生产同源的库（PDFBox / POI）来写——这确实是自证。
|
* 但这里要验证的本来就不是「PDFBox 能不能解析 PDF」，而是<b>适配器拿到一份这样的文件会走哪条通道、
|
* 抽出什么结构</b>，那正是这些样本能回答的问题。
|
*/
|
final class AiImportFixtures {
|
|
private AiImportFixtures() {
|
}
|
|
/**
|
* 有文本层的电子版 PDF，每页写一段足够长的 ASCII 文本（超过默认阈值 30 字符）。
|
* <p>
|
* 用 ASCII 而不是中文：PDF 的 14 号标准字体不含中文字形，写中文要么报错要么变成一串问号，
|
* 而本用例只关心「有没有文本层」，不关心中文渲染。
|
*/
|
static byte[] textPdf(int pageCount) {
|
try (PDDocument document = new PDDocument()) {
|
for (int i = 1; i <= pageCount; i++) {
|
PDPage page = new PDPage(PDRectangle.A4);
|
document.addPage(page);
|
try (PDPageContentStream stream = new PDPageContentStream(document, page)) {
|
stream.beginText();
|
stream.setFont(new PDType1Font(Standard14Fonts.FontName.HELVETICA), 12);
|
stream.newLineAtOffset(50, 700);
|
stream.showText("Incoming Inspection Report page " + i);
|
stream.newLineAtOffset(0, -20);
|
stream.showText("Item Size Tolerance Result Qty Remark Inspector");
|
stream.endText();
|
}
|
}
|
return save(document);
|
} catch (IOException e) {
|
throw new UncheckedIOException(e);
|
}
|
}
|
|
/**
|
* 只有页面、没有文字的 PDF——等价于一份扫描件：抽不出文本层，只能渲染成图。
|
*/
|
static byte[] imageOnlyPdf(int pageCount) {
|
try (PDDocument document = new PDDocument()) {
|
for (int i = 0; i < pageCount; i++) {
|
document.addPage(new PDPage(PDRectangle.A4));
|
}
|
return save(document);
|
} catch (IOException e) {
|
throw new UncheckedIOException(e);
|
}
|
}
|
|
/**
|
* 段落与表格<b>交替</b>排列的 .docx，用于验证抽取保留版面顺序而不是「所有段落 → 所有表格」。
|
*/
|
static byte[] docx(String beforeTable, String[][] table, String afterTable) {
|
try (XWPFDocument document = new XWPFDocument()) {
|
document.createParagraph().createRun().setText(beforeTable);
|
XWPFTable xwpfTable = document.createTable(table.length, table[0].length);
|
for (int r = 0; r < table.length; r++) {
|
for (int c = 0; c < table[r].length; c++) {
|
xwpfTable.getRow(r).getCell(c).setText(table[r][c]);
|
}
|
}
|
document.createParagraph().createRun().setText(afterTable);
|
ByteArrayOutputStream out = new ByteArrayOutputStream();
|
document.write(out);
|
return out.toByteArray();
|
} catch (IOException e) {
|
throw new UncheckedIOException(e);
|
}
|
}
|
|
/**
|
* 带<b>纵向合并</b>的 .docx：同一检验项目下的子项逐行展开，项目名只在第一行出现，
|
* 下面几行是 {@code <w:vMerge/>} 续格。
|
* <p>
|
* 这正是「一个检验项目下挂若干子项」的真实报告形态：合并信息不还原的话，
|
* 抽出来的是一堆看不出父子关系的平铺行。
|
*/
|
static byte[] docxWithVerticalMerge() {
|
String[][] cells = {
|
{"检验项目", "子项", "检测方法", "标准值", "实测值", "判定"},
|
{"粒度-筛上物比例（%）", "20目上", "ANA.MTH-000034", "0-5", "", "合格"},
|
{"", "40目上", "ANA.MTH-000034", "20-40", "", "合格"},
|
{"水分", "常压干燥法", "ANA.MTH-000035", "≤14.0", "", "合格"},
|
};
|
try (XWPFDocument document = new XWPFDocument()) {
|
XWPFTable table = createFilledTable(document, cells);
|
mergeDown(table, 1, 2, 0);
|
return write(document);
|
} catch (IOException e) {
|
throw new UncheckedIOException(e);
|
}
|
}
|
|
/**
|
* 带<b>横向合并</b>的 .docx：表头第一格跨两列（{@code w:gridSpan="2"}）。
|
* <p>
|
* 只关心列位对齐这个结构问题，列名不追求与真实报告一一对应。表头行因此比数据行多占一格，
|
* 数据行少的那格由适配器补齐——不补的话表头与数据行的列从此错开，模型会张冠李戴。
|
*/
|
static byte[] docxWithGridSpanHeader() {
|
String[][] cells = {
|
{"检验项目", "标准值", "实测值"},
|
{"外观", "无划痕", "合格"},
|
};
|
try (XWPFDocument document = new XWPFDocument()) {
|
XWPFTable table = createFilledTable(document, cells);
|
cellPropertiesOf(table.getRow(0).getCell(0)).addNewGridSpan().setVal(BigInteger.valueOf(2));
|
return write(document);
|
} catch (IOException e) {
|
throw new UncheckedIOException(e);
|
}
|
}
|
|
/**
|
* 带页眉页脚的 .docx：抬头与落款住在正文之外，{@code getBodyElements()} 看不到它们。
|
*/
|
static byte[] docxWithHeaderFooter(String bodyText, String headerText, String footerText) {
|
try (XWPFDocument document = new XWPFDocument()) {
|
document.createParagraph().createRun().setText(bodyText);
|
XWPFHeaderFooterPolicy policy = document.createHeaderFooterPolicy();
|
policy.createHeader(XWPFHeaderFooterPolicy.DEFAULT).createParagraph().createRun().setText(headerText);
|
policy.createFooter(XWPFHeaderFooterPolicy.DEFAULT).createParagraph().createRun().setText(footerText);
|
ByteArrayOutputStream out = new ByteArrayOutputStream();
|
document.write(out);
|
return out.toByteArray();
|
} catch (IOException e) {
|
throw new UncheckedIOException(e);
|
}
|
}
|
|
/**
|
* 含列头的 .xlsx。
|
*/
|
static byte[] xlsx(String sheetName, String[][] rows) {
|
try (XSSFWorkbook workbook = new XSSFWorkbook()) {
|
Sheet sheet = workbook.createSheet(sheetName);
|
for (int r = 0; r < rows.length; r++) {
|
Row row = sheet.createRow(r);
|
for (int c = 0; c < rows[r].length; c++) {
|
row.createCell(c).setCellValue(rows[r][c]);
|
}
|
}
|
ByteArrayOutputStream out = new ByteArrayOutputStream();
|
workbook.write(out);
|
return out.toByteArray();
|
} catch (IOException e) {
|
throw new UncheckedIOException(e);
|
}
|
}
|
|
/**
|
* 带 UTF-8 BOM 的文本，用于验证 BOM 被剥掉（否则第一个单元格会带一个看不见的字符）。
|
*/
|
static byte[] textWithBom(String text) {
|
byte[] body = text.getBytes(java.nio.charset.StandardCharsets.UTF_8);
|
byte[] result = new byte[body.length + 3];
|
result[0] = (byte) 0xEF;
|
result[1] = (byte) 0xBB;
|
result[2] = (byte) 0xBF;
|
System.arraycopy(body, 0, result, 3, body.length);
|
return result;
|
}
|
|
private static byte[] save(PDDocument document) throws IOException {
|
ByteArrayOutputStream out = new ByteArrayOutputStream();
|
document.save(out);
|
return out.toByteArray();
|
}
|
|
/** 建一张每格都填好文字的规则表格，后续再按需打上合并标记 */
|
private static XWPFTable createFilledTable(XWPFDocument document, String[][] cells) {
|
XWPFTable table = document.createTable(cells.length, cells[0].length);
|
for (int r = 0; r < cells.length; r++) {
|
for (int c = 0; c < cells[r].length; c++) {
|
table.getRow(r).getCell(c).setText(cells[r][c]);
|
}
|
}
|
return table;
|
}
|
|
/**
|
* 把第 {@code fromRow} 行到第 {@code toRow} 行的第 {@code column} 列纵向合并成一个单元格。
|
* <p>
|
* 起始格打 {@code w:val="restart"}、后续格打不带 val 的 {@code <w:vMerge/>}（Word 的常见写法），
|
* 中间格清空文字——真实文件里续格本来就是空的，合并信息全在那个标签上。
|
*/
|
private static void mergeDown(XWPFTable table, int fromRow, int toRow, int column) {
|
cellPropertiesOf(table.getRow(fromRow).getCell(column))
|
.addNewVMerge().setVal(STMerge.RESTART);
|
for (int r = fromRow + 1; r <= toRow; r++) {
|
XWPFTableCell cell = table.getRow(r).getCell(column);
|
cell.setText("");
|
cellPropertiesOf(cell).addNewVMerge();
|
}
|
}
|
|
/** 取格属性，没有 {@code <w:tcPr>} 就补一个 */
|
private static CTTcPr cellPropertiesOf(XWPFTableCell cell) {
|
return cell.getCTTc().isSetTcPr()
|
? cell.getCTTc().getTcPr()
|
: cell.getCTTc().addNewTcPr();
|
}
|
|
private static byte[] write(XWPFDocument document) throws IOException {
|
ByteArrayOutputStream out = new ByteArrayOutputStream();
|
document.write(out);
|
return out.toByteArray();
|
}
|
|
}
|
