ADR Ф6-1: просмотр PDF (выпуск 1.2)
Статус: предложено, 15.10.2026 (сессия
проектирования 1.x, ветка claude/design-f6-f8-2d6dbf).
Берётся в работу после беты 0.9 (7.12.2026); по плану 15.10 фаза 6 —
15.02–30.06.2027, бюджет PDF 50–75 сессий-дней (сд). Основание: план
plan/report-20261015/ (фаза 6, аудит 05 задача 5), спайк A8
docs/research/spikes/A-pdf.md, решения владельца № 35 и №
40 («весь код свой»), docs/12-license-policy.md.
Задача
Открыть чужой PDF во вкладке MOffice (вложение из почты, скан договора, выгрузка из 1С) и в превью Hub. Минимум 1.2:
- Просмотр: страницы с прокруткой и масштабом (по
ширине, по странице, 25–800 %), миниатюры, оглавление
(
/Outlines), переход по внутренним ссылкам, поворот вида. - Поиск по тексту документа с подсветкой,
«следующее/предыдущее», русский и английский с учётом регистра и
ё/е. - Выделение текста мышью и копирование в буфер (порядок чтения — по строкам в колонке).
- Печать через диалог ОС.
- Пароль: открыть защищённый PDF после ввода пароля (RC4 / AES-128 / AES-256 по ISO 32000-2 §7.6).
Не входит в 1.2: правка, аннотации, формы (заполнение AcroForm/XFA), подписи, JavaScript, 3D, мультимедиа, OCR сканов — это фаза 11 (2.0) «PDF-правка и формы». Формы в 1.2 только рисуются (внешний вид виджетов).
Ограничения: решение № 40 — сторонний код в продукт не входит, чужой проект — образец алгоритма; парсер чужих файлов — самая опасная поверхность атаки пакета, поэтому песочница обязательна (ворота G7).
Что уже есть
| Часть | Где | Годится для PDF? |
|---|---|---|
| Растр: контуры, заливка (ненулевое/чёт-нечет), обводка, маски, трансформации, PNG | kernel/crates/meridian-raster |
основа рендера; нет градиентов-шейдингов, мягких масок групп, режимов наложения, узоров — добрать |
| Шрифты: cmap, glyf, CFF, GPOS/kern | kernel/crates/meridian-font |
контуры TrueType/CFF есть; нет Type1 (PFB/PFA), Type3 (это потоки содержимого), CIDFontType0 «голый» CFF без OpenType-обёртки |
| DEFLATE | kernel/crates/meridian-archive
(inflate) |
FlateDecode; нужны предикторы PNG/TIFF (≈ 60 строк) |
| JPEG/PNG | kernel/crates/meridian-image |
DCTDecode; нет JPX (JPEG 2000) и JBIG2, CCITT — добрать (см. риски) |
| AES, SHA-256/512, RC4 | kernel/crates/meridian-cipher (aes,
aes_legacy, sha*) |
хватает на все обработчики шифрования PDF 1.4–2.0 |
| Писатель PDF/A-2b | kernel/crates/meridian-pdf |
лексика объектов общая; разборщик пишется рядом |
| Печать готового PDF через ОС | ui/meridian-platform → print_pdf (PDFKit,
verb «print», CUPS) |
печать в 1.2 = передать исходный файл в ОС; свой растр для печати не нужен |
| Превью Hub в worker-процессе с пределами буферов | ui/meridian-hub/src/preview_extract.rs,
preview_worker.rs |
добавить ветку AppKind::Pdf (уже есть в
meridian-broker/src/apps.rs) |
| Эталон рендера | kernel/spikes/pdf-bench (hayro, вне продукта) |
hayro 0.7: 156 из 158 файлов, 0 паник, 89,8 % страниц офисных PDF с SSIM ≥ 0,95 |
Варианты
| Вариант | Как | Лицензия | Размер | Скорость (замер или оценка) | За | Против |
|---|---|---|---|---|---|---|
А. Свой разборщик и рендер на meridian-raster,
hayro — эталон в тестах (рекомендую) |
новый крейт meridian-pdf-read (объекты, xref, шифры,
страницы, текст) + meridian-pdf-render (интерпретатор
потоков содержимого → meridian-raster); разностные тесты
против hayro как в kernel/oracles/ |
наш код | +0,6–1,2 МБ (оценка) | разбор xref, дерева страниц и потоков содержимого — медиана 0,01 мс,
макс. 6,9 мс на файл (спайк spikes/pdf-parse, ниже); рендер
— цель ≤ 2× hayro (медиана hayro 1,2 мс/стр. при 72 dpi) |
соответствует № 40; один растр с Write → одинаковые пиксели в окне, превью и PNG; один фаззинг-контур | самая большая работа (оценка ниже); риск хвоста экзотики (JBIG2, JPX, Type1) |
| Б. hayro как зависимость | крейты hayro, hayro-syntax из зеркала
meridian-oss |
Apache-2.0 OR MIT (класс 1) | ≈ +3–4 МБ (стенд A8 — 5,6 МБ вместе с krilla и нашим рендером) | измерено: медиана 1,2 мс/стр., p99 7,9 мс | быстрее всего (оценка 15–25 сд на окно, поиск, печать);
forbid(unsafe) |
нарушает № 40 (класс 1 разрешён только временно); свой растр
vello_cpu ≠ наш meridian-raster — два растеризатора в
продукте; шифрования нет; молодой проект одного автора |
| В. pdfium | C++ движок Chrome через FFI | BSD-3 + Apache-2.0 | 5–7 МБ на платформу (оценка, не мерили — нет зеркала) | быстрый, зрелый | формы, JS, шифрование — всё есть | нарушает № 40; C++ в процессе — дыры безопасности приходят вместе с Chrome; сборка gn/ninja на 3 ОС × 2 архитектуры; зеркал нет |
| Г. lopdf / pdf-rs | только синтаксис (объекты), рендера нет | MIT | малый | разбор быстрый | экономит лексер | рендер всё равно свой; та же проблема № 40 при меньшей выгоде — не рассматриваем как основу |
Д. Просмотрщик ОС (PDFKit, WinRT Windows.Data.Pdf,
poppler на Linux) |
встраивать системный вид | системные (poppler — GPL, запрещён в процессе) | 0 | высокая | дёшево на macOS/Windows | на Linux нет допустимого системного движка; разный вид на трёх ОС; превью Hub и поиск — три разных API; не основа для правки в 2.0 |
Решение
Вариант А: свой разборщик и свой рендер на
meridian-raster, в отдельном процессе-песочнице; hayro
остаётся эталоном в тестах (kernel/oracles/ по образцу
IronCalc) и в лаборатории сравнения, в продукт не входит. Печать —
исходный файл в диалог ОС (print_pdf), а не свой растр.
Почему не Б, хотя он быстрее на 30–40 сд: владелец решением № 40 уже
выбрал «свой код» для шейпера, растра, ZIP и PDF-писателя; второй
растеризатор в продукте расходится по пикселям с Write и сценой 2.0, а
сцена v2 (фаза 11) всё равно потребует от meridian-raster
градиенты, мягкие маски и режимы наложения — то, что нужно и PDF. Риск
сроков снимается этапами: сначала то, что составляет 95 % офисных PDF
(шрифты TrueType/CFF, Flate/DCT, пути, изображения), экзотика — по
замеру корпуса.
Запасной путь (если к контрольной точке К2 — см. задачи — рендер своего кода < 75 % страниц с SSIM ≥ 0,95): владелец решает, выпускать ли 1.2 с hayro за флагом сборки как временной зависимостью (решение № 5 аудита 05 «временные зависимости»), а свой рендер доводить к 1.3. Это единственная развилка, которая требует слова владельца.
Архитектура
Hub / вкладка PDF (ui, S2) процесс-песочница moffice-pdf-worker
┌──────────────────────────┐ IPC (кадры, CBOR) ┌─────────────────────────────────────────┐
│ PdfView: прокрутка, │ ── open(path|fd) ──▶ │ meridian-pdf-read: лексер, xref/потоки, │
│ масштаб, миниатюры, │ ◀─ PageInfo, Outline │ шифры, дерево страниц, ресурсы │
│ поиск, выделение, печать │ ── render(p, dpi, ─▶ │ meridian-pdf-render: операторы → список │
│ (рисует готовые плитки) │ tile) │ отображения → meridian-raster (плитка) │
└──────────────────────────┘ ◀─ Pixmap (shm/байты) │ meridian-pdf-text: глифы → Unicode │
── text(p) ──────▶ │ (ToUnicode, cmap, AGL) → строки, блоки │
◀─ TextLayer └─────────────────────────────────────────┘
- Крейты (новые, в
kernel/crates/; дорожка-владелец назначается при раздаче — предлагаю новую дорожку S6 «PDF»):meridian-pdf-read— синтаксис (ISO 32000-2 §7): лексер, xref-таблица и xref-поток, объектные потоки, цепочка/Prev, восстановление при битой xref (сканированиеn g obj), фильтры Flate/LZW/ASCIIHex/ASCII85/ RunLength + предикторы, шифрование (стандартный обработчик R2–R6, ввод пароля), дерево страниц с наследованиемMediaBox/CropBox/Rotate/Resources, оглавление, ссылки. Общий лексер объектов — вынести изmeridian-pdf(по согласованию владельца крейта, пометка[касание]).meridian-pdf-render— интерпретатор потоков содержимого: графическое состояние, пути, цвет (DeviceGray/RGB/CMYK, ICCBased → sRGB, Indexed, Separation/DeviceN через альтернативу), изображения и встроенные изображения, маски, XObject-формы, прозрачность (группы, мягкие маски, режимы наложения), шейдинги 1–7, узоры, шрифты (TrueType, CFF, Type1 → свой разбор charstring Type1, Type3, CID), отсечение. Выход — список отображения, затем растр плиткой 256×256 на нужном dpi.meridian-pdf-text— текстовый слой: позиции глифов с матрицей текста, Unicode по ToUnicode → cmap шрифта → имена глифов (AGL) →/ActualText; сборка в слова/строки/колонки по геометрии; индекс для поиска; прямоугольники выделения.
- Песочница: отдельный процесс
moffice-pdf-worker(как worker превью Hub), лимиты памяти и времени на страницу (по образцуmeridian-hub/src/preview_worker.rs), на macOS —sandbox_initбез сети и записи, на Linux — seccomp и отдельное пространство имён (если доступны), на Windows — Job Object + низкий уровень целостности. Падение worker = «страница не отрисована», а не падение окна. Это требование ворот G7 «песочница парсеров» сразу для PDF. - Встраивание в meridian-ui: вид PDF — компонент
PdfViewвui/meridian-ui(S2), который получает готовые плиткиmeridian_raster::Pixmapи рисует их как изображения; кэш плиток LRU по (страница, масштаб, плитка), до 256 МБ; при прокрутке сначала показываются масштабированные плитки предыдущего масштаба, затем чёткие. Текстовый слой — прозрачные прямоугольники для выделения (поведение как в Write: Shift+стрелки, двойной щелчок — слово). - Hub:
AppKind::Pdfполучаетbinary: Some(…)(вкладка в общем окне по макету 06); превью первой страницы — вpreview_extract.rsчерез тот же worker; полнотекстовый поиск Hub (content_extract.rs) берёт текст изmeridian-pdf-text. - Печать:
meridian_platform::print_pdf(исходный_путь); для зашифрованного файла — сначала расшифрованная копия во временной папке пользователя (права 0600), удаляется после печати. - C ABI (
meridian-ffi):meridian_pdf_open/page_count/page_size/render_tile/text_page/free— по образцуmeridian_doc_*, для мобильного просмотрщика (фаза 13).
Замеры (спайк
spikes/pdf-parse, 15.10.2026)
Минимальный свой разборщик (765 строк, только
meridian-archive для INFLATE): лексер, xref-таблица и
xref-поток с предиктором PNG, объектные потоки, цепочка
/Prev, восстановление сканом n g obj, дерево
страниц, распаковка потоков содержимого и подсчёт операторов. Корпус —
60 PDF из tests/corpus/manifest.tsv (pdf.js и Tika, хеши
сверены). Apple M5 Max, release, лучшее из 3 прогонов.
| Свой разборщик | lopdf 0.38 (MIT, для сравнения) | |
|---|---|---|
| Открыто | 60 из 60, 0 паник (5 — через восстановление сканом, 5 зашифрованы — опознаны, содержимое не читалось) | 55 из 60 |
| Страниц / операторов содержимого | 84 / 58 454, 0 ошибок распаковки | — |
| Время файла: медиана / p90 / макс | 0,01 / 0,10–0,15 / 5,6–6,9 мс | 0,12 / 0,90 / 20,8 мс |
| Сумма по корпусу | 9,4–11,7 мс | 37,2 мс |
Выводы: (1) синтаксический слой PDF — не узкое место и не большая неизвестность: прототип за один день закрыл весь корпус, оценка P1 (8–10 сд) — на доведение до продукта (шифры отдельно, фильтры, лимиты, фаззинг); (2) готовый крейт синтаксиса не даёт выигрыша ни в скорости, ни в охвате — довод за вариант Г отпадает; (3) неизвестность — в рендере и шрифтах (P3–P5), её снимает контрольная точка К2. Оговорка: у 8 файлов со страницами операторов 0 — это страницы только с формами/аннотациями или содержимое в XObject-формах; подробно не проверялось.
Риски
| Риск | Вероятность | Что делаем |
|---|---|---|
| Хвост экзотики (JBIG2, JPX, Type1, шейдинги 4–7) съедает сроки | высокая | этапы по частоте в корпусе; до реализации — честная заглушка «изображение этого типа не поддерживается» с серым прямоугольником; замер доли на корпусе 158 + 1 000 PDF GovDocs1 |
| Уязвимость парсера (переполнения, бесконечные циклы, бомбы распаковки) | высокая без защиты | процесс-песочница; лимиты (глубина объектов 64, распаковка ≤ 256 МБ
на поток, время страницы ≤ 5 с); ночной фаззинг fuzz-pdf в
kernel/fuzz (S5) с первого коммита |
| Расхождения с Acrobat при совпадении с poppler/hayro | средняя | эталоны Acrobat на 50 файлах (нужен доступ к Acrobat — вопрос владельцу); ворота считаем к hayro/poppler |
| Порядок чтения текста в многоколоночных и «рассыпанных» PDF | средняя | приоритет — поиск и копирование строки; /ActualText и
теги структуры (/StructTreeRoot) используются, если
есть |
| JBIG2 и JPX требуют больших своих декодеров (JPX ≈ 15–20 сд) | средняя | в 1.2 — только если ≥ 2 % страниц корпуса их содержат; иначе 1.3 |
| Медленный рендер тяжёлых страниц (карты, чертежи) | средняя | плитки, отмена устаревших запросов, прогрессивный показ; бюджет — p99 ≤ 200 мс на плитку при 150 dpi |
Оценка и задачи
Итого 55–75 сд (в бюджете плана 50–75), из них ядро — 40–55, интерфейс — 10–14, качество — 5–6.
| № | Задача | Сд | Зависит от | Готово, когда |
|---|---|---|---|---|
| P1 | meridian-pdf-read: лексер, xref/потоки, восстановление,
фильтры и предикторы, дерево страниц, оглавление |
8–10 | — | 158 файлов корпуса открываются (кроме ожидаемых), 0 паник за 1 ч фаззинга, страницы и размеры совпадают с hayro |
| P2 | Шифрование R2–R6, ввод пароля через API | 3–4 | P1 | 2 зашифрованных файла корпуса + 10 своих (RC4/AES-128/AES-256) открываются с паролем, с неверным — понятная ошибка |
| P3 | Рендер, этап 1: пути, цвет Device*, ICC→sRGB, изображения Flate/DCT, XObject-формы, отсечение | 8–10 | P1, meridian-raster |
К1: офисные PDF (98) — ≥ 70 % страниц SSIM ≥ 0,95 к hayro |
| P4 | Шрифты: TrueType, CFF/CID, Type1 (свой разбор charstring), Type3, 14 стандартных → свои метрические замены | 8–10 | P3, meridian-font |
К2: 158 файлов — ≥ 80 % страниц SSIM ≥ 0,95 |
| P5 | Рендер, этап 2: прозрачность, мягкие маски, режимы наложения,
шейдинги 1–7, узоры (расширения в meridian-raster — по
согласованию) |
6–9 | P3 | ≥ 85 % страниц SSIM ≥ 0,95 на 158 файлах (критерий плана) |
| P6 | meridian-pdf-text: Unicode, строки и колонки, поиск,
прямоугольники выделения |
5–7 | P4 | текст 98 офисных PDF совпадает с текстом исходного docx ≥ 98 % символов; поиск находит 100 % слов-образцов |
| P7 | Процесс-песочница moffice-pdf-worker, IPC, лимиты,
плиточный кэш |
4–5 | P1 | падение/таймаут worker не роняет окно (тест); лимиты сработали на 5 бомбах |
| P8 | PdfView в meridian-ui + вкладка Hub: прокрутка,
масштаб, миниатюры, оглавление, ссылки, поиск, выделение,
копирование |
8–10 | P6, P7, единое окно (фаза 5) | сценарии PDF-01…PDF-08 проходят на macOS и Linux; кадр прокрутки ≤ 16,7 мс при готовых плитках |
| P9 | Печать (исходный файл, расшифрованная копия), превью Hub, индекс поиска Hub, C ABI | 2–3 | P1, P6 | печать на 3 ОС; превью PDF в Hub; поиск Hub находит PDF по тексту |
| P10 | Фаззинг fuzz-pdf, разностные тесты с hayro в
kernel/oracles/, квитанция ворот, JBIG2/JPX по замеру |
3–7 | все | 0 паник за 24 ч фаззинга; квитанция pdf-viewer-*.json в
индексе |
Параллельно могут идти две сессии: «ядро» (P1→P2, P3→P4→P5) и «текст и интерфейс» (P6 после P4, P7, P8, P9).
Решения владельца
- Подтвердить вариант А (свой разборщик и рендер; hayro — только эталон) — или выбрать Б как временную зависимость сразу (экономия 30–40 сд, нарушение № 40 до 1.3).
- Развилка на контрольной точке К2: если свой рендер < 75 % — выпускать ли 1.2 с hayro за флагом сборки.
- Новая дорожка S6 «PDF» (крейты
meridian-pdf-read/-render/-text) или PDF внутри S3 Write. - Доступ к Adobe Acrobat (Reader достаточно) для 50 эталонных рендеров.
- Делать ли JBIG2/JPX в 1.2 при доле < 2 % страниц корпуса (рекомендую — нет, в 1.3).