MOffice

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:

  1. Просмотр: страницы с прокруткой и масштабом (по ширине, по странице, 25–800 %), миниатюры, оглавление (/Outlines), переход по внутренним ссылкам, поворот вида.
  2. Поиск по тексту документа с подсветкой, «следующее/предыдущее», русский и английский с учётом регистра и ё/е.
  3. Выделение текста мышью и копирование в буфер (порядок чтения — по строкам в колонке).
  4. Печать через диалог ОС.
  5. 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        └─────────────────────────────────────────┘

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

  1. 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).
  2. Развилка на контрольной точке К2: если свой рендер < 75 % — выпускать ли 1.2 с hayro за флагом сборки.
  3. Новая дорожка S6 «PDF» (крейты meridian-pdf-read/-render/-text) или PDF внутри S3 Write.
  4. Доступ к Adobe Acrobat (Reader достаточно) для 50 эталонных рендеров.
  5. Делать ли JBIG2/JPX в 1.2 при доле < 2 % страниц корпуса (рекомендую — нет, в 1.3).